این تحليل در مواقعي به کار گرفتـه مي­شود که هـدف، مشخص کردن وضعیت خوشـه­بندی پدیده­ها در فواصـل مختلف جغرافیایی است (بیلی[1] و همکاران، 1995). به عبارت دیگر پاسخ به اين سوال که "اگر پديده مورد بررسی در یک محدوده کوچکتر دارای الگوی مشخصی باشد آيا در محدوده بزرگتر نیز همان الگو را داراست يا خير؟" هدف اصلي تحليل خوشه­اي چندفاصله­اي مي­باشد. با استفاده از نمودار نشان داده شده در شکل 9-6 بهتر مي­توان مفهوم خوشه­بندي چندفاصله­اي را متوجه شد.

در اين نمودار محور افقي، نشاندهنده فواصل عوارض (نقاط نمونه­برداري شده) از يکديگر مي­باشد. خط مورب پررنگ بیانگر الگوی فضايي پيش­بيني شده براي پدیده مورد بررسی است و خطوط خط چین که در قسمت بالا و پایین الگوی تصادفی مشخص شده نيز نشاندهنده سطوح اطمینان بالا و پایین برای الگوی تصادفی مي­باشند. به عبارت دیگر الگوی تصادفی در

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:

https://gisland.org/

تحلیل خوشه ای فضایی چندفاصله ای، خوشه بندی، نمونه برداری، الگوی فضایی، 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،

روش شرطی این دیدگاه را اتخاذ می­کند که در نمونه­برداری مکرر، تعداد کل نقاط همیشه معادل با n  است و شبیه­ساز­های فرضیه صفر مشروط بر آن که تعداد کل n  باشد، قابل اجرا مي­باشند (هاینینگ[1]، 2003). در اين روش فرض می­شود که n  نقطه به شکل تصادفی در میان m  سلول توزیع می­شوند. این آرايش در تضاد با روش غیرشرطی است که در آن تعداد کل نقاط از یک تحقق به تحقق بعدی، متفاوت است. در اين روش براي آزمون کردن انحراف از تصادفی بودن

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:

https://gisland.org/

 روش شرطي، روش غیر شرطی، نمونه برداری، 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،

فرض اساسی در تخمین، صرف نظر از نوع تخمینگر، مرتبط بودن نمونه­های مورد استفاده در تخمین و یکسانی جمعیت آماری تخمین­ها و مشاهدات است. گاهی اوقات، فرض مزبور برقرار نمی­باشد و لذا قابلیت اعتماد تخمین، مورد خدشه قرار می­گیرد. مفهوم مرتبط بودن مشاهدات در فرآیند تخمین، به صورت شماتیک در شکل زیر نشان داده شده است. مقادیر نمونه­ها بیانگر غلظت سرب (پی­پی­ام) در لایۀ سطحی خاک­های اطراف یک مجتمع صنعتی هستند. به کارگیری تخمینگرهای مختلف (از جمله چندضلعی تیسن و روش مثلثی) جهت تخمین غلظت سرب در نقطۀ تعیین شده، مستلزم استفاده از نمونه­ای است که دارای مقدار 10400 پی­پی­ام است. چنین غلظت بالایی می­تواند ناشی از خطاهای اندازه­گیری و یا ثبت داده­ها باشد. لذا، به عنوان دادۀ مشکوک و یا پرت بایستی با آن برخورد کرد. از سوی دیگر، مشاهدۀ مزبور می­تواند ناشی از نمونه­برداری از یک لکۀ داغ[1]، مانند انباشت

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:

https://gisland.org/

 مدل ایستایی، نمونه، جستجو، نمونه برداری، 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،

یکی از راهکارهای موثر و رایج در مقابله با مشکل نمونه­های زاید و اضافی (ناشی از نمونه­برداری­های مجتمع)، استفاده از محدوده­های جستجوی چهارگوش است. چگونگی انتخاب نمونه­های واقع در فضاهای جستجوی چهارگوش در شکل زیر نشان داده شده است. همان گونه که ملاحظه می­شود، محدودۀ جستجو (همسایگی) به 4 بخش تقسیم شده است. ربع بالا سمت راست، در برگیرندۀ تعداد بیشتری نمونه است که برخی از آن­ها به دلیل فاصلۀ اندک با یکدیگر زائد می­باشند. با معدود ساختن تعداد نمونه­های واقع در بخش­های چهارگانه (مثلاً به دو و یا سه نمونه)، که در فرآیند تخمین بایستی به کار گرفته شوند، اثرات مجتمع بودن نمونه­ها را می­توان تعدیل کرد. بنابراین، در راهکار جستجوی چهار گوش، می­بایستی حداکث تعداد نمونۀ مورد

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:

https://gisland.org/

فضای جستجو چهارگوش ، نمونه برداری، 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،

نمونه برداری

همانطور که گفته شد، از آنجا که نقاط نمونه جزئی از DEM هستند، پراکندگی آنها روی دقت DEM تاثیر می گذارد. برای نمونه برداری روشهای مختلفی وجود دارد که عبارتند از: