Der Ansatz basiert auf räumlicher Eigenvektor-Filterung, welche es erlaubt, gezielt ungewünschte räumliche Effekte aus Daten herauszufiltern. In Kombination mit einem Maß für räumliche Varianzungleichförmigkeit und einem Hotspot-Schätzer erlaubt die Anwendung dieser Filterung ein besseres Verständnis intern fluktuierender räumlicher Cluster als mit bestehenden Methoden. Die Methodik wird im Kurzpapier anhand eines neuartigen Indikators für „e-Food-Deserts“ von der Universität Leeds mit einem Fokus auf die britischen West Midlands getestet. Dabei kann gezeigt werden, dass ein etablierter älterer Ansatz vor allem die häufig sehr heterogenen Ränder von Clustern hervorhebt, während der präsentierte Ansatz eine bessere Charakterisierung heterogener Clusterzentren erlaubt.
Das Kurzpapier ist wie folgt aufzufinden:
Westerholt, R. (2021): Exploring and characterising irregular spatial clusters using eigenvector filtering. 29th Annual GIS Research UK Conference (GISRUK), Cardiff, UK. DOI: 10.5281/zenodo.4665575.
