تحلیل فضایی:60 سال تجربه جهانی در یک دوره
تحلیل فضایی:60 سال تجربه جهانی در یک دوره :سیستم اطلاعات جغرافیایی (GIS) با رشد سریع فناوری ها در محاسبات، تکامل خارقالعادهای را در طول سه دهه گذشته تجربه کرده است و از دستکاری صرف دادههای مکانی عمدتاً به سیستمهای تحلیلی یکپارچه تبدیل شده است. چنین پیشرفت هایی باعث رایج شدن آموزش و یادگیری GIS در مؤسسات آموزش عالی و افزایش سواد فضایی عموم مردم شده است. با این وجود، عمده رویکرد GIS مترادف با تجزیه و تحلیل فضایی نیست، حتی اگر به طور فوق العاده ای انجام تجزیه و تحلیل فضایی را تسهیل کرده است. این در حالی است اگرچه تجزیه و تحلیل GIS شباهت زیادی به تحلیل فضایی دارد، ولی به هیچ وجه شبیه به تحلیل و مدل سازی فضایی نیست، چه رسد به اینکه جایگزین آن شود. با توجه به در دسترس بودن گسترده داده های فضایی به دست آمده توسط دستگاه های آگاه از مکان، این مساله نیاز به تامل بیشتری دارد

تحلیل فضایی : دوره ی حرفه ای
- تبدیل به یک پژوهشگر حرفه ای شوید
- وارد بازار داخلی و بین المللی شوید
- همکاری در شرکت های تحقیقاتی
- تبدیل به یک مدرس تحلیل فضایی شوید
- تسلط کامل به نرم افزار های تحلیل فضایی
مبلغ سرمایه گذاری
- مدرس: دکتر سعید جوی زاده
- مخاطب: تمام علاقه مندانی که که میخواهند متخصص حرفه ای در تحلیل فضایی شوند
- مدت زمان دوره: 30ساعت آموزش

تحلیل فضایی:60 سال تجربه جهانی در یک دوره
بیایید در 10 هفته تبدیل به یک متخصص حرفه ای تحلیل فضایی شوید
- چگونه کسب داده های مکانی
- روش های نمایش داده های مکانی
- ماهیت فضا و نحوه اندازه گیری
- تحلیل های توصیفی- تحلیلی و استنباطی پدیده های فضایی
- تحلیل فضایی پیشبینیکننده
- انواع روش های درون یابی
- انواع مدلسازی فضایی
- نحوه ارزیابی مدل های فضایی
- نحوه انتخاب متغیرها برای یک مدل تحلیل فضایی
- نحوه وزن کردن متغییرها و آزمایش اهمیت آنها
- نحوه ساخت و اعتبارسنجی یک مدل
یک دوره کامل و جامع درباره تحلیل فضایی با استفاده از GIS
با وجود تعداد زیادی دوره آموزشی که در مورد تحلیل فضایی با استفاده از GIS وجود دارد، ولی در مورد تجزیه و تحلیل فضایی جامع و کامل دوره ی اندکی وجود دارد. اگرچه تاکنون چندین دوره آموزشی در مورد موضوعات مختلف در تحلیل و مدلسازی فضایی منتشر شده است، اما همه آنها فقط جنبههای خاصی از تحلیل یا مدلسازی فضایی را پوشش میدهند و هیچیک از آنها به طور سیستماتیک و همهجانبه به این حوزه مطالعاتی نوظهور و به سرعت در حال توسعه نپرداختهاند. حتی تعداد کمی از آنها به عنوان دوره درسی مناسب هستند چراکه موضوع را به طور کلی نگر برای پاسخگویی به نیازهای دانشجویان سطح بالا در مقطع کارشناسی و کارشناسی ارشد، به ویژه کسانی که در فناوری GIS تخصص دارند، بیان داشته اند. از این نظر، این دوره آموزشی به مثابه ضمیمه ای خوشایند برای تعداد زیادی متون در این زمینه عمل می کند. برخلاف دوره های آموزشی موجود، این دوره آموزشی به طور روشمند به موضوع تحلیل فضایی به طور کامل نزدیک میشود. طیف وسیعی از راههای قابل تحلیل و شبیهسازی دادههای مکانی را آموزش می دهد. با شرک در این دوره آموزشی ، دانشجویان با طیف وسیعی از روشهای تحلیلی دادههای مکانی آشنا میشوند و میتوانند انتظار داشته باشند که درک درستی از نحوه انجام تحلیل/مدلسازی فضایی در محیطها و بسترهای محاسباتی مختلف به دست آورند.
تحلیل فضایی:10 هفته هیجان انگیز و نفس گیر

هفته 1 :مبانی تحلیل فضایی

هفته 2: داده های مکانی

هفته 3: تحلیل توصیفی و استنباطی

هفته 4 :درونیابی فضایی

هفته 5: مدل سازی فضایی

هفته 6: شبیهسازی فضایی-زمانی

هفته 7 :تحلیل فضایی مبتنی بر زمان

هفته 8: شروع پروژه ها

هفته 9: تفسیر و خروجی ها

هفته 10:بررسی تجارب جهانی
یک دوره کامل و جامع درباره تحلیل فضایی با استفاده از GIS
دوره تحلیل فضایی می تواند به عنوان یک دوره حرفه ای برای دوره های کارشناسی یا مقاطع بالاتر در مورد تجزیه و تحلیل فضایی GIS یا فقط تحلیل و مدل سازی فضایی باشد. برخی از مباحث دوره تحلیل فضایی را می توان برای آن دسته از دانشجویان GIS که قبلاً دانش پیش زمینه را در یک دوره سطح پایین به دست آورده اند، نادیده گرفت. کل دوره آموزش تحلیل فضایی حدود سی ساعت طرح ریزی شده است .
با تهیه این دوره چه چیزهایی دریافت میکنید

کتاب ها و جزوات
دریافت کتاب و جزوات دوره آموزشی، یکی از مهمترین مراحل شرکت در یک دوره آموزشی است. این کتابها و جزوات، حاوی اطلاعات و مطالبی هستند که برای یادگیری و موفقیت در دوره آموزشی ضروری هستند.

فیلم های آموزشی
فیلم های آموزشی، یکی از راه های موثر برای یادگیری و آموزش هستند. این فیلم ها، می توانند مفاهیم و مباحث مختلف را به طور واضح و بصری آموزش دهند.
برخی از مطالب دوره «تحلیل فضایی»

تحلیل فضایی چیست؟
اگرچه تجزیه و تحلیل فضایی به طور گسترده ای در بین اعضای بزرگ جامعه سیستم اطلاعات جغرافیایی (GIS) برای دهه ها انجام شده است، ولی تعریف دقیق آن چندان آسان نیست. در ادبیات، تحلیل داده های مکانی توسط نویسندگان مختلف به طور متفاوتی تعریف شده است. گودچایلد (1987) آن را به عنوان مجموعه ای از تکنیک های ابداع شده برای ایجاد یک دیدگاه فضایی در داده ها تعریف کرد. متمایز از سایر اشکال تجزیه و تحلیل است که نتایج تحلیلی به مکان ویژگی ها یا رویدادهای مورد تجزیه و تحلیل وابسته است. از مجموعه داده های موجود محصولات ارزش افزوده به دست می دهد که در غیر این صورت امکان پذیر نیست. تجزیه و تحلیل شامل مکان ها و ویژگی های موجودات فضایی یا فقط خود مکان ها می شود. این تعریف به شدت به دیدگاه فنی متمایل است، که شامل اطلاعات مکان و ویژگی است. هاینینگ (1990) آن را به عنوان “مجموعه ای از روش ها و تکنیک ها برای تجزیه و تحلیل “رویدادها” در مقیاس های مختلف فضایی، که نتایج آن به آرایش فضایی “رویدادها” بستگی دارد، تعریف کرد. تکنیک هایی که به مقیاس و الگوهای فضایی می پردازند به طور برجسته در این تعریف برجسته می شوند. اگرچه این تعریف با گنجاندن مقیاس در تجزیه و تحلیل، فراگیرتر از تعریف گودچایلد است، اما این تعریف هنوز نتوانسته تحولات جدید در تجزیه و تحلیل فضایی، مانند مدلسازی و شبیهسازی فضایی را که یک گام فراتر از تحلیل توصیفی ساده است، نشان دهد.

آمار فضایی
مطالعه روشهای آماری که از فضا و ویژگیهای مکانی (مانند فاصله، مساحت، حجم، طول، ارتفاع، جهتگیری، مرکزیت و/یا سایر ویژگیهای فضایی دادهها) به طور مستقیم در محاسبات ریاضی خود استفاده میکنند. آمار فضایی ممکن است شامل تحلیلهای مختلفی باشد، مانند تحلیل الگو، تحلیل شکل، مدلسازی سطح و پیشبینی سطح، رگرسیون فضایی، مقایسه آماری مجموعه دادههای فضایی، مدلسازی آماری و پیشبینی تعامل فضایی.
بنابراین، تمام ابزارهای تحلیل آماری سنتی میتوانند برای تحلیل توزیعهای فضایی، الگوها، فرآیندها و روابط این پدیده ها بدون هیچ تغییری مورد استفاده قرار گیرند. آمار فضایی با تجزیه و تحلیل فضایی تفاوت دارد زیرا بر ویژگی های آماری ویژگی یک پدیده جغرافیایی تمرکز می کند. این تحلیل ها می توانند توصیفی، استنباطی، اکتشافی و حتی زمین آماری باشند. آنچه در این تعریف وجود ندارد مدلسازی و شبیه سازی فضایی است. بنابراین، تحلیل فضایی مفهوم بسیار گسترده تری نسبت به آمار فضایی دارد که بر توصیف و کاوش کمی پدیده های فضایی تمرکز دارد.

محاسبات جغرافیایی
محاسبات جغرافیایی که توسط Openshaw و Abrahart (1996) ابداع شد، در اواسط دهه 1990 در یک کنفرانس با موضوع خاص که به آن اختصاص داده شده بود، در ادبیات ظاهر شد. به کاربرد فنآوریهای محاسباتی برای حل مسائل فضایی، از جمله ذخیرهسازی، تجزیه و تحلیل و تجسم دادههای مکانی و نتایج مدلسازیشده فضایی اشاره دارد (فرهنگ GIS Esri). این تعریف بر استفاده از رایانه و محیط محاسباتی برای اجرای تحلیل های فضایی تأکید دارد. این نشان دهنده پیوند بین علوم کامپیوتر و تحلیل فضایی است. این تعریف به ویژه برای آنالیزهای فضایی که تشنه حافظه و CPU هستند مناسب است. بنابراین، محاسبات جغرافیایی با تجزیه و تحلیل داده های مکانی متفاوت است، زیرا دومی دامنه بسیار گسترده تری دارد، از جمله مدل سازی و شبیه سازی فضایی. در حالی که محاسبات جغرافیایی به دنبال توسعه روش هایی برای تجزیه و تحلیل و مدل سازی طیفی از مسائل بسیار پیچیده و اغلب غیر قطعی با یا بدون تکیه بر GIS است. همانطور که زمینه تجزیه و تحلیل داده های مکانی در حال تکامل است، محاسبات جغرافیایی گسترش یافته است تا شامل تجزیه و تحلیل مؤلفه های اصلی، تجزیه و تحلیل خوشه بندیmeans- k، و طبقه بندی حداکثر احتمال تصاویر ماهواره ای، یادگیری ماشین (به عنوان مثال هوش مصنوعی) درخت های تصمیم گیری، شبکه های عصبی در شناسایی الگوها و طبقهبندی دادههای تصاویر ماهوارهای، و در استخراج حجم عظیم دادههای ارجاعشده جغرافیایی برای کشف دانش. برخی از اینها حتی یک جزء فضایی ندارند. تحلیل ها صرفاً به این دلیل فضایی در نظر گرفته می شوند که ورودی ها لایه های دو بعدی هستند. بنابراین، مولفه فضایی داده های جغرافیایی به طور برجسته در محاسبات جغرافیایی نشان داده نمی شود.

زمین آمار
زمین آماریک زمینه مطالعاتی است که از روش های آماری برای تجزیه و تحلیل داده های مکانی استفاده می کند. این یک شاخه خاص از آمار کاربردی است که در ابتدا توسط ژرژ ماترون، ریاضیدان و زمین شناس فرانسوی، در معدن در دهه 1970 توسعه یافت. هدف این زیرمجموعه از روشهای تحلیلی فضایی، ترسیم فضایی ویژگی مشاهدهشده یک پدیده فضایی به صورت کمی یا آماری است. هنگامی که برای اولین بار توسعه یافت، زمین آمار به طور انحصاری در صنعت معدن (به عنوان مثال، برای تخمین ذخایر سنگ معدن) کاربرد داشت. توسعه سریع و کاربردهای گسترده ای را تا دهه 1990 تجربه نکرد، زمانی که سیستم های پیشرفته تجزیه و تحلیل فضایی مانند GIS در دسترس قرار گرفت و دسترسی آسان و گسترده به داده های مرجع مکانی در قالب دیجیتالی وجود داشت. در جغرافیا به طور کلی ودر تحلیل فضایی به طور خاص، زمین آمار را می توان به عنوان یک شاخه خاص از آمار در نظر گرفت که برای داده های جغرافیایی اعمال می شود. (به عنوان مثال، داده هایی که یک جزء فضایی به آن متصل است).از زمان اختراع خود، زمین آمار به طور گسترده ای برای تجزیه و تحلیل طیف گسترده ای از داده های مکانی در رشته های مختلف، از جمله زمین شناسی نفت، هیدروژئولوژی، اقیانوس شناسی، ژئوشیمی، ژئومتالورژی، جغرافیا، جنگلداری، کنترل محیط زیست، بوم شناسی چشم انداز، کشاورزی (به ویژه در کشاورزی دقیق) و حتی پزشکی استفاده شده است. این روزها کاربردهای گسترده تری در زمینه های بیشتری در علوم طبیعی از جمله خاک شناسی، هیدرولوژی، هواشناسی و علوم محیطی پیدا کرده است. وجه مشترک همه این زمینه ها این است که داده های مورد استفاده دارای یک جزء فضایی هستند و متغیر مورد تجزیه و تحلیل تا حد مکانی خاصی قابل پیش بینی است. دیویس (1986) آن را شبه آمار نامیده است زیرا برخی از الزامات آمار کلاسیک با داده ها برآورده نمی شود.

توانایی پیشبینی و کشف جایگزینها
با کمک تحلیل فضایی، می توان مقدار ویژگی یک پدیده فضایی در مکانهای نمونهبرداری نشده از مشاهدات همسایه بر اساس رابطه فضایی بین آنها را پیش بینی کرد. چنین پیش بینی هایی بسیار ارزشمند هستند زیرا می توانند هزینه جمع آوری نمونه را به حداقل برسانند. روش دیگر، پیشبینی مقدار در یک سایت معین از روی تعدادی ویژگی در همان مکان نیز ممکن است، عملی که معمولاً به عنوان مدلسازی فضایی شناخته میشود. از طریق این رویکرد مدلسازی، میتوان تأثیر یک متغیر ورودی معین را از طریق تحلیل حساسیت کشف کرد. چنین روش پیشبینی تحلیلی میتواند اطلاعاتی را در مورد آنچه قرار است در آینده برای هدف مطالعه اتفاق بیفتد بر اساس آنچه در گذشته رخ داده است به دست دهد. به عنوان مثال، می توان مناطق ساحلی را که احتمالاً در 50 سال آینده زیر آب خواهند رفت، بر اساس میزان گرمایش آب و هوا در گذشته مشخص کرد. چنین دانشی می تواند به طور فعال برای اجرای طرح های کاربری زمین در مناطق ساحلی و به درستی طرح ریزی مناطق مختلف کاربری زمین برای به حداقل رساندن اثرات افزایش سطح آب دریا مورد استفاده قرار گیرد. دنیایی که ما در آن زندگی می کنیم بسیار پیچیده است و شامل فرآیندها و تعاملات متفاوتی است. در هر یک از این فرآیندها، اعم از اجتماعی، جغرافیایی یا محیطی، عوامل متعددی نقش دارند. در اکثر شرایط، دانستن تأثیر دقیق یک متغیر در فرآیند غیرممکن است، زیرا به طور اجتناب ناپذیری با تأثیر یک عامل دیگر یا تعدادی از عوامل در هم تنیده است. به عنوان مثال، میزان وقوع یک رویداد زمین لغزش توسط یک طوفان شدید به ندرت قابل تعیین کمی است. با این حال، با کمک شبیه سازی فضایی، ما قادریم اثر این متغیر را با اجازه دادن به تغییر آن در حالی که همه متغیرهای دیگر بدون تغییر نگه داریم، جدا کنیم. از طریق متناوب کردن متغیرها و تغییر مکرر مقادیر آنها در شبیهسازیهای چندگانه، میتوان نقش دقیق این متغیرها را در فرآیند لغزش شناسایی کرد. دستیابی به این قدرت پیش بینی از طریق هر وسیله دیگری تقریبا غیرممکن است. دانش به دست آمده ما را قادر می سازد تا فرضیه های منطقی در مورد مشاهدات ایجاد کنیم. از طریق مدلسازی فضایی، ما قادر به شبیهسازی تعاملات فضایی یک عامل فعال با محیط برای ارزیابی تأثیر بالقوه آن بر محیط دوم هستیم. علاوه بر این، شبیهسازی فضایی میتواند تغییرات آتی متغیر مورد نظر را در سناریوهای مختلف پیشبینی کند. برای مثال، اینکه یک مرتع تخریب می شود یا نه بستگی به میزان شدت چرا و میزان اختلالات خارجی دارد. از طریق اصلاح شدت چرا، می توان تحلیل سناریو را به صورت «اگر…آنگاه…» و نتایجی را ایجاد می کند که می تواند شدت چرای مطلوب را روشن کند.

کلان داده ها و تحلیل بزرگ داده ها
از اوایل قرن بیست و یکم، تجزیه و تحلیل فضایی به دلیل محبوبیت روزافزون دستگاه های مجهز به GPS، به ویژه تلفن های هوشمند و دوربین ها، به عصر داده های بزرگ تبدیل شد. استفاده همه جانبه و ردیابی خودکار آنها داده های “بزرگ” در مورد رفتار و حرکات افراد به دست آورده است و راه های جدیدی را برای تجزیه و تحلیل فضایی و برنامه های کاربردی مانند مدیریت ناوگان، ردیابی حیوانات و مطالعات تحرک انسان باز کرده است (جیانگ و همکاران، 2017). اطلاعات دقیق در مورد محل قرار گرفتن ویژگی های ردیابی شده در چه زمانی را می توان تقریباً به صورت آنی و پیوسته به دست آورد. دستگاههای تلفن همراه با سقف کف دست نه تنها دادههای مکانی را در مورد حاملهای خود ارائه میدهند، بلکه امکان دسترسی و جستجوی اطلاعات ویژه در شبکه جهانی وب را نیز فراهم میکنند که قبلاً منحصراً از رایانههای رومیزی انجام میشد. تلفن های هوشمند نه تنها اطلاعات مکانی و زمانی در مورد حیوانات و انسان ها، بلکه در مورد اطلاعاتی که صاحبان آنها به صورت آنلاین جستجو کرده اند نیز ارائه می دهند. اطلاعات بیشتر در مورد موضوعات خاص را می توان به راحتی از سایت های رسانه های اجتماعی محبوب مانند توییتر و فیس بوک تهیه کرد. آنها می توانند داده های جمع آوری شده را به دست آورند. چنین دادههای بزرگ، سیل برنامههایی را گشوده است که تا سالها پیش غیرقابل تصور بود، مانند شناسایی نقاط مستعد تصادفات اتومبیل و زمانبندی آنها در یک شهر، و نقاط داغ سایتهای تصادف اتومبیل هنگام رانندگی در یک زمان خاص که شایسته توجه ویژه هستند.

GIS
GIS یک سیستم قدرتمند برای ذخیره، بازیابی، تجزیه و تحلیل، جمع آوری داده ها و تجسم نتایج به صورت گرافیکی است. به عنوان یک سیستم کامپیوتری، GIS در مدیریت، دستکاری و تجزیه و تحلیل داده های مرجع مکانی خوب است. طبیعتاً GIS با تجزیه و تحلیل فضایی همسو است. در واقع، اینکه چه نوع تحلیل مکانی می توانیم انجام دهیم و به چه راحتی می توان آن را پیاده سازی کرد، تابع قابلیت GIS است. اغراق نیست اگر بگوییم که بدون GIS عملاً هیچ تحلیل فضایی وجود نخواهد داشت، به سه دلیل:
بسته های GIS امکان نمایش کارآمد داده های مکانی را در قالب نقشه فراهم می کنند. در ابتدا، بیشتر دادههای مکانی ماهیت ثانویه داشتند و از نقشههای آنالوگ از قبل موجود دیجیتالی شده بودند. در مقابل، دادههای نقطهی محدود با استفاده از گیرندههای GPS جمعآوری شدند. بعدها، پایگاه داده GIS با تصاویر ماهواره ای به راحتی در دسترس که می توانند در حوزه مکانی با استفاده از یک GIS تجزیه و تحلیل شوند، تقویت شد.

سنجش از دور
به عنوان ابزاری برای جمعآوری دادهها، سنجش از دور به عنوان منبع مهمی از تصاویر و دادههای رستری غیرتصویری است که به درستی ارجاع جغرافیایی داشته و زمین مرجع شدهاند. این داده ها می توانند هوابرد یا فضابرد باشند، اما همیشه تا چند روز یا حتی ساعت ها جاری هستند. آنها برای به روز رسانی دوره ای پایگاه داده GIS ضروری هستند زیرا حسگرهای روی ماهواره ها و هواپیماها در به دست آوردن داده های تصویری به روز عالی هستند. از طریق پردازش بیشتر، این داده ها می توانند به اطلاعات مفید مورد نیاز در برخی از تحلیل های فضایی تبدیل شوند. به عنوان مثال، اطلاعات دقیق و ضروری پوشش زمین در تحلیل و مدل سازی فضایی خاص را می توان به سرعت از داده های سنجش از دور تولید کرد. اطلاعات فعلی و دقیق پوشش زمین در تعدادی از کاربردها، مانند مدلسازی خطرات آتشسوزی جنگل، مدلسازی هیدرولیک حوزه آبخیز، و ارزیابی حیاتی است.

GPS
GPS قادر است ویژگی ها را در هر نقطه از سطح زمین یا حتی در هوا در هر لحظه مشخص کند. این سیستم در جمعآوری دادهها در نقاط ثابت و در امتداد خطوط عالی است، اما دسترسی فیزیکی به سایتی که قرار است موقعیتیابی شود ضروری است. اگرچه GPS به خودی خود نمی تواند هیچ گونه تحلیل فضایی را انجام دهد، اما همچنان برای تحلیل فضایی از سه جنبه با ارزش بسیار مهم است:
این فناوری در درجه اول موقعیتیابی، دادههای منابع مختلف را قادر میسازد تا به یک سیستم ارجاع جغرافیایی داده شوند، بدون آن، زمانی که دادههای چند منبعی درگیر هستند، تجزیه و تحلیل مکانی آنها غیرممکن است. GPS میتواند مختصات جهانی را برای ویژگیهای زمین ایجاد کند، که از طریق آن ژئودیتوم و سیستمهای مختصات اتخاذ شده توسط دادههای منابع مختلف میتوانند یکسان شوند.
GPS در جمعآوری دادههای میدانی ضروری است، اگرچه جمعآوری مقدار ویژگی متغیر مورد نظر به خودی خود کاملاً ناکافی است. GPS می تواند ما را به سایتی که قرار است نمونه ها جمع آوری شود راهنمایی کند و به ما اطلاع دهد که آیا نمونه ها از موقعیت های از پیش تعیین شده جمع آوری شده اند یا خیر. مختصات نمونه های جمع آوری شده را می توان با قرار دادن گیرنده GPS در نزدیکی آنها تعیین کرد. از طریق این مختصات، میتوانیم ویژگیهای مشاهده شده در محل را به مقادیر سایر متغیرها در همان مکان پیوند دهیم. از طریق دادههای مکانی جمعآوریشده، میتوان مقادیر ویژگیها را در همسایگی نمونهبرداری با ویژگیهای طیفی یا رادیومتری متناظر آنها در تصاویر ماهوارهای مرتبط کرد. اگر تعداد کافی از چنین نقاط داده در میدان جمع آوری شود، سپس می توان یک رابطه آماری بین دو متغیر ایجاد کرد. با کمک این رابطه، میتوان تصویر ماهوارهای را به نقشهای تبدیل کرد که توزیع فضایی متغیر نمونهبرداری شده را نشان میدهد، و در نتیجه مشاهدات مبتنی بر نقطه را به کل منطقه مورد مطالعه گسترش میدهد. این دیدگاه فضایی می تواند الگوی فضایی متغیر مورد مطالعه (به عنوان مثال، زیست توده علفزار) را آشکار کند و امکان تخمین مقدار مشخصه آن را به صورت کمی فراهم کند (به عنوان مثال، یون توده کل روی زمین).

علوم کامپیوتر
این روزها انجام برخی از محاسبات ریاضی که در تحلیل فضایی ضروری هستند، مانند حل معادلات چند خطی در تعیین وزن ها در درونیابی فضایی، غیرقابل تصور است، چه رسد به مدل سازی و شبیه سازی فضایی پیچیده. جایگزین آن ها استفاده از رایانه هایی است که در هر تلاش علمی، از جمله تحلیل فضایی، کاربردهای همه جانبه ای یافته اند. امروزه کامپیوترها به حدی در تمام جنبه های زندگی ما نفوذ کرده اند که بدون آنها نمی توانیم به درستی کار کنیم. همین امر در مورد تحلیل فضایی نیز صادق است. اغراق نیست اگر ادعا کنیم که بدون علم کامپیوتر، تحلیل فضایی هم وجود نخواهد داشت. انواع خاصی از محاسبات آنقدر پیچیده هستند که انجام آنها بدون کمک اسکریپت های محاسباتی غیرممکن است. نوع تحلیل فضایی که می توانیم به صورت دیجیتالی انجام دهیم و سهولت آنالیز کاملاً به بسته کامپیوتری مورد استفاده ما و عملکرد آن بستگی دارد. تعجب آور نیست که تجزیه و تحلیل فضایی واقعاً تا عصر دیجیتال، همانطور که مورد بحث قرار گرفت، انجام نشد (بخش 1.3).پیشرفتهای فناوری رایانه، تحلیل فضایی را متحول کرده است. سیستم عاملهای کامپیوتری مبتنی بر گرافیک تعاملی بصری برای سهولت اجرای تحلیل و مدلسازی فضایی ایجاد شدهاند. بسته های کامپیوتری قدرتمندی برای انجام تقریباً همه انواع تحلیل های فضایی در دسترس قرار گرفته اند. به غیر از سخت افزار و بسته های کامپیوتری، چندین زبان برنامه نویسی (مانند جاوا اسکریپت، پایتون و R) برای اجرای انواع تحلیل فضایی مناسب و تخصصی در حوزه های پیشگام، مانند مدل سازی انتشار بیماری های واگیر در اپیدمیولوژی، مدل سازی آتش سوزی جنگل ها در منظر بوم شناسی ، و مدل سازی رفتار جمعیت در جامعه شناسی زبانهای اسکریپت در اجرای مدلسازی پیچیده و اجرای قوانین انتقالی که در سیستمهای موجود وجود ندارد، ارزشمند و ضروری هستند.

آمار
تفاوت آمار با رشته های فوق در این است که نه داده های مورد نیاز در تحلیل فضایی را فراهم می کند و نه به عنوان بستری برای انجام یا تسهیل تحلیل و مدل سازی فضایی عمل می کند. درعوض، اطلاعات و تئوری های آماری می توانند انواع خاصی از تحلیل فضایی (مثلاً تحلیل استنتاجی) را هدایت کنند، نوع تحلیل معقول را دیکته کنند (مثلاً رگرسیون تک متغیره یا چند متغیره)، و پشتوانه نظری برای مناسب بودن برخی تحلیل ها ارائه دهند. مانند مستقل بودن داده ها و تصادفی بودن آنها. بدون درک مناسب آمارهای اولیه، یا راهنمایی توسط نظریههای زیربنایی، برخی از تحلیلهای فضایی ممکن است ناقص و نتایج گمراهکننده داشته باشند. بنابراین، آمار را می توان به عنوان هسته یا روح تحلیل فضایی (استنتاجی) در نظر گرفت. این به این دلیل است که، تا حد زیادی، تجزیه و تحلیل فضایی فقط نشان دهنده گسترش آمار در حوزه فضایی است. بنابراین، هر الزامی در تجزیه و تحلیل آماری به همان اندازه در تحلیل فضایی مرتبط و قابل اجرا است. آمار به ویژه برای تجزیه و تحلیل فضایی استنتاجی ضروری است، که در آن فرضیه ها را می توان در سطوح اطمینان خاصی پس از نوعی آزمون آماری رد و یا پذیرفت. دانش احتمال و توزیع داده ها در انجام تست های استنباطی در مورد ویژگی های مکانی داده ها مانند تصادفی بودن الگوهای نقطه ای ارزشمند است. بنابراین، دانش آماری ابتدایی در درک اصطلاحات رایج مورد استفاده در تحلیل فضایی حیاتی است. داشتن دانش صحیح در آمار برای تفسیر صحیح نتایج تحلیلی، به ویژه با توجه به تعمیم یافته های تولید شده، مهم است. بنابراین، دانش آماری شایسته و مهارتهای عددی برای انجام تحلیلهای فضایی صحیح و معقول ضروری است.

رابطه فضایی
رابطه فضایی به موقعیت مکانی یک پدیده فضایی در رابطه با دیگری یا آرایش فضایی گروهی از موجودات در همان سیستم ژئورفرنس اشاره دارد. آنها ممکن است از یک ماهیت یا انواع مختلف باشند. چنین پدیده های می توانند ویژگی های نقطه ای، خطی یا مساحتی و یا ترکیبی از آنها را داشته باشند (شکل 1.2). هنگامی که گروه بزرگی از پدیده های فضایی در فضا وجود داشته باشند، می توانند روابط فضایی مختلفی را بین خود ایجاد کنند، مانند مجاورت با یکدیگر. رابطه مجاورت خاص نزدیکترین همسایه است که می تواند نزدیکترین بزرگراه (خط) از یک بیمارستان (نقطه) باشد. جدا از مجاورت، رابطه فضایی می تواند مرزی باشد، قرار گرفتن در داخل (مثلاً جزیره ای در داخل دریاچه)، همپوشانی، یا تعلق (به عنوان مثال، مرز یک جنگل از یک جاده تشکیل شده است) (شکل 1.2). در آخرین نمونه، رابطه فضایی بین دو نوع پدیده فضایی شکل می گیرد: یک ویژگی خطی که یک ویژگی منطقه ای را شامل می شود. یک رابطه فضایی نیز می تواند بین نقاط و مناطق وجود داشته باشد، مانند تعداد موارد عفونت COVID-19 در حومه شهر. رابطه فضایی بین ویژگی های یک نوع را می توان به صورت پراکنده یا فشرده، یکنواخت، خوشه ای یا تصادفی توصیف کرد. برای ویژگی های خطی، رابطه می تواند متقاطع و موازی باشد (شکل 1.2). روابط فضایی معمول چند ضلعی ها را می توان به صورت متقاطع، همپوشانی، محصور و مجاورت توصیف کرد. چنین انواع متنوعی از روابط فضایی برای مطالعه آنها به انواع زیادی از روش های تحلیل فضایی نیاز دارند و می توانند طیف وسیعی از معیارهای تحلیل فضایی را تولید کنند. اینکه کدام یک از این روابط فضایی باید هدف تحلیل باشد، در وهله اول به هدف انجام تحلیل فضایی بستگی دارد.

الگوی فضایی و ساختار
الگوی فضایی به آرایش یا توزیع فضایی گروهی از پدیده های فضایی با هویت های یکسان یا متفاوت اشاره دارد. الگو دلالت بر نوعی تکرار یا تکرار منحصر به فرد و منظم از یک پدیده دارد (شکل 1.4). الگوهای فضایی را می توان برای ویژگی های نقطه ای، خطی یا پهنه ای تجزیه و تحلیل کرد. الگوهای نقطه مشترک به صورت خوشه ای، تصادفی یا پراکنده توصیف می شوند. تجزیه و تحلیل کمی الگوهای فضایی چندان آسان نیست، زیرا همه الگوها شامل برخی از ویژگیهای هندسی هستند که به راحتی قابل اندازهگیری نیستند. در مقابل، مقایسه یک الگوی مشاهده شده با برخی الگوهای استاندارد برای ارزیابی ماهیت آن (مثلاً خوشه ای یا پراکنده) نسبتاً آسان است. همچنین می توان آزمایش کرد که آیا الگوی مشاهده شده از نظر آماری با الگوی استاندارد مطابقت دارد یا خیر.

فرآیند فضایی
فرآیند فضایی به عنوان تکامل زمانی یا حرکت مکانی یک پدیده یا پدیده فضایی بر روی یک منطقه یا از یک نقطه، مانند گسترش آتشسوزیها، پراکندگی بذرها در چشمانداز، پراکندگی شهری، و گسترش یک منطقه تعریف میشود. طاعون (شکل 1.5). یک طاعون همه گیر می تواند از یک حومه به شهر دیگر در همان شهر سرایت کند. آلاینده های هوای ناشی از وسایل نقلیه می توانند در امتداد جاده های شریان به مناطق مسکونی پرجمعیت مجاور پراکنده شوند. یک آتش سوزی سریع می تواند از نقطه اشتعال به کل دامنه تپه سرایت کند. مشترک همه این فرآیندهای فضایی، جزء زمانی یا تغییر ویژگی با زمان است. چنین فرآیندهایی را می توان در یک افزایش زمانی از ثانیه (مثلاً آتش سوزی در جنگل) تا چندین دهه (مثلاً پراکندگی شهری) مطالعه کرد. فرآیند مطالعه فضایی هدفمند ممکن است مربوط به همان متغیری باشد که وسعت فضایی آن به طور مداوم در طول زمان در حال تغییر است (مثلاً انتشار فضایی)، یا ممکن است در مورد ویژگی یک مکان در چندین زمان باشد (مثلاً تغییر فضایی). اولی فقط شامل یک متغیر فضایی (ویژگی) است که وسعت فضایی آن ممکن است

تجزیه و تحلیل فضایی توصیفی
هدف تحلیل فضایی توصیفی این است که با استفاده از ابزارهای تحلیلی یک اندازه گیری کمی ارائه دهد یا معیارهایی تولید کند تا یک پدیده فضایی یا رابطه آن با سایر موجودات را به تصویر بکشد، مانند شکل یک چند ضلعی و فاصله آن از نزدیکترین چند ضلعی همسایه. همچنین امکان کمی سازی الگوی فضایی گروهی از پدیده ها وجود دارد. نتایج تحلیل فضایی توصیفی همگی واقعی و قابل تکرار هستند. آنها می توانند به سوالات مربوط به یک پدیده فضایی پاسخ دهند. آتش سوزی جنگل را به عنوان مثال در نظر بگیرید. نتایج تجزیه و تحلیل توصیفی ممکن است مربوط به قسمت منطقه سوخته در چشم انداز، میانگین و انحراف معیار اندازه لکه سوخته، نسبت لکه های سوخته به کل مساحت جنگل، شکل لکه های سوخته و فاصله آنها از سایر لکه های سوخته باشد. . این نتایج فقط یک مقدار عددی برای نشان دادن کیفیت خاصی از تکه های سوخته ارائه می دهد. به طور مشترک، آنها می توانند یک تصویر کلی در مورد نتیجه و شدت سوزش ترسیم کنند. از طریق کمی سازی فضایی، می توان اثرات آتش سوزی های مختلف جنگل را با هم مقایسه کرد.

تحلیل فضایی توضیحی/ استنتاجی
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،

تحلیل فضایی پیش بینی کننده
همانطور که از نام آن پیداست، تجزیه و تحلیل فضایی پیش بینی کننده با هدف تخمین یک مقدار یا رسیدن به کیفیت یک ویژگی است که در فضا (پیش بینی فضایی) یا در حال حاضر (پیش بینی زمانی) وجود ندارد. پیشبینی فضایی تخمین مقدار ویژگی از مشاهدات نزدیک آن در همسایگی تعریفشده است. این معمولاً به عنوان درون یابی فضایی شناخته می شود، که در آن پیش بینی های فضایی فقط در مورد یک متغیر (مثلاً بارندگی) از خودش انجام می شود. فقط مقدار آن در مکانهای مختلف از روی مشاهدات نزدیک، بدون دخالت سایر متغیرها، پیشبینی میشود. مقدار پیشبینیشده به سختی با زمان تغییر میکند، بنابراین جزء زمانی در این نوع تحلیل پیشبینی وجود ندارد.

ArcGISPro
ArcGIS پرو، یک سیستم کامپیوتری رومیزی است که برای تجزیه و تحلیل و نمایش داده های مرجع فضایی طراحی شده است. این یک سیستم اطلاعات جغرافیایی مبتنی بر ویندوز و نماد محور برای تجزیه و تحلیل داده های بردار در درجه اول است، با عملکردهای تجزیه و تحلیل داده های رستری به طور فزاینده ای در سال های اخیر گسترش و بهبود یافته است. برای بسیاری از تحلیلگران، ArcGIS پرو به دلیل طولانیترین سابقه موجود، از اوایل دهه 1990، انتخاب پیشفرض و سیستم ترجیحی برای انجام تحلیل فضایی است. در درجه اول، به عنوان یک سیستم مبتنی بر بردار، ArcGIS پرو در تجزیه و تحلیل داده های نقطه، خط و چند ضلعی مناسب است. این شامل مجموعه ای جامع از توابع برای پردازش داده های مرجع مکانی است (شکل 1.7). برخی از توابع استاندارد مربوط به تبدیل سازگاری داده ها ، مانند تبدیل رستری به برداری و تبدیل داده تصویری، تغییر واحدهای شمارش هستند
ArcGIS پرو به ویژه در یکپارچهسازی دادهها از منابع مختلف قوی است، قابلیتی که در اجرای مدلسازی فضایی که به ورودیهای طیف وسیعی از عوامل نیاز دارد، بسیار مهم است. ArcGIS پرو می تواند طیف وسیعی از عملیات هندسی استاندارد و همچنین درون یابی فضایی و تحلیل سطح را انجام دهد. دارای مجموعه عالی و قدرتمندی از ابزارهای تحلیل فضایی است. با این حال، وقتی صحبت از مدلسازی فضایی میشود، بسته استاندارد ممکن است ظرفیت محدودی داشته باشد. این ظرفیت را می توان با اسکریپت کردن عملیات لازم با استفاده از پایتون افزایش داد.

مدرس دوره :تحلیل فضایی حرفه ای
دکتر سعید جوی زاده ، استراتژیست GIS و RS
نویسنده و مترجم بیش از 50 کتاب در زمینه GIS وRS
موسس اولین موسسه آموزشی GIS در ایران
کارشناس حرفه ای WebGIS در ایران
سخنران همایش و سمینارهای GIS وRS و ژئومارکتینگ
تولید بیش از 8000 هزار فیلم آموزشی
تولید بیش از 12000 هزار مقاله اینترنتی با موضوع GIS و RS
سابقه همکاری با مطرحترین شرکت ها و موسسات و ادارات ایرانی و بین المللی
تربیت بیش از 16000 هزار دانشجو در ایران در GIS وRS
سخنرانی در تمامی دانشگاه های کشور
بدون دیدگاه