Implementazione di autocorrelazione spaziale usando QGIS o PostgreSQL o qualsiasi altra applicazione gratuita? [chiuso]

Sono nuovo di GIS.

Ho due livelli in un database PostgreSQL.
Il primo livello contiene punti in cui si sono verificati eventi in Europa. Il secondo contiene uno shapefile dell'Europa.

Sono stato in grado di mappare i punti sulla mappa dell'Europa usando QGIS. Vorrei ora implementare l'autocorrealation spaziale (Moran i).

Ho visto alcune demo di questo fatto usando GeoDA ma sembra che gestisca solo un singolo file di forma.

Qualcuno può indicarmi la giusta direzione su come implementarlo usando QGIS o PostgreSQL o qualsiasi altra applicazione gratuita?

Imparare facendo è il mio modo preferito. E quando si tratta di statistiche spaziali, R sta diventando uno strumento davvero potente. Quindi, se questa è un'opzione, consulta alcuni materiali del corso, scarica i dati e provali tu stesso.

Pochi punti di partenza che coprono l'autocorrelazione spaziale (SA) (e in generale la gestione di materiale spaziale in R):

1. Il Center for Studies in Demography and Ecology (CSDE) presso l'Università di Washington fornisce materiali dal seminario Spatial R.

2. Institute for Quantitative Scienze Sociali presso l'Università di Harvard ha materiali dalle Statistica Applicata spaziali in R laboratorio che coprono SA.

3. Il Dipartimento di geografia dell'Università del Colorado offre materiali su SA come parte del suo corso Introduzione ai metodi quantitativi .

Una volta acquisita familiarità con R, è possibile associarlo a PostgreSQL utilizzando PL / R - R Procedural Language per PostgreSQL , ma non posso commentarlo poiché non sono informato sull'argomento.

Python potrebbe essere un'altra alternativa. PySAL è una libreria attivamente sviluppata e ben documentata che ti consentirà di implementare tutte le funzionalità di GeoDa, inclusa SA (e molto probabilmente, anche di più). Python e Postgres di solito sono buoni amici, quindi investendo un po 'di tempo potresti probabilmente sposare anche quei due.

Non ho idea di come eseguire la tua idea QGIS / PostgreSQL, ma il seguente software può calcolare le misure per l'autocorrelazione

• GeoDa http://geodacenter.asu.edu/ogeoda
• Passage 2 http://www.passagesoftware.net/
• SAM (Analisi spaziale in macroecologia) http://www.ecoevol.ufg.br/sam/
• PASSATO http://folk.uio.no/ohammer/past/
• SAGA GIS http://www.saga-gis.org/en/index.html

GeoDa può gestire solo vettori, Passage2 e SAGA solo raster, solo PAST XYZ.txt e SAM (credo) entrambi.

Art Lembo ha un semplice esempio di I pseudo-Moran per PostGIS :

SELECT corr(a.pctwhite, b.pctwhite)
FROM cleveland AS a, cleveland AS b
WHERE st_touches(a.geometry, b.geometry)
AND a."OID" <> b."OID"

La chiave qui è quella - come dice lui. . .

[Moran's I] non è altro che il coefficiente di correlazione di Pearsons ingannato in un contesto spaziale

. . . il che significa che un test di contiguità di base può produrre una matrice e una valutazione credibili. Ho testato questo sui miei dati e l'ho trovato per produrre risultati molto simili alle altre implementazioni di Moran I.

Mi scuso per la doppia risposta qui, ma da quando ho pubblicato il mio primo suggerimento mi sono imbattuto in un toolkit più completo per eseguire tutti i tipi di analisi come questa (compresa l'I di Moran globale e locale):

Albero a gomiti , un modulo Python / PostGIS di Carto.

Lo sto usando per analisi di produzione simili al tuo caso d'uso da alcuni mesi e funziona perfettamente. Sembra che CDB_AreasOfInterestGlobal()sia la funzione che vorresti usare.