머리말

오늘날 우리는 위치 정보가 결합된 방대한 공간 데이터(spatial data)를 손쉽게 수집하고 활용할 수 있게 되었다. 질병 발생 위치, 대기오염 측정값, 행정구역별 인구, 위성으로 관측한 고도와 기온, 산불 발생 지점에 이르기까지 공간 데이터는 보건, 환경, 농업, 경제 등 다양한 분야에서 나타난다. 이러한 자료는 가까운 위치에서 관측된 값들이 서로 비슷해지는 공간 자기상관(spatial autocorrelation)을 갖는 경우가 많으므로, 관측값의 독립성을 가정하는 일반적인 분석 방법을 그대로 적용하기 어렵다.
이 책은 공간 데이터를 처리하고 시각화하며 분석하는 방법을 파이썬으로 배우는 것을 목표로 한다. geopandas, shapely, rasterio, folium을 이용하여 공간 데이터를 다루고, libpysal, esda, spreg, mgwr을 활용하여 공간 자기상관을 측정하고 공간 회귀모형을 적합한다. 또한 주요 통계량과 알고리즘을 numpy와 scipy로 직접 구현함으로써 분석의 원리와 계산 과정을 함께 이해할 수 있도록 하였다.
이 책은 모두 9개 장으로 구성된다. 제1장과 제2장에서는 공간 데이터 분석의 기본 개념과 벡터 · 래스터 데이터의 처리 방법을 소개한다. 제3장과 제4장에서는 공간 의존성과 공간 자기상관의 측정 및 해석 방법을 다룬다. 제5장에서는 변이도, 공간 보간 및 모형 기반 지리통계를 하나의 흐름으로 설명한다. 제6장과 제7장에서는 공간 회귀와 국소 모형, 베이지안 공간 모형을 살펴보고, 제8장과 제9장에서는 공간 점 패턴과 공간 기계학습을 다룬다. 학부 과정에서 다루기 어려운 일부 심화 주제는 핵심 개념만 소개하고, 보다 자세한 내용은 관련 참고문헌을 제시하였다.
집필 과정에서는 P. Moraga의 Spatial Statistics for Data Science: Theory and Practice with R (CRC Press, 2024), R. E. Plant의 Spatial Data Analysis in Ecology and Agriculture Using R (CRC Press, 2012), 구자용과 최진무의『R을 이용한 공간정보 분석: 공간정보의 이해와 오픈소스 소프트웨어 이용 실습』(푸른길, 2020)을 참고하였다. 주요 주제와 서술의 흐름을 참고하되, 예제 코드는 파이썬으로 새로 작성하였다. 예제 자료는 Plant의 Field 4.1과 Field 4.2 농업 자료를 주요 사례로 사용하고, 국내 공간 데이터와 교육용 모의 자료를 함께 구성하였다.
각 장에는 본문에서 다룬 내용을 직접 실습할 수 있도록 [코드]와 [결과] 상자를 두었으며, 장 끝에는 연습문제를 수록하였다. [결과] 상자는 지면에 맞추어 열 이름과 자릿수를 정리한 것이므로 실제 실행 화면과 형식이 다를 수 있다. 예제 주피터 노트북은 출판사 홈페이지에서 내려받을 수 있다. 끝으로 이 책을 출판하는 데 도움을 주신 모든 분께 감사를 드린다.