El uso de la estadística espacial para predecir la variación del medio ambiente a través del espacio

Por su propia naturaleza, las variables ambientales son dependiente de la ubicación: cambian con los cambios en la ubicación geoespacial. El fin de modelar las variables ambientales con la estadística espacial es permitir predicciones espaciales precisos para que pueda utilizar esas predicciones para resolver problemas relacionados con el medio ambiente.

Video: Fundamentos de análisis espacial

La estadística espacial se distingue de la modelización de los recursos naturales, ya que se centra en la predicción de cómo afectan los cambios en el espacio fenómeno ambiental. Naturalmente, la variable tiempo es considerado como bueno, pero la estadística espacial tiene que ver con el uso de estadísticas para modelar el funcionamiento interno del fenómeno espacial. La diferencia está en la manera de enfoque.

Abordar las cuestiones ambientales con el análisis predictivo espaciales

Se puede utilizar la estadística espacial para modelar las variables ambientales a través del espacio y el tiempo para que pueda predecir los cambios en las variables ambientales a través del espacio. La siguiente lista describe los tipos de problemas ambientales que se pueden modelar y predecir mediante modelos estadísticos espaciales:

Video: Estadística Espacial. Manuel Kadena

Epidemiología y la salud humana del medio ambiente: patrones y distribuciones de la enfermedad
Meteorología: fenómeno meteorológico
la ciencia del fuego: La propagación de un incendio (canalizando su interior Smokey el Oso!)
Hidráulica: conductividad del acuífero
Ecología: la distribución de microorganismos a través de un fondo del lago sedimentaria

Si su objetivo es construir un modelo que se puede utilizar para predecir cómo el cambio en el espacio afectará a las variables ambientales, se puede utilizar la estadística espacial para ayudar a hacer esto.

Video: Tutorial: Fundamentos de análisis espacial ��

Al describir la ciencia de datos que está involucrado

Debido a que la estadística espacial implica el modelado de la x, y, z de los parámetros que componen los conjuntos de datos espaciales, las estadísticas involucradas pueden llegar a ser muy interesante e inusual. La estadística espacial es, más o menos, un matrimonio de análisis espacial SIG y análisis predictivo avanzado. La siguiente lista describe algunos procesos de ciencias de datos que se implementan comúnmente cuando se utilizan las estadísticas para construir modelos predictivos espaciales:

La estadística espacial: La estadística espacial a menudo implica Krige y kriging, así como el análisis variograma. Los términos “kriging” y “Krige” denotan cosas diferentes. kriging métodos son un conjunto de algoritmos de estimación estadística que curva de ajuste conocido datos de puntos y producir una superficie predictivo para toda una zona de estudio. Krige representa una implementación automática de algoritmos kriging, en los que utilice los parámetros por defecto simples para ayudarle a generar superficies de predicción. UN variograma es una herramienta estadística que mide cómo los diferentes datos espaciales se convierte como la distancia entre puntos de datos aumenta. El variograma es una medida de “disimilitud espacial”. Cuando Krige, utiliza modelos de variograma con los parámetros definidos internamente para generar superficies de interpolación, predicción.
programación estadística: Éste implica distribuciones de probabilidad, análisis de series de tiempo, análisis de regresión, y simulaciones de Monte Carlo, entre otros procesos.
La agrupación de análisis: Los procesos pueden incluir algoritmos del vecino más cercano, k-medias de agrupación, o estimaciones de densidad kernel.
La tecnología SIG: La tecnología SIG aparece mucho en este capítulo, pero eso es de esperar, ya que su análisis espacial y las ofertas de mapa de decisiones son increíblemente flexible.
Codificación requisitos: Programación de un proyecto estadísticas espacial podría implicar el uso de R, SPSS, SAS, MATLAB, y SQL, entre otros lenguajes de programación.

Abordar las cuestiones ambientales con la estadística espacial

Un buen ejemplo del uso de la estadística espacial para generar predicciones de las variables ambientales dependientes de la ubicación se puede ver en el reciente trabajo de El Dr. Pierre Goovaerts. El Dr. Goovaerts utiliza estadísticas avanzadas, codificación, y su autoridad experiencia en el tema de la ingeniería agrícola, la ciencia del suelo, y la epidemiología para descubrir correlaciones entre los patrones espaciales de la enfermedad, mortalidad, exposición a toxinas ambientales, y sociodemográficos.

En uno de los proyectos más recientes Dr. Goovaerts, utilizó la estadística espacial para modelar y analizar datos sobre las concentraciones de arsénico de las aguas subterráneas, la ubicación, propiedades geológicas, los patrones climáticos, la topografía y la cobertura del suelo. A través de sus estudios recientes de la ciencia datos ambientales, descubrió que la incidencia de la vejiga, de mama y de próstata se correlaciona espacialmente a la exposición al arsénico a largo plazo.

Con respecto a las tecnologías y metodologías de las ciencias de datos, el Dr. Goovaerts comúnmente implementa la siguiente:

programación estadística espacial: Una vez más, kriging y análisis variograma encabezan la lista.
programación estadística: mínimos cuadrados de regresión y Monte Carlo (un método de simulación al azar) son fundamentales para el trabajo del Dr. Goovaerts.
tecnologías SIG: Si quieres mapa de decisiones metodologías de funcionalidad y análisis de datos espaciales, vas a necesitar tecnologías SIG.