¿Qué antecedentes aparte de estadísticas y programación (R) necesito para poder manipular y analizar datos espaciales?

1. Algoritmos de aprendizaje automático (como bosques aleatorios, redes neuronales, refuerzo de gradiente extremo y máquina de vectores de soporte …) y métodos de interpolaciones geoestadísticas (como Kriging).

2. Conceptos de SIG y teledetección (como datos vectoriales y ráster, sistemas de referencia de coordenadas, autocorrelación espacial, análisis de patrones de puntos …)

3. Optimización computacional (H20 y data.table en R …), ya que es un trabajo intensivo en memoria.

Estas son algunas de las otras cosas que deberían funcionar.

El análisis espacial es un conjunto de técnicas para analizar datos espaciales. Los resultados del análisis espacial dependen de la ubicación de los objetos que se analizan. El software que implementa técnicas de análisis espacial requiere acceso tanto a la ubicación de los objetos como a sus atributos.

Entonces, aparte de R y la teoría de la estadística, también debe comprender cómo se almacenan los datos espaciales en una base de datos, cómo consultarlos y procesarlos de manera eficiente desde esa base de datos y, después del análisis, cómo visualizar sus hallazgos.

Debe comprender sus datos, cuáles son los procesos subyacentes, cómo se adquieren los datos, el alcance de sus datos (local, regional, global), qué tipo de errores puede haber en los datos y la parte especial de los datos espaciales, dependencia espacial, también conocida como autocorrelación espacial.

Hay dos fuentes principales de datos espaciales, humanos y físicos, cada una tiene sus tradiciones, métodos preferidos y formas de recopilar datos. La recopilación de datos afecta el alcance de las generalizaciones que puede hacer. Los datos de teledetección están disponibles a nivel mundial, pero su resolución suele ser tosca, especialmente temporal, debido a las nubes, el ciclo día / noche y las estaciones. Los datos satelitales de calidad Goid pueden estar disponibles para ventanas limitadas, con un alto porcentaje de cobertura de nubes como factor limitante en muchos lugares.

Los datos espaciales derivados de humanos son aún peores en la resolución temporal, los cuestionarios son costosos, los censos también. Los datos recopilados automáticamente tienen muchas posibilidades de errores. La verificación de datos es clave para el éxito allí.

Los estudios de geografía son un gran paso adelante en la comprensión de la espacialidad de los fenómenos, cómo las escalas de contexto pueden significar tanto en cómo se interpreta el fenómeno.