تحلیل فضایی :60 سال تجربه جهانی در یک دوره 

تحلیل فضایی توضیحی تلاش می‌کند تا وقوع رویدادی را توضیح دهد که ممکن است تعدادی از عوامل در آن نقش داشته باشند، یا اینکه چگونه یک متغیر از نظر مکانی بر دیگری تأثیر می‌گذارد. ارتباط نزدیک با تحلیل فضایی توضیحی، تجزیه و تحلیل داده های فضایی اکتشافی است که هدف آن شناسایی ویژگی های فضایی داده ها و الگوهای فضایی در آنها است (هینینگ و همکاران، 1998). تجزیه و تحلیل فضایی اکتشافی می تواند چیزی را در مورد جمعیتی که نمونه های تجزیه و تحلیل از آن جمع آوری شده است، آشکار کند. دو مؤلفه بسیار مهم در تحلیل فضایی توضیحی، فرموله کردن فرضیه‌هایی در مورد ویژگی‌های فضایی یک رویداد و ارزیابی مدل‌های فضایی برای تناسب با مشاهدات به عنوان مثال، اهمیت عوامل یا متغیرهای در نظر گرفته شده در گسترش یک آتش سوزی بوته ای را می توان از طریق تحلیل فضایی توضیحی مطالعه کرد. ارزیابی مدل های فضایی را می توان از طریق تحلیل فضایی استنباطی به دست آورد. این تلاش می کند تا ماهیت توزیع یا انحراف مشاهدات را از برخی از انواع استانداردها بسنجد. تجزیه و تحلیل بر روی الگوهای فضایی و ویژگی‌های هندسی پدیده ‌های فضایی، به‌ویژه گروهی از نقاط یا چندضلعی‌ها تمرکز می‌کند، نه بر مقادیر ویژگی‌های آنها. می‌تواند با آزمایش اینکه آیا آنها با یک الگوی توزیع استاندارد مطابقت دارند، مانند تصادفی یا خوشه‌ای، آرایش فضایی مشاهدات را روشن کند. آزمون فرضیه های مربوط به الگوها و روابط فضایی هسته اصلی تحلیل فضایی توضیحی یا تاییدی است. نحوه تدوین یک فرضیه در مورد یک الگو یا فرآیند فضایی به ماهیت آن بستگی دارد. به عنوان مثال، فرضیه های آتش سوزی جنگل را می توان از منظر سوخت، شرایط آب و هوایی، کاربری زمین و توپوگرافی فرموله کرد. در آزمون، الگوی مشاهده شده با نوعی توزیع استاندارد که به عنوان معیار در نظر گرفته می شود، مقایسه می شود. پس از نتیجه آزمون، فرضیه یا پذیرفته می شود یا رد می شود. تحلیل فضایی استنباطی را می توان برای روابط فضایی، الگوهای فضایی و فرآیندهای فضایی انجام داد. به عنوان مثال، ما می توانیم آزمایش کنیم که آیا یک الگوی نقطه ای تصادفی است یا اینکه آیا یک رابطه فضایی مشاهده شده معنادار است. با این حال، باید در نظر داشت که تمایز بین تحلیل تبیینی و اکتشافی همیشه چندان واضح نیست. به عنوان مثال، هر دو تحلیل توضیحی و تحلیل فضایی استنباطی با یک موضوع مرتبط با نمونه برداری داده‌ها مواجه هستند. برای تحلیل فضایی توضیحی، داده ها باید به صورت مکانی نمونه برداری شوند. در واقعیت، نمونه‌های جمع‌آوری‌شده ممکن است از نظر فضایی همبستگی داشته باشند، که این فرضیه زیربنای تحلیل داده‌های غیر مکانی سنتی را نقض می‌کند. یکی دیگر از موانع در تحلیل فضایی استنتاجی این است که داده ها ممکن است در واقع کل جمعیت را نشان دهند. خود نمونه ها نیز جامعه هستند، بنابراین نیازی به استنباط در مورد ویژگی های جامعه ای که این نمونه ها از آن استخراج شده اند نیست. مشابه تحلیل فضایی توصیفی، هر دو رویکرد اکتشافی و تبیینی فقط می توانند الگوها و روابط فضایی را کشف یا توصیف کنند و قادر به مطالعه فرآیندهای فضایی نیستند. این کار باید بر تجزیه و تحلیل فضایی پیش بینی کننده تکیه کند،