# Análise Estatística Espacial

> Dados com localização — vetor e raster, sistemas de referência (CRS), operações espaciais com GeoPandas, estatística zonal, mapas e autocorrelação espacial (Moran e LISA).

## Visão geral

Quando o dado tem **onde**, aparece uma pergunta nova: a localização importa? A análise espacial trata dados com geometria, cruza camadas **pela posição** e testa estatisticamente se valores parecidos se agrupam no espaço.

A primeira lei da geografia resume a intuição: *tudo se relaciona com tudo, mas coisas próximas se relacionam mais que coisas distantes*.

## Modelos de dado

- **Vetor**: feições discretas com atributos — **ponto** (loja, poço), **linha** (rua, rio), **polígono** (município, talhão).
- **Raster**: grade de pixels com valores (contínuos como temperatura e altitude, ou categóricos como uso do solo); pode ter várias **bandas**; células sem dado são **NoData**.
- **Resolução espacial** = tamanho do pixel: menor pixel, mais detalhe e mais dados.

## Formatos

- **Shapefile**: vários arquivos juntos — `.shp` (geometria), `.shx` (índice), `.dbf` (atributos), `.prj` (CRS), `.cpg` (codificação).
- **GeoJSON** / Simple Features: texto, fácil de trocar na web.
- **GeoPackage** (`.gpkg`): um arquivo só, moderno.
- **GeoTIFF**: raster georreferenciado.

## Sistemas de referência (CRS)

- O CRS amarra as coordenadas à superfície da Terra — é a "identidade" geográfica da camada.
- **Geográfico** (graus de latitude/longitude): ex. EPSG 4326 (WGS84, o do GPS) e EPSG 4674 (SIRGAS 2000, datum oficial do Brasil).
- **Projetado** (metros): ex. UTM. No Brasil, SIRGAS 2000 / UTM do fuso local (EPSG 31981 a 31985, conforme a longitude).
- **Regra 1**: todas as camadas no **mesmo CRS** antes de cruzar.
- **Regra 2**: reprojete para um CRS **métrico** antes de calcular distância, área ou buffer. Um grau de longitude vale cerca de 111 km × cos(latitude) — varia com o lugar, e o buffer em graus sai distorcido.

## Operações com GeoPandas

| Necessidade | Operação |
|---|---|
| Criar pontos a partir de lat/lon | `gpd.points_from_xy(lon, lat)` com `crs=4326` |
| Em que polígono cada ponto está | `sjoin` (predicado `within` / `intersects`) |
| Recortar uma camada pelo limite de outra | `clip` |
| Agregar polígonos (município → região) | `dissolve(by=..., aggfunc=...)` |
| Área de influência por raio | `buffer` (em CRS métrico) |
| Interseção, união, diferença de geometrias | `overlay` |
| Juntar atributos por chave | `merge` |
| Valor de raster por polígono | **estatística zonal** |

- O `sjoin` pode **duplicar linhas** quando um ponto cai em mais de um polígono: confira a cardinalidade.
- Antes de qualquer média de raster: mascarar NoData, conferir unidade física, CRS e resolução.

## Passo a passo de um projeto

1. **Coletar** e registrar fonte, data e licença (malhas oficiais, OpenStreetMap, dados de clima e satélite, endereços geocodificados).
2. **Ler** com `gpd.read_file` e criar GeoDataFrames de pontos a partir de coordenadas.
3. **Padronizar o CRS** e reprojetar para métrico quando houver distância, área ou buffer.
4. **Validar**: geometrias válidas, sem nulos, chaves únicas nos merges.
5. **Operar**: filtro, clip, sjoin, dissolve, buffer, overlay.
6. **EDA espacial**: coropléticos com **taxas normalizadas**, hexbin ou KDE para muitos pontos, histogramas (às vezes em log).
7. **Estatística**: matriz de pesos espaciais, Moran global, LISA.
8. **Saída**: mapa estático (matplotlib), interativo (Folium, Plotly) ou tabela para BI.

## Mapas que não enganam

- **Coroplético** com contagem bruta só mostra onde mora mais gente. Normalize: taxa por habitante, por domicílio ou por km².
- **Hexbin** agrega contagens por célula hexagonal; **KDE** estima uma superfície contínua de densidade.

## Autocorrelação espacial

- **Matriz de pesos**: define quem é vizinho de quem.
  - **Queen**: qualquer ponto de contato (como a dama do xadrez).
  - **Rook**: precisa de aresta comum (como a torre).
  - Também por distância ou k vizinhos mais próximos.
- **Moran global (I)**: de -1 a 1.
  - I > 0 e p < 0,05: valores semelhantes próximos (**agrupamento**);
  - I ≈ 0: sem padrão espacial;
  - I < 0: dispersão (vizinhos diferentes).
  - O p-valor vem de **permutações** (Monte Carlo), não de fórmula fechada.
- **LISA** (Moran local): **onde** estão os agrupamentos.
  - **HH** (alto cercado de alto) = hotspot; **LL** = coldspot;
  - **HL** e **LH** = outliers espaciais;
  - só valem as unidades com p < 0,05.

```python
import geopandas as gpd
from libpysal.weights import Queen
from esda.moran import Moran, Moran_Local

mun = gpd.read_file("municipios.gpkg").to_crs(31983)
mun["taxa"] = mun.casos / mun.populacao * 1e5
w = Queen.from_dataframe(mun); w.transform = "r"
mi = Moran(mun.taxa, w)
print(mi.I, mi.p_sim)
lisa = Moran_Local(mun.taxa, w)
```

## Uso em negócios

- **Expansão e cobertura**: buffers ao redor de unidades existentes mostram onde há demanda sem atendimento ("espaços em branco").
- **Variáveis espaciais para ML**: distância ao ponto mais próximo, contagens na vizinhança, estatística zonal de clima ou vegetação.
- **Cuidado na validação**: autocorrelação espacial infla métricas de validação aleatória; valide por **blocos geográficos**.

## Bibliotecas

`geopandas`, `shapely`, `pyproj`, `libpysal` (pesos), `esda` (Moran, LISA), `splot`, `rasterio` e `rasterstats` (raster), `folium`, `plotly`, `matplotlib`.

## Perguntas de revisão

1. **Qual a diferença entre vetor e raster?** Vetor representa feições discretas com atributos; raster é uma grade de pixels com valores.
2. **Quais arquivos compõem um shapefile?** `.shp` (geometria), `.shx` (índice), `.dbf` (atributos), `.prj` (CRS) e `.cpg` (codificação).
3. **O que é CRS?** O sistema que amarra as coordenadas à superfície da Terra.
4. **Qual a diferença entre CRS geográfico e projetado?** Geográfico usa graus; projetado usa metros.
5. **Que CRS usar para calcular buffer e distância?** Um CRS projetado em metros, como SIRGAS 2000 / UTM do fuso local.
6. **Por que não medir distância em graus?** Porque o comprimento de um grau de longitude varia com a latitude.
7. **Qual o datum oficial do Brasil?** SIRGAS 2000 (EPSG 4674 na versão geográfica).
8. **Qual a regra antes de cruzar camadas?** Todas no mesmo CRS.
9. **Qual a diferença entre clip e overlay?** Clip recorta uma camada pelo limite de outra; overlay combina geometrias (interseção, união, diferença).
10. **O que faz o dissolve?** Funde polígonos por um atributo e agrega colunas — um group by espacial.
11. **Qual o risco do sjoin?** Duplicar linhas quando um ponto cai em mais de um polígono.
12. **O que é resolução espacial?** O tamanho do pixel do raster.
13. **O que é estatística zonal?** Resumir os pixels de um raster dentro de cada polígono (média, mínimo, máximo).
14. **Por que normalizar um mapa coroplético?** Porque a contagem bruta reflete a população; taxas permitem comparar de forma justa.
15. **Hexbin ou KDE?** Hexbin agrega contagens por célula; KDE estima uma superfície contínua de densidade.
16. **Qual a diferença entre vizinhança Queen e Rook?** Queen considera qualquer contato; Rook exige aresta comum.
17. **O que mede o Moran global?** A autocorrelação espacial, de -1 a 1, com significância por permutações.
18. **O que o LISA acrescenta ao Moran global?** Localiza os agrupamentos (HH, LL) e os outliers espaciais (HL, LH).
19. **Por que a validação aleatória engana com dados espaciais?** Vizinhos parecidos caem no treino e no teste; valide por blocos geográficos.
20. **Como encontrar "espaços em branco" para expansão?** Cruzando a cobertura por buffers com indicadores de demanda.

---
Fonte: Atlas de Dados — https://atlas.frediania.com/materia/estatistica-espacial
