محدودۀ جستجو در نمونه برداری فضایی تا چه اندازه می تواند وسیع و بزرگ باشد؟
نویسنده :ساره حدادی :نویسنده کتاب های آمار فضایی
درباره ساره حدادی:
ساره حدادی پژوهشگر آمار فضایی در موسسه چشم انداز هزاره سوم ملل میباشد. مدرک کارشناسی و کارشناسی ارشد خود را به ترتیب در سال 1388 و 1392 در رشته آمار و آمار ریاضی اخذ کرده. اکنون وی دانشجوی دکترای رشته آمار دانشگاه بیرجند است. ایشان از سال 1394 فعالیت خود را با موسسه چشم انداز آغاز نموده است. وی مولف 4 کتاب و چندین مقاله در زمینه آمار فضایی است.
آمار فضایی و کاربردهای آن یکی از موضوعات مورد علاقه وی میباشد.
یکی از ویژگی اصلی ایشان سخت کوشی برای درک مباحثی است که به آن علاقه مند است.
یکی از پرسشهای مهم در نمونه برداری فضایی که از مباحث مهم در آمار فضایی محسوب میشود این است که محدودۀ جستجو در نمونه برداری فضایی تا چه اندازه میتواند وسیع و بزرگ باشد؟ قبل از پاسخ به این پرسش، بایستی محدودۀ جستجو معرفی شود و بعد به دو اصل حاکم بر تخمینگرهای زمین آماری اشاره کرد:
آمار فضایی
برای روشهای تخمینی که فاقد محدودیت در به کارگیری مشاهدات مجاور در تخمین هستند، روش معمول، عبارت از انتخاب نمونه ها از طریق تعیین محدودۀ جستجو است. تعریف فضای جستجو از طریق محدودۀ همسایگی با مرکزیت منطبق بر محل تخمین صورت میگیرد. سمتگیری و امتدادهای جغرافیایی فضای جستجو، وابسته به الگوی ناهمسانگردی موجود در ساختار پیوستگی مکانی متغیر مطالعه است. چنانچه مقادیر عددی نمونه ها در جهت مشخص جغرافیایی، پیوستگی بیشتری از خود نشان دهند، آن گاه سمتگیری محدودۀ جستجو، به گونه ای خواهد بود که محور اصلی آن به موازات جهت حداکثر پیوستگی قرار میگیرد. بدیهی است که دسترسی به مستندات کافی به منظور تبین و مدلسازی ناهمسانگردی ضروری است. در صورت فقدان ناهمسانگردی، یعنی همسانگرد بودن الگوی پیوستگی مکانی دادهها، محدودۀ جستجو به شکل فضای دایره مانند تعریف میگردد. دو اصل مهم حاکم بر تخمینگرهای زمین آماری وجود دارد که:
آمار فضایی
– اولاً به کارگیری تعداد بیشتری از نمونه های واقع در فضای جستجو، منجر به افزایش حجم و زمان محاسبات میگردد.
– ثانیاً برقراری فرضیات ایستایی، با به کارگیری نمونه های بسیار دور از محل تخمین، بیش از پیش، مورد شک و تردید قرار میگیرند.
در به کارگیری تخمینگر کریجینگ معمولی، توجه به دو نکتۀ بالا ضروری است. حجم و تعداد محاسبات مورد نیاز جهت دستیابی به اوزان کریجینگ، با توان سوم تعداد نمونههای مورد استفاده جهت هر تخمین متناسب است. اگر تعداد نمونههای واقع در فضای جستجو، دو برابر گردند؛ حجم محاسبات، هشت برابر افزایش پیدا میکنند.
آمار فضایی خیلی مهم است
مشکل مربوط به حجم محاسبات را میتوان از طریق ترکیب چند نمونه که در فواصل دورتر از محل تخمین قرار گرفته اند، و ایجاد نمونه های مرکب مرتفع کرد. در عمل، سیستم محاسباتی کریجینگ را میتوان برای شرایط وجود نمونه های مرکب، سازگار و تعدیل نمود؛ به گونهای که وزن تخصیصی به یک نمونۀ مرکب، به طور مساوی بین نمونه های منفرد تشکیل دهندۀ آن توزیع گردد.
آمار فضایی
در رابطه با اصل دوم، بایستی خاطر نشان ساخت که استفاده از مدل ایستایی، به کارگیری فضاهای جستجوی بسیار وسیع و بزرگ را توصیه نمیکند. اگرچه از منظر مدل مورد استفاده توسط تخمینگر، نمونههای بیشتر (صرفنظر از فاصلۀ آنها تا محل تخمین) همیشه باعث بهبود تخمین میشوند؛ لیکن صادق بودن آن در شرایط واقعی، همیشه مورد شک و تردید است. به دیگر سخن، با وسیعتر نمودن پنجرۀ جستجو، مدلسازی نمونههای دورافتاده ( هر چند درون فضای جستجو) به عنوان پیشامد و نتیجۀ ممکن تابع تصادفی ایستا، بسیار دشوار است. بدین ترتیب، بین واقعیت پدیده و مدل نظری مورد استفاده جهت توصیف آن پدیده، بیش از پیش، دوگانگی و افتراق مفهومی ایجاد میگردد. بنابراین، با محدود کردن و بهینهسازی فضا و پنجرۀ جستجو، امکان بیشتری جهت مفهومسازی مدل تابع تصادفی ایستا و انطباق آن با واقعیت ذاتی پدیدۀ مورد مطالعه فراهم میآید. در نتیجه، اختلاف بین خصوصیات آماری پدیده (پارامترها) و آنهایی که متعلق به مدل هستند (آمارهها)، به حداقل رسانده میشود.
آمار فضایی
نکتۀ مهم دیگر که ذکر آن ضروری است مربوط به تصور نادرستی است که از فضای جستجو و ارتباط آن با دامنۀ واریوگرام وجود دارد. معمولاً تصور میگردد که محدوده و شعاع جستجو، نبایستی ماورای مقدار عددی دامنۀ واریوگرام قرار گیرد. تجارب نشان دادهاند که چنانچه تعداد معدودی نمونه در محدودۀ دامنۀ واریوگرام واقع گردند و سپس، اقدام به افزودن نمونههای دیگر ( که فاصلهشان با محل تخمین، ماورای مقدار عددی دامنۀ واریوگرام است)، شود؛ آن گاه غالباً بهبود و ارتقای تخمینهای زمین آماری را به دنبال خواهند داشت.
آمار فضایی کاربردی،آمار فضايي،روشهای اکتشافی،توصیف ،مدل سازی توزیع فضایی،الگوها، فرآیندها،روابط،آمار کلاسیک،روابط فضایی،محاسبات،پدیده های مجاور،نزدیک بودن پدیده ها،متغیر، فاصله ، جهت گیري،ارتباط فضایی، ساختار فضایی،موقعیت مکانی، تأثیرپذیری مکانی،ArcGIS Desktop،جعبه ابزار آمار فضايي،تحلیل توزیع فضایی، توزیع فضایی، خوشه بندی، داده‌های GIS، موسسه علمی تحقیقاتی چشم انداز هزاره سوم ملل، سعید جوی زاده، علوم جغرافیایی، تحلیل فضایی خشکسالی در ایران، سیستم های اطلاعات جغرافیایی، GIS، سنجش از دور، RS، مقدمه ای بر آمار فضایی در ArcGIS 3،معرفی نرم افزار ArcGIS،قابلیت های نرم افزار ArcGIS،مرور اجمالی بر جعبه ابزار آمار فضایی در ArcGIS،دسته ابزار،سنجش توزیع جغرافیایی،دسته ابزار تحلیل الگوها،دسته ابزار تهیه نقشه خوشه ها،دسته ابزار مدل سازی روابط فضایی،سنجش توزیع فضایی با ابزارهای ArcGIS،اندازه گیری مرکزگرایی جغرافیایی،مفهوم و اجرای ابزار عارضه مرکزي،مفهوم و اجرای ابزار مرکز ميانگين،مفهوم و اجرای ابزار مرکز میانه،اندازه گیری درجه پراکندگی و تمرکز عوارض حول يک مرکز با فاصله استاندارد،مفهوم و اجرای ابزار فاصله استاندارد (انحراف معیار فضایی)،خلاصه سازي ویژگیهای فضایی عوارض جغرافیایی با توزیع جهت دار،مفهوم و اجرای ابزار توزيع جهت دار،شاخص توصیفی ميانگين جهت دار،مفهوم و اجرای ابزار ميانگين جهت دار،تحلیل الگوها با ابزارهای ArcGIS،دسته ابزار تحلیل الگوها،کاربردهای تحلیل الگو در تحقیقات علوم مختلف،مفاهیم تحلیل الگو،مفهوم فرضیه صفر،مقدار p،نمرات Z و انحراف استاندارد،تحلیل الگو با ابزار میانگین نزدیکترین همسایگی،مفهوم و اجرای ابزار نزدیکترین همسایگی،تحلیل الگو با روش خود همبستگی فضایی،مفهوم و اجرای ابزار خود همبستگی فضایی،تحلیل الگو از طریق خوشه بندي فضايي چندفاصله اي،مفهوم خوشه بندي فضايي چندفاصله اي،تحلیل الگو از طریق خوشه بندي زیاد / کم،مفهوم و اجرای ابزار خوشه بندي زیاد / کم،تهیه نقشه خوشه ها با ابزارهای ArcGIS،کاربردهای تهیه نقشه خوشه ها در تحقیقات علوم مختلف،تهیه نقشه خوشه ها از طریق تحلیل جستجوی مشابهت،مفهوم و اجرای ابزار جستجوی مشابهت،تهیه نقشه خوشه ها از طریق تحلیل گروه بندی،مفهوم و اجرای ابزار تحلیل گروه بندی،تهیه نقشه خوشه ها با تحلیل لکه داغ،مفهوم و اجرای ابزار تحلیل لکه داغ،تهیه نقشه خوشه ها با تحلیل بهینه لکه داغ مفهوم و اجرای ابزار تحلیل بهینه لکه داغ،ایجاد نقشه های لکه داغ از داده‌های نقطه ای با ابزار تحلیل بهینه لکه داغ،جستجوي داده های پرت در فعالیت فروش املاک با ابزار خوشه بندی و تحلیل داده های پرت،مفهوم و اجرای ابزار خوشه بندی و تحلیل داده های پرت با آماره موران محلي،مدلسازی روابط فضایی باArcGIS،مفهوم و مبانی آماری تحلیل رگرسیون،کاربردهای رگرسیون در تحقیقات علوم مختلف،رگرسیون خطی حداقل مربعات معمولي (OLS)،مفهوم و اجرای ابزار حداقل مربعات معمولی (OLS)،رگرسیون موزون جغرافیایی،مفهوم و اجرای ابزار رگرسیون موزون جغرافیایی،کار با دسته ابزارUtility،مفهوم و اجرای ابزار باند فاصله تا محدوده همسایگی،مفهوم و اجرای ابزار جمع آوري رويدادها،مفهوم و اجرای ابزار صدور ويژگيهاي کلاس عارضه به ASCII،مثال های کاربردی در آمار فضایی،تحلیل نابرابری های فضایی بر پایۀ شاخص-های اجتماعی، اقتصادی و کالبدی،تحلیل لکه های داغ بر شاخص های سه گانه (اجتماعی، اقتصادی، کالبدی)،تحلیل آمار فضایی بارش ایران،تحلیل اکتشافی داده ها و نتایج،تحلیل الگوی تغییرات درون فصلی بارش ایران،جغرافیا،زمین شناسی،اقتصاد و مدیریت،کشاورزی،برنامه ریزی شهری و شهر سازی،آمار و احتمالات،مهندسی آب،عمران و نقشه برداری
بدون دیدگاه