GIS-analyse med big data

Geografi · 10. klasse · Modellering

GIS-analyse med big data

Big data + GIS er hvor moderne geografisk forskning og industri bevæger sig hen. Det giver muligheder vi ikke havde for 20 år siden — men også store etiske problemer.

Hvad er "big data" i geografi?

Datasæt så store at almindelige værktøjer ikke kan håndtere dem:

• Volumen — terabytes til petabytes
• Hastighed — opdateres realtime eller næsten
• Variation — mange formater, kilder
• Værdi — meningsfuld information

5 typer geografiske big data-kilder

1. Satellitbilleder

• Landsat (NASA, siden 1972) — 30 m opløsning, fri
• Sentinel (ESA, fra 2014) — 10 m opløsning, fri, opdateres hver 5. dag
• Planet Labs — daglige billeder af hele Jorden, 3 m opløsning (kommerciel)
• MODIS — globale daglige observationer

2. Mobiltelefon-data

• Anonymiseret bevægelses-data fra millioner af telefoner
• Viser pendling, turisme, evakuering, super-spredning af COVID
• Eksempel: Google Mobility Reports under COVID-pandemien

3. Sociale medier

• Twitter/X-data med GPS — sentimenter, events, krise-respons
• Foursquare/check-ins — hvor folk er
• Instagram-fotos med location — turisme-mønstre

4. IoT-sensorer

• Trafiksensorer i veje
• Luftforureningsmålere (PurpleAir har 30.000+ sensorer globalt)
• Smarte vejrstationer
• Vand-flow-målere

5. Crowdsourced data

• OpenStreetMap — vejnet, bygninger lavet af 8+ mio. frivillige
• iNaturalist — biodiversitets-observationer
• Strava — løbe- og cykel-ruter (anonymiseret)

Analyseplatforme

• Python med GeoPandas, Rasterio, Folium — kraftfuldt, gratis
• R med sf, raster — for statistikere
• Google Earth Engine — analyserer petabytes af satellit-data i skyen, gratis for forskere
• ArcGIS Pro — kommerciel
• PostGIS — database for store geo-datasæt

Cool eksempel: Hansen et al. global skovrydning

Hansen-projektet (Maryland Universitet) brugte Google Earth Engine + Landsat-data til at kortlægge al global skovrydning i 30 m opløsning fra 2000-2020. Resultatet: 42% af jordens skove tabt eller forringet i 20 år. Tilgængelig på earthenginepartners.appspot.com.

Etiske bekymringer

Privatliv

• Mobil-data afslører meget — selv "anonymiseret" data kan re-identificeres
• Hvor du bor, arbejder, hvem du møder — alt sammen i datasæt
• Cambridge Analytica-skandalen viste hvor magtfuldt det er

Magt-koncentration

• Få store virksomheder (Google, Meta, Apple, Amazon) ejer mest data
• Asymmetri mellem dem og almindelige borgere

Bias og fejl

• Algoritmer kan diskriminere
• Manglende data fra fattige områder = "data deserts"
• Racistisk eller sexistisk bias kan forstærkes

Pas på dette

Big data er ikke automatisk objektivt. Vi skal kritisk vurdere hvordan data er indsamlet, hvad de udelader, og hvilke bias de har. Geografi har en lang tradition for kritisk dataforståelse — bring den med ind i big data-æraen.

Læringsmål

• Definere big data og dens 4 V'er
• Kende 5 typer geografiske big data-kilder
• Identificere analyseplatforme (Python, R, GEE)
• Forklare et konkret big data-projekt (Hansen)
• Diskutere etiske udfordringer ved big data
• Vurdere bias og begrænsninger i datasæt

Projekt: Udforsk Google Earth Engine

Google Earth Engine (earthengine.google.com) er gratis for forskere/uddannelse. Opret konto.

Projekt: Vis skovdække-ændringer i et land over 20 år

1. Brug Hansen-datasættet

2. Vælg et land (fx Brasilien, Indonesien, DR Congo)

3. Visualisér tab over tid

4. Beregn samlet tab i hektar

5. Sammenlign med politiske ændringer

Diskussions-opgave: Skal vi acceptere at få store tech-virksomheder ejer mest geografisk big data? Eller skal det være offentligt — som vejret eller statistikken?

Cool fact: OpenStreetMap — verdens bedste vejnet-database — er lavet GRATIS af frivillige. Bedre dækning end Google i mange udviklingslande.

Brobygning: Big data + GIS er fremtidens geografi-job. Datavidenskab, fjernanalyse, byplanlægning, miljø-konsultation, journalistik — alle bruger det.