Χρησιμοποιώντας τη χωρική στατιστική για την πρόβλεψη για περιβαλλοντικές μεταβολές σε διαστημικές ανωμαλίες

Από τη φύση τους, οι περιβαλλοντικές μεταβλητές εξαρτώνται από την τοποθεσία: αλλάζουν με αλλαγές στη γεωχωρική τοποθεσία. Ο σκοπός της διαμόρφωσης περιβαλλοντικών μεταβλητών με χωρικές στατιστικές είναι να επιτρέψετε ακριβείς χωρικές προβλέψεις, ώστε να μπορείτε να χρησιμοποιήσετε αυτές τις προβλέψεις για την επίλυση προβλημάτων που σχετίζονται με το περιβάλλον.

Οι χωρικές στατιστικές διακρίνονται από τη μοντελοποίηση των φυσικών πόρων, επειδή εστιάζουν στην πρόβλεψη του τρόπου με τον οποίο οι αλλαγές στο διάστημα επηρεάζουν το περιβαλλοντικό φαινόμενο. Φυσικά, η χρονική μεταβλητή θεωρείται επίσης καλά, αλλά οι χωρικές στατιστικές αφορούν στη χρήση στατιστικών στοιχείων για να μοντελοποιήσουν την εσωτερική λειτουργία του χωροταξικού φαινομένου. Η διαφορά είναι με τον τρόπο προσέγγισης.

Μπορείτε να χρησιμοποιήσετε χωρικές στατιστικές για να μοντελοποιήσετε περιβαλλοντικές μεταβλητές σε διάστημα και χρόνο, ώστε να μπορείτε να προβλέψετε αλλαγές στις περιβαλλοντικές μεταβλητές στο διάστημα. Η ακόλουθη λίστα περιγράφει τους τύπους περιβαλλοντικών ζητημάτων που μπορείτε να διαμορφώσετε και να προβλέψετε χρησιμοποιώντας τη χωρική στατιστική μοντελοποίηση:

Επιδημιολογία και περιβαλλοντική ανθρώπινη υγεία:

• Πρότυπα και διανομές ασθενειών Μετεωρολογία:
• Επιστήμη: Η εξάπλωση μιας πυρκαγιάς
• Υδραυλική: Αγωγιμότητα υδροφοβίας
• Οικολογία: Κατανομή μικροοργανισμών σε ένα ιζηματογενές βυθό
• Εάν ο στόχος σας είναι να δημιουργήσετε ένα μοντέλο που μπορείτε να χρησιμοποιήσετε για να προβλέψετε πώς η αλλαγή στο διάστημα θα επηρεάσει τις περιβαλλοντικές μεταβλητές, μπορείτε να χρησιμοποιήσετε χωρικά στατιστικά στοιχεία για να το κάνετε αυτό.

Περιγράφοντας την επιστήμη δεδομένων που εμπλέκεται

Επειδή οι χωρικές στατιστικές περιλαμβάνουν τη μοντελοποίηση των παραμέτρων x-, y-, z που περιλαμβάνουν χωρικά σύνολα δεδομένων, τα σχετικά στατιστικά στοιχεία μπορούν να γίνουν αρκετά ενδιαφέροντα και ασυνήθιστα. Οι χωρικές στατιστικές είναι, περισσότερο ή λιγότερο, ένας γάμος της χωρικής ανάλυσης GIS και προηγμένων προγνωστικών αναλύσεων. Η παρακάτω λίστα περιγράφει μερικές διαδικασίες επιστήμης δεδομένων που αναπτύσσονται συνήθως όταν χρησιμοποιείτε στατιστικά στοιχεία για τη δημιουργία προγνωστικών χωρικών μοντέλων:

Χωρικές στατιστικές:

Οι χωρικές στατιστικές συχνά περιλαμβάνουν krige και kriging, καθώς και ανάλυση variogram. Οι όροι "kriging" και "krige" υποδηλώνουν διαφορετικά πράγματα.

• Οι μέθοδοι Kriging είναι ένα σύνολο αλγορίθμων στατιστικής εκτίμησης που ικανοποιούν τα γνωστά δεδομένα σημείων και παράγουν μια προγνωστική επιφάνεια για μια ολόκληρη περιοχή μελέτης. Το Krige αντιπροσωπεύει μια αυτόματη εφαρμογή αλγόριθμων kriging, όπου χρησιμοποιείτε απλές προεπιλεγμένες παραμέτρους για να σας βοηθήσουμε να δημιουργήσετε προγνωστικές επιφάνειες. Ένα variogram είναι ένα στατιστικό εργαλείο που μετρά τον τρόπο με τον οποίο τα διαφορετικά χωρικά δεδομένα γίνονται όσο αυξάνεται η απόσταση μεταξύ των σημείων δεδομένων. Το ζευγάρι είναι ένα μέτρο της "χωρικής ανισότητας". Όταν κάνετε krige, χρησιμοποιείτε μοντέλα variogram με εσωτερικά καθορισμένες παραμέτρους για τη δημιουργία διεπαφών, προγνωστικών επιφανειών. Στατιστικός προγραμματισμός: Αυτό περιλαμβάνει κατανομές πιθανοτήτων, αναλύσεις χρονοσειρών, αναλύσεις παλινδρόμησης και προσομοιώσεις Monte Carlo, μεταξύ άλλων διαδικασιών.
• Ανάλυση ομαδοποίησης: Οι διεργασίες μπορούν να περιλαμβάνουν τους αλγορίθμους πλησιέστερων γειτόνων, τις συγκεντρώσεις k-mean ή τις εκτιμήσεις πυκνότητας πυρήνα.
• Τεχνολογία GIS: Η τεχνολογία GIS εμφανίζεται πολύ σε αυτό το κεφάλαιο, αλλά αυτό αναμένεται επειδή η χωρική της ανάλυση και οι προσφορές χαρτών είναι απίστευτα ευέλικτες.
• Απαιτήσεις κωδικοποίησης: Ο προγραμματισμός ενός έργου χωρικών στατιστικών μπορεί να συνεπάγεται τη χρήση R, SPSS, SAS, MATLAB και SQL, μεταξύ άλλων γλωσσών προγραμματισμού.
• Αντιμετώπιση περιβαλλοντικών ζητημάτων με χωρικές στατιστικές Ένα εξαιρετικό παράδειγμα χρήσης χωρικών στατιστικών για τη δημιουργία προβλέψεων για περιβαλλοντικές μεταβλητές που εξαρτώνται από την τοποθεσία μπορεί να φανεί στο πρόσφατο έργο του Dr. Pierre Goovaerts. Ο Δρ Goovaerts χρησιμοποιεί προηγμένα στατιστικά στοιχεία, κωδικοποίηση και έγκυρη εμπειρογνωμοσύνη στον τομέα της γεωργικής μηχανικής, της επιστήμης του εδάφους και της επιδημιολογίας για να αποκαλύψει συσχετισμούς μεταξύ των μοντέλων της χωρικής ασθένειας, της θνησιμότητας, της έκθεσης σε τοξίνες στο περιβάλλον και των κοινωνιοδημογραφικών δεδομένων.

Σε ένα από τα πρόσφατα έργα του Dr. Goovaerts, χρησιμοποίησε χωρικές στατιστικές για να μοντελοποιήσει και να αναλύσει δεδομένα σχετικά με τις συγκεντρώσεις αρσενικού υπόγειου νερού, την τοποθεσία, τις γεωλογικές ιδιότητες, τις καιρικές συνθήκες, την τοπογραφία και την κάλυψη της γης. Μέσω των πρόσφατων περιβαλλοντικών μελετών επιστημών δεδομένων, ανακάλυψε ότι η συχνότητα εμφάνισης καρκίνου της ουροδόχου κύστης, του μαστού και του προστάτη συσχετίζεται χωρικά με τη μακροπρόθεσμη έκθεση σε αρσενικό.

Όσον αφορά τις τεχνολογίες και τις μεθοδολογίες της επιστήμης των δεδομένων, ο Dr. Goovaerts εφαρμόζει συνήθως τα παρακάτω:

Χωροταξικός στατιστικός προγραμματισμός:

Για άλλη μια φορά, η ανάλυση kriging και variogram καταλήγει στη λίστα.

• Στατιστικός προγραμματισμός: Η ελάχιστη παλινδρόμηση και το Monte Carlo (μια τυχαία μέθοδος προσομοίωσης) είναι καίριας σημασίας για το έργο του Dr. Goovaerts.
• Τεχνολογίες GIS: Εάν θέλετε λειτουργίες χαρτογράφησης και μεθοδολογίες ανάλυσης χωρικών δεδομένων, θα χρειαστείτε τεχνολογίες GIS.