Introdução à Análise de Dados Espaciais

Introdução à Análise de Dados Espaciais

Geospatial Data Analysis

GeoDa é uma ferramenta Livre e Open Source (FOSS) que serve como uma introdução à análise de dados espaciais. Ele é projetado para facilitar novas idéias a partir de análise de dados, explorando e modelando padrões espaciais.

GeoDa foi desenvolvido pelo Dr. Luc Anseln e sua equipe. O programa fornece uma interface amigável e gráfica para os métodos de análise de dados espaciais exploratórios (ESDA), como estatísticas de autocorrelação espacial e análise de regressão espacial básica para dados de treliça¹ (pontos e polígonos). ¹lattice data

A versão mais recente 1.10 contém vários novos recursos de agrupamentos local (local cluster), incluindo mapas de cluster de Gear locais univariados e multivariados e várias técnicas clássicas de cluster não-espacial (análise de componentes principais, k-means e cluster hierárquico) implementadas na biblioteca de clusters em C  de Hoon et al. (2013).

GeoDa 1.10 também continua a oferecer suporte a mais formatos de arquivos espaciais, suporte total de dados espaço-temporais em todas as exibições, camadas basemap para todos os mapas, gráficos de médias, matrizes de plotagem de dispersão, autocorrelação espacial não-paramétrica (correlograma) e categorização de dados flexíveis.

Geographically Weighted Modelling

GWR4.09 já está disponível e substitui todas as versões anteriores. Esta versão do GWR é uma nova versão de aplicativo do Windows da ferramenta para modelar relacionamentos variando espacialmente entre variáveis, calibrando Regressão Geograficamente Ponderada (GWR) e Modelos Lineares Generalizados Ponderados Geograficamente (GWGLM) com suas variantes semiparamétricas.

A Regressão Geograficamente Ponderada é uma técnica para análise exploratória de dados espaciais.

Na regressão “normal”, assumimos que o relacionamento que estamos modelando é válido em toda a área de estudo – ou seja, os parâmetros de regressão são estatísticas de “mapa completo”.

Em muitas situações, este não é necessariamente o caso, pois o mapeamento dos resíduos (a diferença entre os dados observados e previstos) pode revelar. Muitas soluções diferentes foram propostas para lidar com a variação espacial no relacionamento. O GWR fornece um meio elegante e fácil de modelar tais relações.

Referências

http://spatial.uchicago.edu/geoda

http://gwr.maynoothuniversity.ie

https://gwrtools.github.io

STATSREF: Statistical Analysis Handbook

Geospatial Analysis – A comprehensive guide

QGIS e R

A integração dos programas QGIS e R – Statistical Computing, é de tal maneira que se pode trabalhar com diversas ferramentas de um dentro de outro (Caixa de Processamento no QGIS ou o RQGIS no R).
Um exemplo, é a aplicação de Geoestatística usando QGIS e R para produzir um mapa de predição por Krigagem Ordinária.

Com as possibilidades de se programar scripts e plugins (complementos) no QGIS, estamos preparando um conjunto de ferramentas Geoestatísticas do R para serem usadas dentro do QGIS.

Referências