Von der Quantitativen Geographie zu einer Applied Spatial Data Scienc...

Die „Quantitative Revolution“ in der Geographie der 1970er und 1980er Jahre brachte einen großen Fundus an Methoden, Modellen und Anwendungsbeispielen hervor, die in Büchern, Zeitschriftenartikeln, eigenständigen Softwareprodukten und vielen Projekten manifestiert sind. Inden Jahrzehnten danach gab es vor allem in der deutschsprachigen (Human-)Geographie so eine Art „Qualitative Turn“, was die Verwendung der existierenden Methoden und Werkzeugen stark zurückgehen ließ. Auch die intensiven Entwicklungen in der Fernerkundung, der GI-Science, dem Internet,den Mobilen Geräten etc. konnten diesen Trend nur wenig beeinflussen. 

Diese „qualitative“ Ausrichtung der Geographie scheint sich in den letzten Jahren langsam und vor allem durch die Entwicklungen in anderen Wissenschaften gefördert, wieder zu verändern. Durch das Angebot von einerseits großen Datenmengen (Big Data), die in letzter Zeit öffentlich und meist kostenlos über das Internet angeboten werden (Open Data), die auch viele räumliche Datensätze beinhalten (GeoWeb) bedingt und andererseits durch die Entwicklung von Data Mining Methoden und Predictive Modelling gefördert, beginnt sich zögerlich eine sog „Data – driven geography“ (Miller& Goodchild 2014), die in letzter Zeit auch manchmal „Digitale Geographie“1 (Boeckler 2014) genannt wird, zu entwickeln. 

In diesem Vortrag wird die Kombination räumlicher Versionen von Analytics Methoden (z.T. mit spezieller Software) zur Klassifikation, Vorhersage und Optimierung geographischer Sachverhalte unter Verwendung von Geodaten und unter Berücksichtigung spezifisch räumlicher Probleme (MAUP, Regionalisierung oder Ökologische Verfälschung) angedacht und vorgeschlagen. Damit können Modelle gebaut werden mit denen grundsätzliche geographische Probleme und die Lösung praktischer Projekten möglich sind. Ein solcher Ansatz wird immer öfter als „Spatial Data Science“2 bezeichnet und das Ziel dieses Beitrags ist die Vorstellung erster Überlegungen eines Rahmens, von Konzepten und eines Werkzeugkastens für eine „Applied Spatial Data Science“. Einige Beispiele für praktische Anwendungen der ASDS werden ebenfalls skizziert. 

Harvey J. Miller and Michael F. Goodchild (2014) Data-driven geography. In: GeoJournal 80 (4) : 449–461. DOI:10.1007/s10708-014-9602-6. 

Marc Boeckler (2014): Digitale Geographien: Neogeographie, Ortsmedien und der Ort der Geographie im digitalen Zeitalter.In: Geographische Rundschau 2014 (6): 4-10. 

1 Blog: Digitale Geographien: Forschung zu Geodaten, Code und Gesellschaft - https://blogs.fau.de/digigeo/

2 The Center for Spatial Data Science, the University of Chicago - https://spatial.uchicago.edu/