دانلود پایان نامه درباره ساختار فضایی و انحراف معیار

آمار مکانی
حذف اعداد پرت
عدد پرت مقداری است که از سایر داده‌های اطرافش، به طور مشخصی متفاوت باشد. با استفاده از چند روش می‌توان اعداد پرت را تشخیص داد:
از طریق هیستوگرام داده‌ها،
پراکندگی در حد 4 برابر انحراف معیار از میانگین و
شناسایی اعداد پرت با روش Local Moranʼs I Index)). (آنسلین، 1995).
در این تحقیق روش سوم جهت شناسایی اعداد پرت در نظر گرفته شد. این روش موقعیت نقاطی را مشخص می‌کند که به نظر می‌رسد غیر متعارف باشند. این نقاط، نقاطی هستند که پیش از آنکه سطحی تولید شود نیاز به حذف شدن دارند. پارامترهای این روش، اندازه‌گیری‌های مربوط به معنی‌داری آماری هستند. این مقادیر نشان می‌دهند که آیا خوشه بندی مکانی از آنچه در توزیع تصادفی انتظار می‌رود، معنی‌دارترست یا خیر.
محاسبه تغییرنما و برازش مدل‌های تئوری بر آن
تابع تغییرنما ابزار کلیدی در نظریه متغیرهای ناحیه‌ای است و براساس این فرض شکل گرفته که نیم تغییر نما به طور نرمال توزیع یافته و داده‌ها از فرضیات پایایی پیروی می کنند (وبستر، 1985b) تغییرنما تجربی عبارت است از متوسط مجذور اختلاف بین دو مشاهده Z(x) و Z (x+h) در 2 موقعیت مکانی واقع در فضای نمونه‌برداری است که توسط آرایه h از هم جدا شده اند. برای رسم تغییرنما باید مقادیر γ2 را به ازای مقادیر مختلف طول گام (h) محاسبه نمود. سپس مقدار تغییرنما به ازای فواصل مختلف h در یک نمودار رسم گردد.
فرمول نیم تغییر نما:
: نیم تغییر نما برای N جفت داده که با فاصله h از هم جدا شده‌اند.
تغییرنما در حقیقت سنجش‌گر میانگین عدم شباهت داده‌ها در 2 موقعیت مکانی x)) و (x+h) به عنوان تابعی از فاصله بین آن‌ها (h) است. فرمول توسط ماترون، (1963) و وبستر، (1985) بیان شد. به عبارت دیگر نیم تغییر نما گرافی است که واریانس بین نقاط جدا از هم را به عنوان تابعی از فاصله جداکننده آن ها رسم می‌کند (یانگ و همکاران، 2005).
در این تحقیق از نرم‌افزار Arc GIS® 10 برای رسم تغییرنما ها استفاده گردید. مدل‌ها بصورت تجربی و بر اساس نتایج ارزیابی متقابل انتخاب شدند و مدل‌های کروی، نمایی و گوسی بر تغییرنما تجربی برازش داده شدند. برای تهیه نقشه‌ها از نرم افزار ArcGIS® (Version 10) استفاده شد.
تخمین مقادیر در نقاط نمونه برداری نشده
به منظور تخمین مقادیر خاک در نقاط نمونه برداری نشده از روش‌های عکس فاصله و کریجینگ استفاده گردید.
روش وزندهی عکس فاصله
در روش وزندهی عکس فاصله، فرض بر این است که نسبت همبستگیها و شباهتها بین همسایهها متناسب است با فاصله بین آنها که میتواند به صورت تابع عکس فاصله هر نقطه از نقاط همسایگی اش تعریف شود. در این روش باید شعاع همسایگی و پارامتر نمایی مربوط به تابع عکس فاصله تعیین گردد. فاکتور اساسی که در دقت این روش اثر دارد براساس نظر ایزاک و سریواستاوا (1989)، پارامتر نمایی است:
: مقدار تخمین زده شده برای متغیر Z در نقطه مورد تخمین
: مقدار نمونه های واقع در همسایگی محل تخمین
: فاصله نقطه مورد تخمین تا هر یک از نمونه های واقع در همسایگی آن
N: تعداد نقاط واقع در همسایگی برای ارزیابی نقطه مورد تخمین
α: ضرایبی که وزن‌ها را بر اساس فاصله تعیین می‌کند
کریجینگ
تخمین‌های کریجینگ به عنوان مجموع وزن‌دار شده غلظت نمونه‌های مجاور محاسبه می‌گردد. بنابراین اگر داده‌ها خیلی در فضا گسترده باشند، نقاطی که به نقطه مورد تخمین نزدیکتر هستند نسبت به آنهایی که دورترند، وزن بیشتری دریافت می‌کنند (کریس، 1990). به منظور تعیین منطقه‌ای که در آن ساختار فضایی وجود دارد، نیم تغییر نما برای هر پارامتر خاک رسم می‌گردد. از این طریق شعاع جستجو که معمولاً آن را دو سوم دامنه تأثیر در نظر می‌گیرند، تعیین می‌شود و از نمونه‌های واقع در این شعاع در امر تخمین استفاده می‌شود. به علاوه وجود یا عدم وجود ناهمسان‌گردی را نیز قبل از انجام کریجینگ باید تعیین نمود تا در صورت وجود ناهمسان گردی، محدوده مورد نظر که بیضی شکل بوده، مشخص گردد و تخمین‌ها در جهت حداقل تغییرات صورت می‌پذیرد، اما در حالت همسان گردی، محدوده مورد تخمین، دایره‌ای شکل بوده که شعاع آن مناسب با دامنه مدل برازش داده شده بر نیم تغییر نما است و از تمام نقاط موجود در این محدوده در تخمین استفاده می‌گردد.
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.