دانلود پایان نامه درباره ساختار فضایی و هم وابستگی

فاصله‌ای که در آن مقدار تغییرنما به حد ثابت و مشخص خود می‌رسد را اصطلاحاً دامنه گویند. در ماورای این فاصله نمونه‌ها دیگر برهم اثر ندارند و مقادیر مشاهده یا نمونه‌برداری شده مستقل از یکدیگرند. نمونه‌هایی که با فواصل نزدیک به دامنه جدا شده‌اند، وابستگی مکانی دارند و آن‌هایی که با فاصله بیشتر از دامنه جدا شده‌اند، وابستگی مکانی ندارند. دامنه نیم‌تغییرنما به مقیاس مشاهدات و برهم‌کنش مکانی فرآیندهای خاک در مقیاس نمونه‌برداری بستگی دارد. دامنه حداکثر شعاع لازم که نمونه‌های همسایه در آن قرار می‌گیرند را برای درون‌یابی کریجینگ تعریف می‌کند (ترانگمار و همکاران، 1985). بنابراین دامنه حداکثر فاصله‌ای است که دو نمونه با هم وابستگی دارند و با کاهش فاصله بین دو نقطه، ویژگی‌های اندازه‌گیری شده در آن‌ها به هم شبیه‌تر می‌گردد (وو و همکاران، 2009).
اثر قطعه‌ای
از نظر تئوری مقدار تغییرنما به ازاء h= 0 باید به حداقل مقدار خود، یعنی به صفر تنزل کند. در عمل تغییرنما‌های تجربی از چنین شرایطی تبعیت نمی‌کنند. به مقدار تغییرنما در h= 0 اثر قطعه‌ای گویند. عوامل مختلفی مانند خطاهای نمونه‌برداری و آزمایشگاهی و تغییرات کوتاه دامنه مشخصه مورد مطالعه در فواصل کوتاه‌تر از کوتاه‌ترین فاصله نمونه‌برداری و سایر تغییرات غیرقابل پیش‌بینی، باعث جهش اولیه تغییرنما تجربی و غیرپیوستگی آن در مبدأ مختصات می‌شود.
رفتار تغییرنما در نزدیکی مبدأ
پیوستگی هر متغیر ناحیه‌ای از رفتار تغییرنما در نزدیکی مبدأ مشخص می‌شود. شیب کم تغییرنما در نزدیکی مبدأ دلالت بر وجود پیوستگی متغیر ناحیه‌ای دارد. هر چه شیب تغییرنما در نزدیکی مبدأ بیشتر باشد، ناپیوستگی متغیر ناحیه‌ای در فضای توزیع بیشتر است (شکل ‏21).
شکل ‏21. رفتار تغییرنما در نزدیکی مبدأ
رفتار تغییرنما در بخش میانی
این بخش دلالت بر درجه همگنی و یا ناهمگنی محیط دارد. هر چه شیب این قسمت از منحنی بیشتر باشد، محیط ناهمگن‌تر است و در فاصله کمتری به سقف می‌رسد (شکل ‏22). در این حالت دامنه تأثیر کوچک خواهد شد و در نتیجه ساختار فضایی در فاصله کوچکی وجود خواهد داشت. باید دقت شود که در چنین محیطی فاصله شبکه نمونه‌برداری را باید کوچک‌تر انتخاب کرد.
شکل ‏22 رفتار تغییرنما در بخش میانی
مدل‌های تئوری تغییرنما
دو شیوه برای برازش نیم‌تغییرنما وجود دارد:
استفاده از شکل ظاهری تغییرنما همراه با سعی و خطا جهت برازش تغییرنما به کمک چشم و یاری تجربه.
به کارگیری شیوه‌های آماری برازش منحنی مانند روش حداقل مجموع مربعات باقیمانده (RSS)
کاربران رویکرد اول معتقدند که برازش خودکار و عددی تغییرنما از طریق به کارگیری بسته‌های نرم افزاری همانند استفاده از جعبه سیاهی است که تحلیل‌گر هیچ گونه کنترلی بر فرآیند برازش مدل ندارد و قادر به استفاده از تجارب و اطلاعات خود در فرآیند مدل‌سازی نیست. از سوی دیگر دسته دوم براین باورند که به کارگیری الگوریتم‌های معین و مشخص برازش منحنی، خطر اریب بودن و قضاوت‌های نادرست شخصی در برازش تغییرنما را به حداقل می‌رساند. به‌طور کلی، برازش تغییرنما‌ها به دلایلی مانند ثابت نبودن دقت هر کدام از نقاط تغییرنما، تغییرپذیری مرتبط با همسان‌گردی، نوسانات نقطه به نقطه تغییرنما و غیرخطی بودن غالب مدل‌ها در یک یا بیش از یک پارامتر، دشوار است (محمدی، 1385).
تغییرنما تجربی علاوه بر آن‌که به بررسی و شناخت ویژگی‌های ساختاری متغیر ناحیه‌ای می‌پردازد و چگونگی تغییرات آن را بیان می‌کند، نوعی نقش تلخیص کننده داده‌ها را نیز دارد. قبل از تغییرنما‌های تجربی در تخمین، لازم است به آن‌ها مناسب‌ترین مدل تجربی برازش داده شود. مدل‌های تئوریک به دو دسته تقسیم می‌شوند:
تغییرنما سقف‌دار
تغییرنما‌هایی هستند که ابتدا با افزایش h مقدار نیم‌تغییرنما افزایش می‌یابد و سپس به حد ثابتی که همان سقف است نزدیک می‌شود. در تمام مدل‌های سقف‌دار، رابطه میان تغییرنما و کوتغییرنما به صورت زیر است:
: کوتغییرنما
: حد آستانه یا سقف تغییرنما
: تغییرنما
مدل اثر قطعه‌ای تام
همبستگی بین مقادیر متغیر مورد مطالعه در مقیاس مطالعاتی است. در این حالت مقدار γ به ازاء تمام مقادیر h همان C0 است مگر در h=0 که مقدار γ برابر صفر است (شکل ‏23).
شکل ‏23تغییرنما اثر قطعه‌ای
مدل کروی
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.