Home › Lectures › GeoAI

📍 স্পেশিয়াল পরিসংখ্যান · Spatial Statistics

স্থানভিত্তিক প্যাটার্ন ও সম্পর্কের পরিসংখ্যান।

Statistics of spatial patterns and relationships.

📅 ৫. জিওএআই⏳ ~3 সপ্তাহ📘 8 টপিক🧩 24 সাব-টপিক🎬 0 ভিডিও💻 রানযোগ্য কোড

🎯 যা শিখবেন / Outcomes

Test autocorrelation, find hotspots, interpolate, GWR

🧰 টুলস / Tools

PySAL, GeoDa, R sf

🏁 প্রজেক্ট / Capstone

Disease hotspot map for districts

📌 পূর্বশর্ত / Prerequisites

📊 Statistics 🗺️ GIS Fundamentals

📅

সাপ্তাহিক পরিকল্পনা · Weekly plan

~২ ঘণ্টা/দিন ধরে

Week 1

Spatial Autocorrelation Moran's I
Hot Spot Analysis Getis-Ord
Point Pattern Analysis

Week 2

Kernel Density Estimation
Spatial Interpolation IDW Kriging
Geographically Weighted Regression

Week 3

Spatial Epidemiology
PySAL

1

Spatial Autocorrelation Moran's I

Are nearby places similar?
Beginner
📘 বাংলা: কাছাকাছি জায়গার মান একই রকম কিনা।
🌐 English: Are nearby places similar?

💡 নিকটবর্তী জায়গাগুলো কি একই রকম? স্থানিক ডেটায় সাধারণ পরিসংখ্যানের অনুমান ভাঙে।

  1. 1
    টবলারের সূত্র: কাছের জিনিস দূরের চেয়ে বেশি সম্পর্কিত
  2. 2
    Spatial weights: কে কার প্রতিবেশী—Queen (সীমানা/কোণা), Rook (সীমানা), দূরত্ব, KNN
  3. 3
    Global Moran's I: +১ গুচ্ছবদ্ধ, ০ এলোমেলো, −১ বিচ্ছুরিত; permutation p-value
  4. 4
    Moran scatterplot দিয়ে দেখুন
Tobler-এর প্রথম সূত্র
Global Moran's I−1 থেকে 1
Spatial weightsQueen, Rook, দূরত্ব
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
2

Hot Spot Analysis Getis-Ord

Find clusters of high/low values.
Beginner
📘 বাংলা: উচ্চ/নিম্ন মানের গুচ্ছ শনাক্ত।
🌐 English: Find clusters of high/low values.

💡 কোথায় উচ্চ বা নিম্ন মানের গুচ্ছ—হস্তক্ষেপের লক্ষ্য এলাকা নির্ধারণ।

  1. 1
    Local Moran (LISA): প্রতিটি এলাকার জন্য High-High, Low-Low, High-Low, Low-High
  2. 2
    Getis-Ord Gi*: প্রতিবেশীসহ মান গড়ের চেয়ে তাৎপর্যপূর্ণভাবে বেশি = হট স্পট
  3. 3
    একাধিক পরীক্ষার জন্য FDR সংশোধন
  4. 4
    মানচিত্রে ৯০/৯৫/৯৯% আস্থায় হট ও কোল্ড স্পট দেখান
Getis-Ord Gi*
হট স্পট ও কোল্ড স্পট
LISA ক্লাস্টার মানচিত্র
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
3

Point Pattern Analysis

Are events random or clustered?
Beginner
📘 বাংলা: ঘটনার অবস্থান এলোমেলো না গুচ্ছবদ্ধ।
🌐 English: Are events random or clustered?

💡 ঘটনার অবস্থান (রোগী, দুর্ঘটনা, গাছ) এলোমেলো নাকি গুচ্ছবদ্ধ।

  1. 1
    Complete Spatial Randomness (CSR) শূন্য অনুমান হিসেবে নিন
  2. 2
    Nearest neighbor index: গড় নিকটতম দূরত্ব বনাম প্রত্যাশিত (<১ গুচ্ছ)
  3. 3
    Ripley's K/L ফাংশন: বিভিন্ন দূরত্বে গুচ্ছতা
  4. 4
    জনসংখ্যা ঘনত্ব নিয়ন্ত্রণ করুন—মানুষ বেশি যেখানে ঘটনাও বেশি
Complete Spatial Randomness
Ripley's K ফাংশন
নিকটতম প্রতিবেশী সূচক
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
4

Kernel Density Estimation

Create density surfaces.
Intermediate
📘 বাংলা: ঘনত্ব মানচিত্র তৈরি।
🌐 English: Create density surfaces.

💡 বিচ্ছিন্ন পয়েন্ট থেকে মসৃণ ঘনত্ব পৃষ্ঠ—হিটম্যাপ।

  1. 1
    প্রতিটি পয়েন্টের চারপাশে একটি কার্নেল (ঘণ্টাকৃতি প্রভাব) বসান
  2. 2
    সব কার্নেল যোগ করে প্রতিটি অবস্থানের ঘনত্ব
  3. 3
    ব্যান্ডউইথ সবচেয়ে গুরুত্বপূর্ণ: ছোট = খুঁটিনাটি, বড় = মসৃণ
  4. 4
    scipy gaussian_kde, QGIS Heatmap বা sklearn KernelDensity
কার্নেল ও ব্যান্ডউইথ
হিটম্যাপ তৈরি
প্রয়োগঅপরাধ, রোগের ঘনত্ব
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
5

Spatial Interpolation IDW Kriging

Estimate values across space from samples.
Intermediate
📘 বাংলা: মাপা বিন্দু থেকে পুরো এলাকার মান অনুমান।
🌐 English: Estimate values across space from samples.

💡 কিছু বিন্দুর মাপ থেকে পুরো এলাকার মানচিত্র—বৃষ্টিপাত, দূষণ, আর্সেনিক।

  1. 1
    IDW: কাছের মাপকে বেশি ওজন (১/দূরত্বᵖ)—সহজ, দ্রুত
  2. 2
    Kriging: ভ্যারিওগ্রাম দিয়ে দূরত্বের সাথে মিল কীভাবে কমে তা মডেল করে; অনিশ্চয়তাও দেয়
  3. 3
    ভ্যারিওগ্রাম মডেল (spherical, exponential) ফিট: nugget, sill, range
  4. 4
    leave-one-out ক্রস-ভ্যালিডেশন দিয়ে পদ্ধতি তুলনা
IDWদূরত্বের বিপরীত ওজন
Krigingভ্যারিওগ্রাম ভিত্তিক
ক্রস-ভ্যালিডেশন দিয়ে যাচাই
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
6

Geographically Weighted Regression

Regression whose relationships vary by place.
Intermediate
📘 বাংলা: স্থানভেদে ভিন্ন সম্পর্কের রিগ্রেশন।
🌐 English: Regression whose relationships vary by place.

💡 একই কারণের প্রভাব সব জায়গায় সমান নয়—স্থানভেদে সম্পর্ক বের করা।

  1. 1
    প্রথমে সাধারণ OLS; রেসিডুয়ালে Moran's I দেখুন
  2. 2
    GWR: প্রতিটি অবস্থানে প্রতিবেশীদের ওজন দিয়ে আলাদা রিগ্রেশন
  3. 3
    ব্যান্ডউইথ AICc দিয়ে বাছুন (mgwr লাইব্রেরি); MGWR-এ প্রতিটি ভেরিয়েবলের আলাদা ব্যান্ডউইথ
  4. 4
    স্থানীয় সহগ ও t-মান মানচিত্রে দেখান
স্থানীয় রিগ্রেশন সহগ
ব্যান্ডউইথ নির্বাচন
সহগের মানচিত্র ব্যাখ্যা
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
7

Spatial Epidemiology

Geographic spread of disease.
Advanced
📘 বাংলা: রোগের ভৌগোলিক বিস্তার বিশ্লেষণ।
🌐 English: Geographic spread of disease.

💡 রোগ কোথায়, কেন, কাদের মধ্যে—জনস্বাস্থ্য পরিকল্পনার স্থানিক ভিত্তি।

  1. 1
    রোগ মানচিত্র: কাঁচা হার নয়—প্রত্যাশিত রোগী দিয়ে SIR (Standardized Incidence Ratio)
  2. 2
    ছোট জনসংখ্যার অস্থির হার মসৃণ করতে Empirical Bayes/BYM মডেল
  3. 3
    ক্লাস্টার শনাক্ত: SaTScan (স্থান-কাল স্ক্যান পরিসংখ্যান)
  4. 4
    পরিবেশগত ঝুঁকি (তাপ, বন্যা, পানি) ও স্বাস্থ্যসেবা প্রাপ্তির সাথে সম্পর্ক বিশ্লেষণ
রোগ ম্যাপিং ও SIR
ক্লাস্টার শনাক্তSaTScan
পরিবেশগত ঝুঁকি ও স্বাস্থ্য
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
8

PySAL

Python spatial statistics library.
Advanced
📘 বাংলা: পাইথনে স্পেশিয়াল পরিসংখ্যান লাইব্রেরি।
🌐 English: Python spatial statistics library.

💡 Python-এ স্থানিক পরিসংখ্যানের পূর্ণাঙ্গ লাইব্রেরি পরিবার।

  1. 1
    libpysal.weights: Queen.from_dataframe(gdf), w.transform = "r"
  2. 2
    esda: Moran(y, w), Moran_Local, G_Local
  3. 3
    mgwr: GWR/MGWR মডেল; spreg: স্পেশিয়াল ল্যাগ/এরর রিগ্রেশন
  4. 4
    splot দিয়ে Moran scatterplot ও LISA ক্লাস্টার মানচিত্র
libpysalweights
esdaMoran, LISA
mgwr ও splot
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
💻

হাতে-কলমে কোড · Hands-on code

Run চাপুন — পাইথন আপনার ব্রাউজারেই চলবে (Ctrl+Enter)
import numpy as np
# Global Moran's I on a 6x6 grid with rook contiguity
rng=np.random.default_rng(0); g=np.zeros((6,6)); g[:3,:3]=10; g+=rng.normal(0,1,(6,6)); x=g.ravel(); n=x.size
W=np.zeros((n,n))
for i in range(6):
    for j in range(6):
        for di,dj in [(1,0),(-1,0),(0,1),(0,-1)]:
            a,b=i+di,j+dj
            if 0<=a<6 and 0<=b<6: W[i*6+j,a*6+b]=1
z=x-x.mean(); I=n/W.sum()*(z@W@z)/(z@z)
perm=[(lambda s:n/W.sum()*(s@W@s)/(s@s))(rng.permutation(z)) for _ in range(499)]
print("Moran's I =",round(I,3)," pseudo p =",round((np.sum(np.array(perm)>=I)+1)/500,3))
📝

অনুশীলন · Practice tasks

  1. জেলাভিত্তিক রোগের হার দিয়ে Moran's I হিসাব
  2. Getis-Ord দিয়ে হটস্পট মানচিত্র
  3. IDW দিয়ে বৃষ্টিপাত ইন্টারপোলেশন
  4. ক্যাপস্টোন: Disease hotspot map for districts
❓

কুইজ · Quick quiz

1. Moran's I ধনাত্মক মানে?

2. স্থানভেদে সহগ বদলায় কোন মডেলে?

🎬

ভিডিও লাইব্রেরি · Videos

সাইটের ভেতরে ফ্লোটিং প্লেয়ারে চলবে
এই শাখার ভিডিও এখনো সংরক্ষিত হয়নি। যেকোনো টপিক পেজ খুললে ভিডিও স্বয়ংক্রিয়ভাবে খুঁজে MySQL-এ সংরক্ষিত হবে (API key থাকলে)।

📺 Reference channels

🇧🇩 Bangla spatial analysis ↗
🌐 GeoDa ↗Spatial Thoughts ↗
🔗

সংযুক্ত বিষয় · Connected

➡ 🌏 GeoAI 🕸️ নেটওয়ার্কে দেখুন💻 ল্যাবে খুলুন
← আগের শাখা🛰️ Remote Sensingপরের শাখা →🌏 GeoAI
🎬 Video