Implementando autocorrelação espacial usando QGIS ou PostgreSQL ou qualquer outro aplicativo gratuito? [fechadas]

Eu sou novo no GIS.

Eu tenho duas camadas em um banco de dados PostgreSQL.
A primeira camada contém pontos onde os eventos aconteceram na Europa. O segundo contém um shapefile da Europa.

Consegui mapear os pontos no mapa da Europa usando o QGIS. Gostaria agora de implementar a Autocorrealation Spatial (Moran i).

Eu já vi algumas demos disso sendo feitas usando o GeoDA, mas parece que ele lida apenas com um único arquivo de forma.

Alguém pode me indicar a direção certa de como implementar isso usando QGIS, PostgreSQL ou qualquer outro aplicativo gratuito?

Aprender fazendo é o meu caminho preferido. E quando se trata de estatística espacial, o R está ficando uma ferramenta seriamente poderosa. Portanto, se essa é uma opção, navegue através de alguns materiais do curso, faça o download dos dados e tente você mesmo.

Poucos pontos de partida que cobrem a autocorrelação espacial (SA) (e geralmente tratando de coisas espaciais em R):

1. O Centro de Estudos em Demografia e Ecologia (CSDE) da Universidade de Washington fornece materiais do workshop Spatial R.

2. O Institute for Quantitative Social Science da Harvard University possui materiais do workshop Estatística Espacial Aplicada em R , cobrindo a SA.

3. O Departamento de Geografia da Universidade do Colorado oferece materiais sobre SA como parte de seu curso Introdução aos métodos quantitativos .

Depois de familiarizar-se com o R, você pode associá-lo ao PostgreSQL usando a linguagem de procedimentos PL / R-R para o PostgreSQL , mas não posso comentar sobre isso, pois não conheço o assunto.

Python pode ser outra alternativa. O PySAL é uma biblioteca ativamente desenvolvida e bem documentada que permitirá implementar todas as funcionalidades do GeoDa, incluindo o SA (e provavelmente, ainda mais). Python e Postgres geralmente são bons amigos, portanto, investindo algum tempo, é provável que você também se case com esses dois.

Não tenho ideia de como executar sua ideia do QGIS / PostgreSQL, mas o software a seguir pode calcular medidas para autocorrelação

• GeoDa http://geodacenter.asu.edu/ogeoda
• Passagem 2 http://www.passagesoftware.net/
• SAM (Análise Espacial em Macroecologia) http://www.ecoevol.ufg.br/sam/
• PAST http://folk.uio.no/ohammer/past/
• SAGA GIS http://www.saga-gis.org/en/index.html

O GeoDa pode lidar apenas com vetores, Passage2 e SAGA somente raster, somente PAST XYZ.txt e SAM (acho) ambos.

Art Lembo tem um exemplo simples de um pseudo-Moran para o 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"

A chave aqui é isso - como ele coloca. . .

[O I de Moran] não é mais do que o Coeficiente de Correlação de Pêra, levado a um contexto espacial

. . . o que significa que um teste básico de contiguidade pode produzir uma matriz e avaliação confiáveis. Eu testei isso com meus próprios dados e descobri que ele produz resultados realmente semelhantes aos de outras implementações de Moran.

Desculpas pela resposta dupla aqui, mas desde que postei minha primeira sugestão, me deparei com um kit de ferramentas mais abrangente para fazer todos os tipos de análises como esta (incluindo o I de Moran global e local):

Virabrequim , um módulo Python / PostGIS da Carto.

Estou usando-o para análises de produção semelhantes ao seu caso de uso há alguns meses e ele funciona perfeitamente. Parece que CDB_AreasOfInterestGlobal()é a função que você deseja usar.