用途：该技能面向地理空间数据处理，覆盖卫星影像（Sentinel、Landsat、MODIS）分析、矢量 GIS 操作、空间统计与地球观测数据分析，目标是把原始空间数据转化为可用的地理情报，并输出出版级地图。
主要能力：栅格路径支持波段运算与指数计算（如 NDVI、NDWI）、分类与变化检测；矢量路径支持 GeoPandas 空间连接、叠加与缓冲区操作；两者在栅格-矢量集成步骤汇合，可结合行政边界、点位观测或基础设施数据。空间统计方面提供 Moran's I 等空间自相关检验与热点分析。制图支持底图叠加、图例与高分辨率输出。
使用方式：以 Python 生态实现，涉及 geopandas、rasterio、shapely、numpy、pysal（esda、weights）、matplotlib、contextily 等库。典型流程为读取并重投影数据、执行空间连接或指数计算、进行空间统计检验、最后生成地图。资料给出的示例函数包括 load_and_reproject、spatial_join_points_to_polygons、compute_ndvi、spatial_autocorrelation、publication_map。
适用场景：卫星影像处理、空间连接与叠加、空间统计（Moran's I、热点分析）、土地利用与土地覆盖及环境变化分析、坐标参考系与投影处理、出版级地图制作。
限制与注意事项：空间操作前必须核对 CRS 一致性，否则会产生静默错误；距离与面积计算应使用投影坐标系（米），显示可用地理坐标系（度）；使用非空间统计前建议先做空间自相关检验；NDVI 等指数应校验取值范围（NDVI 为 -1 到 1）；发布地图应包含比例尺、指北针与 CRS 标注；地理数据建议以 GeoParquet 存储，GeoJSON 仅用于交换。平台支持方面，Cursor、VS Code、Windsurf、Claude Code、Cline 为完全支持，aider 为部分支持（仅代码生成）。具体安装命令与收费信息暂未提供。