Målet med kurset er at give den studerende indsigt i og praktisk erfaring med metoder til analyse og behandling af rumlige og tidslige data. Metoderne anvendes på datasæt inden for kortlægning, navigation og jordobservationer.
Dette kursus har et stærkt praktisk aspekt. De studerende præsenteres for metoder, der danner grundlaget for deres egen implementering (i R) og analyse af virkelige data. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• nævne og beskrive de mest almindelige covariansmodeller
• beskrive princippet i maximum likelihood estimation
• forklare konceptet i en state-space model
• anvende kendte processer i modellering som for eksempel en random walk og en autoregressiv model
• implementere algorithmer til rumlig modellering som for eksempel kriging og et Gaussian Markov random field
• sammenlige og evaluere modeller
• diskutere og forsvare valg af model
• designe en rumlig eller tidsmæssig model for at analysere virkelige data
• dokumentere og præsentere videnskabeligt arbejde.

Rumlige og tidslige data er en integreret del af geovidenskab. Indholdet af dette kursus introducerer nogle generelle værktøjer til håndtering af sådanne data.
Nogle specifikke emner er:
• Maximum likelihood estimation
• Covariance-funktioner
• Gaussisk Markov random field
• State-space model
• Kriging
• Modelevaluering 04. maj, 2023