用途：在 CARTO 中构建基于 Moran's I 的空间自相关工作流，判断某变量是否存在空间聚集、离散或随机分布，并按 HH/HL/LH/LL 四象限对位置分类。
主要能力：流程为 源数据 →（过滤）→ 空间索引（H3）→ 聚合 → Moran's I →（显著性过滤）→ 保存。使用 native.gettablebyname 读取数据，native.h3frompoint 将点几何转为 H3 格，native.groupby 按索引列聚合成每格一行的数值列，native.moransi 计算自相关，参数包括 indexcol（默认 h3）、valuecol（默认 geoid_count）、size（k 环半径，默认 3）、decay（默认 uniform，可选 uniform/inverse/inverse_square/exponential）。输出列含 index、morans_i、p_value、quadrant。建议用 native.where 按 p_value 过滤后再解读象限，最后 native.saveastable 保存。
选择依据：Moran's I 回答“是否存在聚集”并划分聚类类型、识别空间异常值；Getis-Ord Gi* 用于定位热点/冷点及聚集强度。
结果解读：全局 Moran's I 大于 0 为聚集，小于 0 为离散，接近 0 为随机。HH 为高值被高值包围（聚类核心），LL 为低值被低值包围，HL 与 LH 为空间异常值。
限制与注意：需先加载 carto-create-workflow 了解开发流程、JSON 结构与验证命令；Moran's I 组件依赖 Analytics Toolbox，离线验证无法解析其位置，需远程 verify。输出列名为 index 而非 h3/quadbin，回连原数据需重命名。valuecol 必须为数值列。分辨率过高且区域过大可能变慢或触及内存限制。结果对邻域定义敏感，k 环大小与衰减函数均显著影响结果。象限分类仅对统计显著单元有意义。Snowflake 上未加引号的标识符为大写（H3、INDEX、MORANS_I、P_VALUE、QUADRANT、GEOID_COUNT）。衰减参数名为 decay 而非 kernel。
适用变体：数据已预索引可跳过 H3 步骤；面输入改用 native.h3polyfill；可先填充研究区边界再充实数据；可与 Getis-Ord 在同一聚合网格上联合分析。收费、价格与平台支持等信息暂未提供。