Usando estatísticas espaciais para prever para variação ambiental em todo o espaço - manequins

Por sua própria natureza, as variáveis ​​ambientais dependem da localização: elas mudam com as mudanças na localização geoespacial. O objetivo da modelagem de variáveis ​​ambientais com estatísticas espaciais é permitir previsões espaciais precisas para que você possa usar essas previsões para resolver problemas relacionados ao meio ambiente.

As estatísticas espaciais distinguem-se da modelagem de recursos naturais porque se concentra em prever como as mudanças no espaço afetam o fenômeno ambiental. Naturalmente, a variável de tempo também é considerada, mas as estatísticas espaciais são todas sobre o uso de estatísticas para modelar o funcionamento interno do fenômeno espacial. A diferença está na maneira de abordagem.

Endereçamento de problemas ambientais com análise preditiva espacial

Você pode usar estatísticas espaciais para modelar variáveis ​​ambientais em espaço e tempo para que você possa prever mudanças em variáveis ​​ambientais no espaço. A lista a seguir descreve os tipos de problemas ambientais que você pode modelar e prever usando modelagem estadística espacial:

• Epidemiologia e saúde humana ambiental: Padrões e distribuições de doenças
• Meteorologia: Fenômeno climático
• Incêndio Ciência: A propagação de um incêndio (canalizando seu Smokey the Bear interno)
• Hidráulica: Condutividade do aqüífero
• Ecologia: Distribuição de microorganismos através de um fundo de lago sedimentar

Se o seu objetivo é construir um modelo que você possa usar para prever como a mudança no espaço afetará as variáveis ​​ambientais, você pode usar estatísticas espaciais para ajudá-lo a fazer isso.

Descrevendo a ciência dos dados que envolve

Como as estatísticas espaciais envolvem a modelagem dos parâmetros x, y, z que compõem conjuntos de dados espaciais, as estatísticas envolvidas podem ser bastante interessantes e incomuns. As estatísticas espaciais são, mais ou menos, um casamento da análise espacial do GIS e análises preditivas avançadas. A lista a seguir descreve alguns processos de ciência de dados que são comumente implantados ao usar estatísticas para criar modelos espaciais preditivos:

• Estatísticas espaciais: As estatísticas espaciais muitas vezes envolvem krige e kriging, bem como análise de variogram. Os termos "kriging" e "krige" indicam coisas diferentes. Os métodos Kriging são um conjunto de algoritmos de estimação estatísticos que calculam os dados de pontos conhecidos e produzem uma superfície preditiva para toda a área de estudo. Krige representa uma implementação automática de algoritmos de krigagem, onde você usa parâmetros padrão simples para ajudá-lo a gerar superfícies preditivas. Um variogram é uma ferramenta estatística que mede como diferentes dados espaciais se tornam a medida que a distância entre pontos de dados aumenta. O variograma é uma medida de "dissimilaridade espacial". Quando você krige, você usa modelos variogram com parâmetros definidos internamente para gerar superfícies interpolativas e preditivas.
• Programação estatística: Este envolve distribuições de probabilidade, análises de séries temporais, análises de regressão e simulações de Monte Carlo, entre outros processos.
• Análise de agrupamento: Os processos podem incluir algoritmos vizinhos mais próximos, k-means clustering ou estimativas de densidade do kernel.
• Tecnologia GIS: A tecnologia GIS aparece muito neste capítulo, mas é de se esperar porque as suas ofertas de análise espacial e de criação de mapas são incrivelmente flexíveis.
• Requisitos de codificação: A programação para um projeto de estatísticas espaciais pode implicar o uso de R, SPSS, SAS, MATLAB e SQL, entre outras linguagens de programação.

Abordagem de questões ambientais com estatísticas espaciais

Um excelente exemplo de utilização de estatísticas espaciais para gerar previsões para variáveis ​​ambientais dependentes da localização pode ser visto no recente trabalho do Dr. Pierre Goovaerts. O Dr. Goovaerts usa estatísticas avançadas, codificação e sua experiência de assunto autorizada em engenharia agrícola, ciência do solo e epidemiologia para descobrir correlações entre padrões de doenças espaciais, mortalidade, exposição à toxina ambiental e sociodemográficas.

Em um dos projetos recentes do Dr. Goovaerts, ele usou estatísticas espaciais para modelar e analisar dados sobre as concentrações de arsênio das águas subterrâneas, localização, propriedades geológicas, padrões climáticos, topografia e cobertura terrestre. Através de seus recentes estudos de ciência de dados ambientais, ele descobriu que a incidência de câncer de bexiga, mama e próstata é espacialmente correlacionada com a exposição a longo prazo ao arsênico.

No que diz respeito às tecnologias e metodologias de ciência dos dados, o Dr. Goovaerts geralmente implementa o seguinte:

• Programação estatística espacial: Mais uma vez, a análise de krigagem e variogram topo a lista.
• Programação estatística: A regressão de mínimos quadrados e Monte Carlo (um método de simulação aleatória) são fundamentais para o trabalho do Dr. Goovaerts.
• Tecnologias GIS: Se você deseja metodologias de gerenciamento de mapas e metodologia de análise de dados espaciais, você precisará de tecnologias GIS.