Uno dei primi casi di analisi spaziale avvenne nel 1854, quando il medico britannico John Snow mappò i luoghi in cui si erano sviluppati focolai di colera a Londra e altri dati geografici. In questo modo scoprì che i casi di colera si concentravano lungo i corsi d'acqua¹.

Ma è solo con l'avvento dei computer e della geografia computazionale, negli anni Sessanta del secolo scorso, che i GIS registrano davvero un salto di qualità. In quello stesso periodo viene fondata anche Esri, azienda leader nello sviluppo di questi software, che ha finito per creare molti dei metodi e delle tecnologie GIS utilizzati ancora oggi, come ArcGIS.

Negli anni Settanta, con l'avvento di computer più veloci, economici e avanzati, i software GIS entrano definitivamente sul mercato. Questo, insieme all'ascesa dei satelliti e della tecnologia di telerilevamento, incoraggia i governi, le imprese e le istituzioni accademiche ad adottarli.

Oggi i GIS sono ormai onnipresenti. I dati GIS open source provenienti dall'USGS (United States Geological Survey) e da altre agenzie, nonché le applicazioni GIS (come QGIS) e i relativi tutorial, sono facilmente accessibili. Al di fuori degli ambienti governativi e accademici, i GIS vengono utilizzati per tenere traccia di spedizioni, spostamenti e corse di ridesharing.

I dati geospaziali descrivono oggetti, eventi o altre caratteristiche geografiche mediante una posizione sopra o vicino alla superficie terrestre, combinando dati sulla posizione geografica (come le coordinate), dati sugli attributi (le caratteristiche dell'oggetto, dell'evento o di altre funzioni geografiche) e dati temporali (il tempo o la durata per i quali esistono la posizione e gli attributi). I dati geospaziali contengono grandi set di dati provenienti da diverse fonti, tra cui dati demografici e di censimenti, immagini satellitari (compresi i dati di telerilevamento), immagini disegnate, dati immobiliari, meteorologici, di telefoni cellulari e di social media.

Le app GIS possono acquisire molti tipi di formati di dati: file cartografici, fogli di calcolo, immagini e altro ancora. Gli strumenti GIS sovrappongono poi qualsiasi combinazione di questi dati per produrre visualizzazioni e mappe digitali. I vari livelli dei dati geospaziali forniscono infine informazioni che vanno ben oltre la capacità delle mappe cartacee e della cartografia tradizionale.

I dati geospaziali sono più utili quando possono essere scoperti, condivisi, analizzati e utilizzati in combinazione con i dati aziendali tradizionali. Se sfruttati correttamente, possono avvertire dell'arrivo di cambiamenti, aiutare a capire meglio le soluzioni di analytics e assicurare maggiore efficienza alle operazioni nel loro complesso. Tutti aspetti fondamentali per costruire i posti di lavoro del futuro.

Il telerilevamento raccoglie dati geospaziali ed effettua misurazioni sulla superficie della Terra dall'alto. Questa procedura utilizza sensori remoti su satelliti, palloni aerostatici, droni e aerei che percepiscono e registrano l'energia riflessa o rilasciata. Le informazioni così rilevate possono poi essere integrate con i programmi GIS per aiutare gli utenti a prendere decisioni legate alla Terra basandosi sui dati e con una prospettiva globale.

Esistono due tipi di telerilevamento: attivo e passivo.

Il telerilevamento attivo utilizza sensori che emettono la propria energia o fonte di luce e quindi rilevano la radiazione riflessa. Un esempio è il LiDAR (Light Detection And Range), che utilizza raggi laser per misurare distanze e movimenti in tempo reale. Il LiDAR viene utilizzato per creare mappe topografiche e accurati modelli 3D che guidano i veicoli autonomi attraverso le strade. Il telerilevamento attivo viene utilizzato anche per valutare disastri naturali come colate laviche, frane e alluvioni.

Il telerilevamento passivo non emette energia propria, ma raccoglie la radiazione emessa e riflessa naturalmente dal sole. Alcuni esempi di sensori remoti passivi sono i radiometri (che misurano la radiazione elettromagnetica) e gli accelerometri (che misurano l'accelerazione).

Negli ultimi anni il volume dei dati di telerilevamento è aumentato in modo significativo, soprattutto grazie alla maggiore diffusione dei satelliti e ai miglioramenti della tecnologia di rilevamento. Il rovescio della medaglia è che la gestione di questa mole di dati è diventata inevitabilmente più complessa. Per questo vengono introdotti modelli di fondazione di intelligenza artificiale che contribuiscono ad analizzare il crescente volume dei dati di telerilevamento, aiutando le organizzazioni e le agenzie governative a eseguire analisi e rispondere a domande specifiche.

L'analisi geospaziale identifica gli schemi ed esegue previsioni utilizzando dati geospaziali. Le organizzazioni possono impiegare l'analisi geospaziale utilizzando hardware e software GIS per produrre visualizzazioni che mostrano relazioni spaziali, vale a dire come diversi elementi geospaziali si relazionano tra loro. Queste visualizzazioni possono includere mappe, grafici, statistiche e cartogrammi.

Senza la tecnologia e l'analisi GIS, i grandi set di dati geospaziali e gli insight che contengono sarebbero troppo complessi per poter essere utilizzati al meglio. Le visualizzazioni GIS mostrano questi dati in formati più facilmente utilizzabili, con schemi riconoscibili. Il contesto aggiuntivo dell'analisi geospaziale, di facile comprensione, offre nuove prospettive e consente un processo decisionale più informato. Ad esempio, un'azienda di servizi pubblici può utilizzare l'analisi geospaziale per analizzare le prestazioni di centinaia di migliaia di chilometri di linee elettriche per prevedere le interruzioni del servizio dovute a condizioni meteorologiche estreme, vedere quali aree sono più a rischio e ottimizzare i programmi di manutenzione.

L'analisi geospaziale trasmette efficacemente la forma e l'energia di una situazione in evoluzione. E, man mano che un’organizzazione raccoglie più dati spaziali attorno a uno scenario, diventa ancora più facile individuare le sfumature e prendere decisioni migliori al riguardo.