Utilizzando Statistiche spaziali per prevedere variazioni ambientali attraverso lo spazio - manichini

Per loro stessa natura, le variabili ambientali dipendono dalla posizione: cambiano con le modifiche nella posizione geospaziale. Lo scopo di modellare le variabili ambientali con le statistiche spaziali è di consentire previsioni spaziali accurate in modo da poter utilizzare tali previsioni per risolvere problemi relativi all'ambiente.

Le statistiche spaziali si distinguono dalla modellizzazione delle risorse naturali perché si concentra sulla previsione di come i cambiamenti nello spazio influenzano i fenomeni ambientali. Naturalmente, anche la variabile temporale viene considerata, ma le statistiche spaziali si basano sull'uso delle statistiche per modellare i meccanismi interni del fenomeno spaziale. La differenza è nel modo di approccio.

Affrontare i problemi ambientali con l'analisi predittiva spaziale

È possibile utilizzare le statistiche spaziali per modellare le variabili ambientali nello spazio e nel tempo in modo da poter prevedere i cambiamenti nelle variabili ambientali nello spazio. Il seguente elenco descrive i tipi di problemi ambientali che è possibile modellare e prevedere utilizzando la modellazione statistica spaziale:

• Epidemiologia e salute umana ambientale: Modelli e distribuzioni della malattia
• Meteorologia: Fenomeno meteorologico
• Incendio science: La diffusione di un incendio (canalizzando il tuo Smokey the Bear interno!)
• Idraulica: Conduttività acquifero
• Ecologia: Distribuzione di microrganismi su un fondo di sedimento

Se il tuo obiettivo è costruire un modello che puoi usare per prevedere come le variazioni nello spazio influenzeranno le variabili ambientali, puoi usare le statistiche spaziali per aiutarti a farlo.

Descrizione della scienza dei dati coinvolta

Poiché la statistica spaziale coinvolge la modellazione dei parametri x-, y- e z che comprendono i set di dati spaziali, le statistiche coinvolte possono diventare piuttosto interessanti e insolite. Le statistiche spaziali sono, più o meno, un connubio tra analisi spaziale GIS e analisi predittiva avanzata. L'elenco seguente descrive alcuni processi di analisi dei dati che vengono comunemente distribuiti quando si utilizzano le statistiche per creare modelli spaziali predittivi:

• Statistiche spaziali: Le statistiche spaziali spesso implicano krige e kriging, così come l'analisi di variogrammi. I termini "kriging" e "krige" denotano cose diverse. I metodi di Kriging sono un insieme di algoritmi di stima statistica che adattano alla curva i dati dei punti noti e producono una superficie predittiva per un'intera area di studio. Krige rappresenta un'implementazione automatica degli algoritmi di kriging, in cui si utilizzano semplici parametri predefiniti per aiutare a generare superfici predittive. Un variogramma è uno strumento statistico che misura come diversi dati spaziali diventano quando aumenta la distanza tra i punti dati. Il variogramma è una misura di "dissomiglianza spaziale". Quando si esegue il krige, si utilizzano modelli variogram con parametri definiti internamente per generare superfici predittive interpolative.
• Programmazione statistica: Questo include distribuzioni di probabilità, analisi di serie temporali, analisi di regressione e simulazioni Monte Carlo, tra gli altri processi.
• Analisi del cluster: I processi possono includere algoritmi vicini più vicini, k-means clustering o stime della densità del kernel.
• Tecnologia GIS: La tecnologia GIS compare molto in questo capitolo, ma è prevedibile perché le sue analisi spaziali e le offerte di creazione di mappe sono incredibilmente flessibili.
• Requisiti di codifica: La programmazione per un progetto di statistiche spaziali può comportare l'uso di R, SPSS, SAS, MATLAB e SQL, tra gli altri linguaggi di programmazione.

Affrontare le questioni ambientali con le statistiche spaziali

Un grande esempio di utilizzo delle statistiche spaziali per generare previsioni per variabili ambientali dipendenti dalla posizione può essere visto nel recente lavoro del Dr. Pierre Goovaerts. Il Dr. Goovaerts utilizza statistiche avanzate, la codifica e la sua competenza autorevole in materia di ingegneria agraria, scienze del suolo ed epidemiologia per scoprire le correlazioni tra i modelli di malattia spaziale, la mortalità, l'esposizione alle tossine ambientali e la sociodemografia.

In uno dei progetti recenti del Dr. Goovaerts, ha utilizzato le statistiche spaziali per modellare e analizzare i dati sulle concentrazioni di arsenico di acque sotterranee, posizione, proprietà geologiche, modelli meteorologici, topografia e copertura del suolo. Attraverso i suoi recenti studi scientifici sui dati ambientali, ha scoperto che l'incidenza dei tumori della vescica, della mammella e della prostata è correlata spazialmente all'esposizione all'arsenico a lungo termine.

Per quanto riguarda le tecnologie e le metodologie di scienza dei dati, il Dr. Goovaerts implementa comunemente quanto segue:

• Programmazione statistica spaziale: Ancora una volta, l'analisi del kriging e del variogramma è in cima alla lista.
• Programmazione statistica: La regressione dei minimi quadrati e Monte Carlo (un metodo di simulazione casuale) sono fondamentali per il lavoro del Dr. Goovaerts.
• Tecnologie GIS: Se si desidera la funzionalità di creazione di mappe e le metodologie di analisi dei dati spaziali, saranno necessarie tecnologie GIS.