دکتر سعید جوی زاده - مشاورGIS و RS بیان دیدگاه ها ،نقطه نظرات و عقاید سعید جوی زاده
| ||
اين آماره که با عنوان "خودهمبستگی فضایی[1]" نيز معروف است، یکی از کاربردیترین ابزارهای تحلیلی دادههای فضایی است. با استفاده از اين آماره میتوان درجه پراکندگي یا متمرکز بودن عوارض یا دادههای فضایی را در فضا اندازهگیری کرد (آران[2]، 2013). گارس و توماکو[3] (2013)، معتقد است که در طبقه بندي الگوهاي فضايي، خواه خوشهاي باشد يا پراکنده و تصادفي، میتوان بر چگونگي نظم و ترتيب قرارگيري واحدهاي ناحيهاي متمرکز شده و مشابهت و عدم مشابهت هر جفت از واحدهاي ناحيهاي مجاور را اندازه گرفت. وقـتي که اين مشابهت و عدم مشابهتها براي الگـوهـاي فضـايي خلاصه شوند، نوعي خودهمبستگي فضايي شکل ميگيرد. به عبارتی دیگر خودهمبستگي فضايي ابزاري ارزشمند در مطالعاتي است که چگونگي تغيير الگوهاي فضايي را در طول زمان مد نظر قرار ميدهند. خودهمبستگی وقتی قوی معرفی میشود و............. ادامه مطلب در کتاب: جغرافیای محاسباتی مولفین: سعید جوی زاده، ساره حدادی انتشارات آکادمیک، 1398 تلفن تماس سفارش کتاب: 07132341477-09382252774 سایت انتشارات: http://www.academicpress.co/ سایت آموزشی: http://crsgroup.ir
برای دانلود جزوات و فیلم های رایگان در زمینه GIS وRS به وب سایت زیر مراجعه نمایید: آماره موران، خودهمبستگي فضايي، الگوهاي فضايي، پراکندگی، همبستگی، رگرسیون، طبقه بندی مکانی ، درونيابي ، دادههاي گسسته، داده های منفصل، فراوانی نسبی، فراوانی مطلق، روش تنظیم جدول فراوانی، جدول توزیع فراوانی، فراوانی، طبقه بندی، طبقه بندی دادهها با روش آماری، طبقه بندی دادهها با روش غیر مکانی، جغرافیای محاسباتی، داده های مکانی، آمار فضایی، زمین آمار، آمار، جغرافیا، سعید جوی زاده، موسسه چشم انداز، درون یابی، آماره موران، خودهمبستگی فضایی، درونیابی، روش های آماری، شاخص های آماری، روش آماری غیر مکانی، طبقه بندی دادهها،
برچسبها: آماره موران, خودهمبستگي فضايي, الگوهاي فضايي, پراکندگی [ دوشنبه سی و یکم تیر ۱۳۹۸ ] [ ۹:۵۷ ق.ظ ] [ منیژه براهیمی ]
|
||
[قالب وبلاگ : سیب تم] [Weblog Themes By : SibTheme.com] |