Corso di Data Science Geospaziale

Lezione 1 • Sistemi di coordinate e proiezioni

Tratta i sistemi di coordinate geografiche rispetto a quelli proiettati, i datum e la distorsione da proiezione. Stabilisce le basi del riferimento spaziale necessarie per tutto il lavoro successivo con i dati.

Lezione 2 • Formati e standard dei dati spaziali

Passa in rassegna i formati di file più diffusi e gli standard aperti per l'archiviazione e lo scambio di dati geospaziali. Prepara gli studenti all'importazione ed esportazione dei dati su piattaforme diverse.

Lezione 3 • Concetti di scala spaziale e risoluzione

Spiega la scala della mappa, la risoluzione spaziale e i loro effetti sull'accuratezza dell'analisi. Collega le decisioni sulla scala ai risultati reali della raccolta e dell'interpretazione dei dati.

Lezione 4 • Modelli di dati vettoriali e raster

Introduce i due modelli principali di dati spaziali e i relativi compromessi. Comprendere entrambi i modelli è essenziale per selezionare i formati appropriati nei flussi di lavoro di analisi.

Lezione 1 • Integrazione dei dati e armonizzazione degli schemi

Affronta l'unione di dataset con proiezioni, schemi e risoluzioni differenti in un layer unificato pronto per l'analisi. Supporta direttamente progetti analitici multi-sorgente.

Lezione 2 • Valutazione e pulizia della qualità dei dati

Identifica i problemi comuni di qualità dei dati spaziali, inclusi errori posizionali, lacune negli attributi e difetti topologici. Fornisce agli studenti flussi di lavoro sistematici di pulizia e validazione.

Lezione 3 • API e servizi web per dati spaziali

Insegna l'accesso programmatico ai dati spaziali tramite API REST, WMS, WFS e servizi di tile. Consente un recupero dati automatizzato e ripetibile all'interno delle pipeline di analisi.

Lezione 4 • Fonti di dati primarie e secondarie

Distingue i dati primari raccolti sul campo dalle fonti secondarie come portali aperti e archivi satellitari. Guida la selezione della fonte in base ad accuratezza, copertura e licenze.

Lezione 1 • Operazioni spaziali basate su raster

Esplora l'algebra delle mappe, la riclassificazione, le statistiche zonali e l'analisi della superficie di costo su dati raster. Le operazioni raster consentono la modellazione di superfici continue su grandi estensioni.

Lezione 2 • Fondamenti di analisi di rete

Tratta il routing basato su grafi, la modellazione delle aree di servizio e il calcolo della matrice origine-destinazione. L'analisi di rete è fondamentale per la logistica, la pianificazione urbana e la risposta alle emergenze.

Lezione 3 • Analisi di prossimità e distanza

Tratta la generazione di buffer, le matrici di distanza e i calcoli del vicino più prossimo. Queste operazioni sono alla base della selezione del sito, della delimitazione dell'area di servizio e degli studi di accessibilità.

Lezione 4 • Analisi del terreno e della superficie

Introduce le operazioni basate su DEM, incluse pendenza, esposizione, ombreggiatura e analisi della visibilità. Collega la modellazione della superficie ad applicazioni ambientali, infrastrutturali e di pianificazione.

Lezione 1 • Configurazione dell'ambiente geospaziale Python

Configura ambienti conda e pip con librerie geospaziali fondamentali e notebook Jupyter. Un ambiente stabile è il prerequisito per tutto il lavoro successivo basato su Python.

Lezione 2 • Elaborazione raster con Rasterio e NumPy

Legge, scrive ed elabora dataset raster utilizzando Rasterio e operazioni su array NumPy. Consente un'analisi raster scalabile senza dipendere da software GIS desktop.

Lezione 3 • Automazione del flusso di lavoro e scripting

Progetta script di elaborazione geospaziale modulari e riutilizzabili con logging, gestione degli errori e interfacce CLI. Le competenze di automazione sono essenziali per pipeline di dati di livello produttivo.

Lezione 4 • Analisi vettoriale con GeoPandas e Shapely

Applica GeoDataFrame di GeoPandas e gli oggetti geometrici di Shapely per eseguire operazioni spaziali in modo programmatico. Collega le competenze di data science tabellare all'analisi spaziale.

Lezione 1 • Analisi dell'autocorrelazione spaziale

Misura la dipendenza spaziale utilizzando l'I di Moran, la C di Geary e gli indicatori locali di associazione spaziale. L'analisi dell'autocorrelazione rivela pattern di clustering e dispersione nei dati degli attributi.

Lezione 2 • Statistica spaziale descrittiva

Calcola il centro medio spaziale, il centro mediano, l'ellisse di deviazione standard e la distribuzione direzionale. Queste misure sintetizzano la tendenza centrale e la dispersione di insiemi di punti spaziali.

Lezione 3 • Regressione geograficamente ponderata

Adatta modelli di regressione spazialmente variabili per catturare le relazioni locali tra le variabili. La GWR rivela come gli effetti dei predittori cambiano nello spazio geografico.

Lezione 4 • Analisi dei pattern puntuali

Analizza la distribuzione di eventi puntuali utilizzando la stima della densità kernel, l'analisi per quadrat e la K di Ripley. Identifica se i pattern puntuali sono casuali, aggregati o dispersi.

Lezione 1 • Indici spettrali e matematica delle bande

Calcola indici di vegetazione, acqua, aree edificate e suolo a partire da bande multispettrali. Gli indici spettrali forniscono proxy quantitativi rapidi per le condizioni della superficie terrestre.

Lezione 2 • Principi di telerilevamento

Spiega lo spettro elettromagnetico, i tipi di sensori e la geometria di acquisizione delle immagini. La conoscenza fisica di base è necessaria per la corretta interpretazione delle immagini satellitari.

Lezione 3 • Rilevamento dei cambiamenti e analisi di serie temporali

Rileva i cambiamenti della copertura del suolo e della superficie utilizzando la differenziazione delle immagini, il confronto post-classificazione e metodi di serie temporali. Il rilevamento dei cambiamenti supporta il monitoraggio ambientale e l'analisi della crescita urbana.

Lezione 4 • Pre-elaborazione e correzione delle immagini

Tratta la calibrazione radiometrica, la correzione atmosferica e l'ortorettifica geometrica. La pre-elaborazione garantisce che le immagini siano pronte per l'analisi e confrontabili tra date diverse.

Lezione 1 • Ingegneria delle feature spaziali

Crea feature consapevoli della posizione, inclusi ritardi spaziali, feature di distanza e derivate del terreno, per i modelli di ML. L'ingegneria delle feature collega i dati geografici grezzi a matrici di input pronte per il modello.

Lezione 2 • Validazione del modello spazialmente consapevole

Affronta l'autocorrelazione spaziale nei dati di addestramento attraverso la convalida incrociata spaziale e strategie di suddivisione a blocchi. Una validazione corretta previene stime delle prestazioni eccessivamente ottimistiche.

Lezione 3 • Regressione e classificazione su dati spaziali

Addestra modelli di gradient boosting, random forest e lineari su dataset tabellari spaziali per compiti di predizione. Tratta la messa a punto del modello, l'interpretazione e la diagnostica dei residui spaziali.

Lezione 4 • Metodi di clustering e regionalizzazione

Applica il clustering spazialmente vincolato e gli algoritmi di regionalizzazione per delimitare zone omogenee. Il clustering supporta la segmentazione del mercato, la zonizzazione ecologica e l'analisi urbana.

Lezione 1 • Produzione di mappe statiche in Python

Crea mappe statiche di qualità editoriale utilizzando Matplotlib, il plot di GeoPandas e Cartopy. La produzione di mappe basata su Python si integra perfettamente nei flussi di lavoro di analisi riproducibili.

Lezione 2 • Principi di progettazione cartografica

Tratta la gerarchia visiva, la teoria del colore, la tipografia e il posizionamento degli elementi della mappa per una cartografia efficace. I principi di una buona progettazione garantiscono che le mappe comunichino in modo accurato e senza distorsioni.

Lezione 3 • Storytelling con dati spaziali

Struttura narrazioni spaziali utilizzando scrollytelling, mappe annotate e report basati sui dati per pubblici non tecnici. Uno storytelling efficace traduce i risultati analitici in informazioni utili.

Lezione 4 • Web mapping interattivo

Costruisce mappe web interattive utilizzando Folium, Leaflet e Mapbox GL JS con layer dinamici e popup. Le mappe interattive aumentano il coinvolgimento del pubblico e consentono la scoperta esplorativa dei dati.