Mekân Üzerindeki Çevresel Değişimi Öngörülecek Mekansal İstatistik kullanarak Mekân Üzerindeki Çevresel Değişimi Öngörülecek Mekansal İstatistiklerin Kullanımı

Doğal olarak, çevresel değişkenler konuma bağlıdır: Jeomekanik konumdaki değişikliklerle değişirler. Mekansal istatistiklerle çevresel değişkenlerin modellenmesinin amacı, doğru okunan uzaysal tahminlerin yapılmasını sağlamak ve böylece çevre ile ilgili sorunları çözmek için bu tahminleri kullanabilmenizdir.

Uzaysal istatistikler, doğal kaynak modellemesinden farklıdır, çünkü uzaydaki değişimlerin çevresel fenomeyi nasıl etkilediğini tahmin etmeye odaklanır. Doğal olarak, zaman değişkeni de göz önüne alındığında, ancak uzaysal istatistikler, uzamsal olgunun iç işleyişini modellemek için istatistiklerin kullanılması ile ilgilidir. Aradaki fark yaklaşım tarzındadır.

Epidemiyoloji ve çevresel insan sağlığı:

Hastalık kalıpları ve dağılımları

• Meteoroloji: Hava durumu fenomeni
• Ateş Akifer iletkenliği
• Ekoloji: Sedimenter göl kıyısında mikroorganizma dağılımı
• Hedefiniz uzayın değişiminin çevresel değişkenleri nasıl etkileyeceğini tahmin etmek için kullanabileceğiniz bir model oluşturmaksa, bunu yapmanıza yardımcı olmak için mekansal istatistikler kullanabilirsiniz.
• İçerdiği veri bilgisini tanımlama Mekansal istatistikler, uzamsal veri kümelerini içeren x, y ve z parametrelerini modellemeyi içerdiğinden, ilgili istatistikler oldukça ilginç ve olağandışı hale gelebilir. Mekansal istatistikler az ya da çok, CBS mekansal analizinin ve ileri tahmin analizinin bir evliliği. Aşağıdaki liste, tahmini uzaysal modeller oluşturmak için istatistikler kullanılırken yaygın olarak kullanılan birkaç veri bilim süreci tanımlamaktadır:

Mekansal istatistikler:

Mekansal istatistikler genellikle variogram analizi yanı sıra krige ve kriging içerir. "Kriging" ve "krige" terimleri, farklı şeyler ifade etmektedir.

Kriging

yöntemleri, bilinen nokta verisine eğri uyduran ve tüm çalışma alanı için öngörülü bir yüzey oluşturan istatistiksel tahmin algoritmalarının bir kümesidir.

• Krige , krigleme algoritmalarının otomatik olarak uygulanmasını temsil eder, burada ön tanımlı yüzeyler oluşturmanıza yardımcı olması için basit varsayılan parametreleri kullanırsınız. variogram, veri noktaları arasındaki mesafe arttıkça farklı uzamsal verilerin nasıl bir hale geldiğini ölçen istatistiksel bir araçtır. Varyogram "mekansal benzerlik" ölçütüdür. Krige yaptığınızda, interpolatif, tahmini yüzeyler üretmek için dahili olarak tanımlanmış parametrelerle variogram modelleri kullanırsınız. İstatistiksel programlama: Bu, olasılık dağılımlarını, zaman serileri analizlerini, regresyon analizlerini ve Monte Carlo simülasyonlarını diğer işlemler arasında kapsar. Kümeleme analizi: Süreçler, en yakın komşu algoritmalarını, k-aracı kümeleme veya çekirdek yoğunluk tahminlerini içerebilir.
• CBS teknolojisi: Bu bölümde CBS teknolojisi çokça ortaya çıkıyor ancak bunun mekânsal analizi ve harita hazırlama teklifleri son derece esnek olduğu için beklenmesi gerekiyor.
• Kodlama gereksinimleri: Mekansal istatistik projesi için programlama, diğer programlama dilleri arasında R, SPSS, SAS, MATLAB ve SQL kullanmayı gerektirebilir.
• Mekansal istatistiklerle çevresel konuların ele alınması Yer bağımlı çevresel değişkenler için tahminler üretmek için mekansal istatistiklerin kullanılmasına yönelik harika bir örnek, Dr. Pierre Goovaerts'in son çalışmasında görülebilir. Dr Goovaerts, uzaysal hastalık kalıpları, mortalite, çevresel toksin maruziyeti ve sosyodemografik arasındaki korelasyonları ortaya çıkarmak için gelişmiş istatistikler, kodlama ve tarım mühendisliği, toprak bilimi ve epidemiyolojide yetkili mesleki uzmanlığını kullanmaktadır.
• Dr Goovaerts'in yakın tarihli projelerinden birinde yer altı suları arsenik konsantrasyonları, yerleri, jeolojik özellikleri, hava koşulları, topografya ve arazi örtüsü üzerine verileri modellemek ve analiz etmek için mekansal istatistikler kullandı. Yakın çevresel veri bilim çalışmaları sayesinde, mesane, göğüs ve prostat kanserlerinin insidansının uzun vadeli arsenik maruziyetle mekansal olarak korele olduğunu keşfetti. Veri bilimi teknolojileri ve metodolojileri ile ilgili olarak Dr. Goovaerts sıklıkla aşağıdakileri uygular:

Mekansal istatistiksel programlama:

Bir kez daha krigleme ve variogram analizi listenin başında gelir.

İstatistiksel programlama:

En düşük kareler gerilemesi ve Monte Carlo (rasgele bir simülasyon yöntemi) Dr. Goovaerts'in eserlerinin merkezinde yer alır.

• GIS teknolojileri: Harita oluşturma işlevselliği ve mekansal veri analizi yöntemleri istiyorsanız, CBS teknolojilerine ihtiyacınız olacak.