تحلیل فضایی

در دهه 1980 ظهور سیستم اطلاعات جغرافیایی بر تقویت نگرش تحلیل فضایی کمک شایانی کرد. جایگاه عملی نگرش تحلیل فضایی محیط نرم افزار سیستم اطلاعات جغرافیایی است. تاکید فراوان به مسأله فضا و پراکندگی متغیر ها بر روی آن سبب برتری یافتن و رجحان دادن نگرش تحلیل فضایی بر سایر نگرش ها است: رابطه ی انسان و محیط به مثابه ی رابطه ی فضایی پراکندگی انسان با پراکندگی منابع طبیعی یا محیطی تعریف می شود.
در نگرش ناحیه ای نیز ناحیه ها بر اساس پراکندگی متغیر های فضایی و میزان تجانس و شباهت آن ها تعریف می شود. پس اساس همه نگرش های دیگر هم پراکندگی ها و چگونگی عملکرد آن ها بر روی زمین است. تحلیل فضایی بعد از انقلاب کمی رایج شد و عمدتا شامل استفاده از روش ها و فرآیند های کمی در تحلیل آرایش فضایی پدیده ها یا پراکندگی ها است.
در تعریفی ساده و جامع می توان تحلیل فضایی را کاربرد روش های کمی در مطالعه ی دقیق و عمیق الگوهای نقطه ای، خطی و مساحتی بر روی نقشه بیان کرد.بعد ها روش های مدل سازی و ریاضیات هم به پردازش داده های جغرافیایی اضافه شد.تحلیل فضایی داده ها می کوشد دانش نهفته در پراکندگی داده های جغرافیایی یعنی قوانین، نظام و الگوهای فضایی را کشف کند.

کلمه تحلیل در زبان فارسی معمولا همراه با کلمه تجزیه برای تجزیه ی یک ماده یا مفهوم به ساده ترین عناصر تشکیل دهنده به منظور درک آسان آن به کار می رود.موارد کاربرد ان در علم شیمی بسیار رایج است، در عین حال در جغرافیا نیز چنین معنایی مراد است. اینکه ما پراکندگی ها را به ساده ترین عناصر تشکیل دهنده ی آنها یعنی قوانین و نظام فضایی تجزیه کنیم. مراد از مفهوم تحلیل فضایی، نخست توصیف پراکندگی ها از نظر ساختار فضایی است. سپس بر اساس رابطه ی فضایی آنها با پزاکندگی های دیگر استدلال برای دلیل وجودی آنها صورت می گیرد.

گودچایلد ، ویژگی های مهم تحلیل فضایی را با شرح زیر بیان می کند:

الگوی فضایی ما را به عوامل و فرآیند های کنترل کننده ی آنها هدایت می کند.

در رویکرد فضایی داده ها از همه منابع با یکدیگر یکپارچه می شوند، زیرا فضا تنها ظرفی است که می توان همه داده ها را در آن قرار داد.

نظریه های فضایی براساس عناصر اولیه ای مانند فاصله، مکان و جهت ساخته می شوند.مثلا رگرسیون وزن دار جغرافیایی برای مکان های مختلف وزن های متفاوت دارد.

پیش بینی، طراحی، سیاست گذاری و سرانجام برنامه ریزی فضایی در رویکرد فضایی عملی تر و دقیق تر انجام می شود.

برای مدت­ها عدم امکان انجام تحلیل­های آمار فضایی در نرم­افزارهای رایج سیستم­های اطلاعات جغرافیایی نوعی کاستي محسوب می­گردید و این باعث شده بود که نرم­افزارهای ویژه­ای مانند SpaceStat و GeoDat برای انجام تحلیل­های آمار فضایی به وجود آیند. اگر چه این نرم­افزارها کاستي ­هاي موجود را تا حدی پوشش می­دادند ولی به دلیل آن که هیچ کدام از آن­ها نرم­افزارهای سیستم­های اطلاعات جغرافیایی محسوب نمی­شوند کاربران در نهایت مجبور بودند که داده­های خود را از نرم­افزارهای سیستم­های اطلاعات جغرافیایی به این نرم­افزارها منتقل کرده و تحلیل­های مورد نظر را انجام و سپس نتایج را به نرم­افزار سیستم­های اطلاعات جغرافیایی منتقل کنند. از سال ۲۰۰۴ موسسه ESRI اقدام به افزودن مجموعه ابزارهای تحلیلی جدیدی به نرم­افزار ArcGIS کرد که تحت عنوان ابزارهای آمار فضایی شناخته می ­شوند .
ابزارهای آمار فضایی شامل مجموعه هایی از تکنیک­ها و روش­ها برای توصیف و مدل­سازی داده­ های فضایی می­ باشند. در برخی از موارد این ابزارها همان کارهایی را انجام می­دهند که ما می ­توانیم با ملاحظه نقشه­ ها و با استفاده از چشم و ذهن خود نیز انجام دهیم ولی در مواردی که حجم داده­ ها زیاد است و توزیع و یا پراکندگی آن­ها در فضا پیچیده ­تر است استفاده از آماره ­های فضایی می ­تواند به افزایش دقت نتایج و مشاهدات کمک زیادی نماید.جعبه ابزار آمار فضايي در تمامي سطوح تحت مجوز ArcGIS Desktop ازجمله سطح پايه، استاندارد و پیشرفته، در دسترس است.اين جعبه ابزار شامل -عدادی ابزار به شرح زیر است:
_دسته ابزار سنجش توزیع جغرافیایی
– دسته ابزار تجزیه و تحلیل الگو

دسته ابزار سنجش توزیع جغرافیایی

سنجش توصیفی داده ­های فضایی، در ارزیابی مفاهیم بنیادین جغرافیایی مانند سطوح دسترسی و پراکندگی حائز اهمیت می­ باشد (جوی­زاده و همکاران، ۱۳۹۶). دسته ابزار سنجش توزيع جغرافيايي در جعبه ابزار آمار فضايي شامل مجموعه‌ ابزارهایی است که آمار توصیفی جغرافیایی را بررسي مي­ کنند. از جمله اين ابزارها عبارتند از: عارضه مرکزی، توزیع جهت­ دار، ميانگين جهت­ دار خطی، مرکز ميانگين، مرکز میانه و فاصله استاندارد. این مجموعه ابزار روي هم رفته اکتشاف آماری پایه را انجام مي­ دهند. آمار توصیفی پایه، نقطه شروع و آغازين تحلیل­هاي آماري مي­ باشد.

ابزارهای عارضه مرکزي، مرکز میانگین و مرکز میانه قابليت­هاي مشابهي دارند. خروجي همه اين ابزارها يک کلاس عارضه است که فقط يک عارضه دارد و بيانگر مرکزگرايي مجموعه داده جغرافیایی است. ابزار میانگین جهت­ دار خطی، میانگین جهت، طول و مرکز جغرافیایی مجموعه خطوط را مشخص می‌کند. خروجی این ابزار یک کلاس عارضه حاوي یک عارضه خطی است. ابزارهاي فاصله استاندارد و توزیع جهت­ دار به دلیل اندازه­ گیری درجه‌ تمرکز يا پراکنش عوارض حول مرکز هندسي، با يکديگر مشابه هستند؛ اما ابزار توزیع جهت­ دار، که با عنوان «بيضي انحراف استاندارد» نيز معرفي مي­ شود قادر به اندازه ­گیری جهت­ گیری مجموعه داده‌ها نيز مي­ باشد.

بیضی های انحراف استاندارد
مرغدار ی های ایران

انحراف معیار توزیع واحد های
مرغداری در ایران

خروجی ابزار تحلیل الگوها به صورت
خروجی آماری است

ابزارهای موجود در دسته ابزار تحلیل الگو

میانگین نزدیکترین همسايگي

این ابزار، شاخص نزدیکترین همسايه را بر اساس میانگین فاصله هر عارضه نسبت به نزدیکترین همسايه خود محاسبه می‌کند. برای هر عارضه در یک مجموعه داده، فاصله تانزدیک‌ترین همسايه محاسبه شده و سپس يک ميانگين فاصله محاسبه می‌شود. اين ميانگين فاصله با ميانگين فاصله قابل انتظار مقایسه می ­شود. در انجام این کار، نسبت ANN به وجود می‌آید که نسبت «مشاهده شده به قابل انتظار» مي­ باشد. اگر اين نسبت کمتر از ۱ باشد، می‌توان گفت که داده‌ها الگوي خوشه‌ای دارند، در حالی که مقادیر بیشتر از ۱ نشان دهنده الگوی پراکنده در داده ­ها مي­باشد.

خودهمبستگي فضایی

این ابزار با سنجش همزمان موقعيت عارضه­ ها و مقادير اطلاعات توصيفي، خودهمبستگي فضايي را اندازه­ گیری مي­ کند. اگر عارضه­ هاي نزدیک به هم دارای مقادیر مشابه باشند، آن­ها راخوشه‌ای می­ نامند. با این حال، اگر عارضه­ هاي نزدیک به هم مقادیر مختلف داشته باشند، داراي الگوی پراکنده هستند. این ابزار مقدار شاخص Iموران را همراه با یک نمره Z و یک مقدار p مشخص مي­ کند.

خودهمبستگي فضايي (Morans I)

کارکرد این ابزار مشابه با ابزار قبلی است، اما خودهمبستگي فضايي را برای طیف وسیعی از فواصل اندازه­ گیری می­ کند و می‌تواند یک نمودار پراکندگي را از فواصل همراه با نمره ­هاي Z مربوطه ارائه کند. این ابزار مشابه با ابزار لکه داغ بهينه عمل مي ­کند اما اغلب برای نتیجه­ گیری از آن استفاده نمی‌شود و معمولاً به عنوان کمکي ابزارهاي تحليل لکه داغ و تراکم نقطه مورد استفاده قرار می­ گیرد.

خوشه­ بندی زیاد / کم (G عمومي گتيس-اُرد)

آماره عمومي گتيس و اُرد زماني به کار مي ­رود که وجود الگوی خوشه ه­ای در نقاط برداشت داده­ ها محرز است، اما پژوهشگر مي­ خواهد بداند که مقادیر زیاد موجب الگوی خوشه ­بندی شده یا مقادیرکم خوشه­ها را ايجاد کرده است (بوتس و همکاران، ۱۹۸۸). این ابزار براي بررسي خوشه‌های مقادير زیاد و خوشه‌های مقادير کم به کار مي­ رود. به عبارت ديگر اين ابزار تراکم مقادیر زیاد یا کم را در يک محدوده مورد مطالعه اندازه­ گيري کرده و G عمومي مشاهده شده، G عمومي قابل انتظار، نمره Z، و مقدار p را مشخص مي­ کند و استفاده از آن زمانی که مقادیر نسبتاً یکسان توزیع شده باشند مناسب است.

تحلیل خوشه ­بندي‌ فضایی چند فاصله ه­ای (تابع K ريپليز)

این ابزار تعیین می‌کند که عارضه­ ها از نظر موقعيت، خوشه­بندی یا پراکندگی قابل توجه نشان می‌دهند یا نه. اما بر خلاف ساير ابزارهای تعيين الگوي فضایی که در این بخش مورد بررسی قرار مي­ گيرد، اين ابزار یک مقدار را در مکان مورد نظر اندازه­ گيري نمي­ کند و فقط خوشه ­بندي موجود در مکان عارضه ­ها را تعیین مي ­نمايد. اين ابزار اغلب در رشته­ هايي مانند مطالعات زیست محیطی، بهداشت و جرم شناسی مورد استفاده قرار مي­ گيرد که در آن­ها سعی بر اين است که تأثير يک عارضه بر عارضه ­هاي دیگر مشخص شود.

Add a Title here

[ux_products style=”overlay” slider_nav_style=”circle” slider_nav_position=”outside” columns=”2″ columns__sm=”2″ animate=”fadeInLeft” image_height=”166%” image_size=”medium” image_hover=”overlay-add”]

Featured

[ux_products style=”overlay” slider_nav_style=”circle” slider_nav_position=”outside” columns=”2″ columns__sm=”2″ animate=”fadeInLeft” show=”featured” image_height=”166%” image_size=”medium” image_hover=”overlay-add”]
Unable to communicate with Instagram.