رگرسیون وزن جغرافیایی
| کادر ۵-۱۱ بررسی روابط پشه‌های نابالغ و تراکم انسان با بروز دنگی در مطالعه موردی |
تایواندنگی یک بیماری ویروسی است که توسط پشه‌ها (به ویژه‌اند aegypti و Andes albopictu) در مناطق گرمسیری و نیمه گرمسیری منتشر می‌شود. زمانی محدود به آسیای جنوب شرقی بود، اما اکنون به جنوب چین و کشورهای اقیانوس آرام و قاره آمریکا گسترش یافته است. دانشمندان مدتهاست که رابطه بین ابتلا به تب دنگی و فراوانی پشه و بروز تب دنگی و تراکم انسان را مطالعه می‌کنند. با این حال، آنها هنوز به خوبی درک نشده اند. اکثر مطالعات بر روی این روابط یک دیدگاه جهانی ارائه کرده‌اند که در آن فرض بر این بود که روابط از نظر مکانی در یک منطقه ثابت است. لین و ون (۲۰۱۱) استدلال کردند که این فرض ممکن است درست نباشد، زیرا این روابط می‌توانند در برخی زمینه‌ها با هم رابطه مثبت داشته باشند، اما در سایر زمینه‌ها به طور منفی یا اصلاً همبستگی نداشته باشند. آنها این روابط را در شهرهای Kaohsiung و Fenhshan در تایوان با استفاده از GWR بررسی کردند. |
| تب دانگ از اواخر قرن نوزدهم در جنوب تایوان مشاهده شده است، در ابتدا به صورت اپیدمی‌های متناوب در فواصل حداکثر تا چهل سال رخ می‌دهد، اما در سالهای اخیر به یک پدیده سالانه این دو شهر از آغاز قرن بیست و یکم تبدیل شد. شکل۵-۲۳ a توزیع مکانی بروز تب دنگی (IR) را در سال ۲۰۰۲ در نشان می‌دهد دو شهر به منظور درک تغییرات مکانی در روابط بین ابتلا به تب دنگی و فراوانی پشه و میزان تب و تراکم انسانی، لین و ون (۲۰۱۱) یک مدل GWR با استفاده از بروز بیماری (اندازه گیری شده در موارد در ۱۰۰۰۰۰ نفر) به عنوان متغیر وابسته ساختند. و حداکثر شاخص ماهانه Breteau (BImax) و تراکم جمعیت (POPden) به عنوان متغیرهای مستقل. شاخص Breteau نشان دهنده تراکم پشه‌های نارس‌اند است که به عنوان تعداد ظروف لارو/شفیره پشه‌اند در هر ۱۰۰ خانه اندازه گیری می‌شود. تراکم جمعیت به عنوان تعداد افراد در کیلومتر مربع اندازه گیری می‌شود. شکل۵-۲۳ b و۵-۲۳ c توزیع مکانی BImax و POPden را در سال ۲۰۰۲ به ترتیب نشان می‌دهد. مدل GWR دارای تنظیم شده ۵۹/۰ است که نشان می‌دهد ۵۹ درصد از کل تغییرات را می‌توان با مدل توضیح داد. شکل ۵-۲۴ تغییرات مکانی در با وزن محلی بین مقادیر مشاهده شده و پیش بینی شده را نشان می‌دهد. |
| مشهود است شکل ۵-۲۴ که مقدار محلی در منطقه مورد مطالعه متفاوت است. مدل GWR در مناطق ۱ ، ۵ ، ۱۰ و ۱۱ بیشتر مناسب است ( شکل ۵-۲۴ را ببینید)، اما در منطقه ۱۲ مناسب نیست، این بدان معناست که متغیرهای دیگر بر بروز تب دنگی در منطقه ۱۲ تأثیر می‌گذارند. |
| تغییرات مکانی در intercept، BImax و POPden در شکل ۵-۲۵ نشان داده شده است. مشاهده می‌شود که مقادیر رهگیری بالاتری در نزدیکی مرز دو شهر (منطقه ۹، ۱۰ و ۱۱) توزیع شده است که نشان می‌دهد علاوه بر فراوانی پشه نابالغ و تراکم جمعیت انسان، متغیرهای توضیحی دیگری نیز باید در نظر گرفته شود. در نزدیکی مرز دو شهر (مناطق ۹ ، ۱۰ و ۱۱) ، که نشان می‌دهد علاوه بر فراوانی پشه‌های نارس و تراکم جمعیت انسانی ، متغیرهای توضیحی دیگری نیز باید در نظر گرفته شوند. رابطه بین بروز تب دنگی و BImax درشکل ۵-۲۵ نشان می‌دهد که با عوامل دیگر یکسان، در مناطق ۲، ۵، ۶، ۷، ۸، ۱۰ و ۱۱ افزایش بیماری دنگی با افزایش BImax مرتبط بود. با این حال در سایر مناطق ، میزان ابتلا به تب بالا با BImax پایین تر و بالعکس همراه بود. توزیع پارامتر تراکم جمعیت یک الگوی مکانی غیر ثابت را با وضوح بیشتری نشان می‌دهد. در نواحی شمالی ، تراکم بالای جمعیت تمایل بیشتری به بروز تب دنگی دارد ، در حالی که بروز دنگ بیشتر به تراکم کمتر جمعیت در مناطق جنوبی مربوط می‌شود. |
شکل ۵-۲۳ توزیع مکانی : (الف) ابتلا به تب دنگی، (ب) حداکثر شاخص برتو و (ج) تراکم جمعیت در سال ۲۰۰۲ در شهرهای کائوسیونگ و فنگشان (واحد منطقه لی، کمترین واحد اداری در تایوان است) (با اجازه Tzai- تکثیر شده است) هونگ ون)
شکل ۵-۲۴ توزیع مکانی R2 محلی (با اجازه Tzai-Hung Wen تکثیر شده است)
شکل ۵-۲۵ ضرایب intercept ، BImax و POPden (با اجازه Tzai-Hung Wen تکثیر شده است)
خلاصه
- تجزیه و تحلیل داده‌های مکانی اکتشافی در مورد تشخیص و تعیین الگوها ، روندها و ارتباطات در داده‌های مکانی است. می‌تواند به فرمول‌بندی فرضیه‌هایی در مورد علل پدیده‌های محیطی مشاهده‌شده، ارزیابی مفروضاتی که استنتاج آماری بر اساس آنها استوار است، تعیین روابط بین متغیرهای توضیحی و فراهم کردن مبنایی برای جمع‌آوری داده‌های بیشتر کمک کند. تجزیه و تحلیل داده‌های مکانی اکتشافی معمولاً قبل از شروع مدل سازی رسمی استفاده می‌شود و می‌تواند به توسعه مدل‌های پیچیده تر کمک کند.
- از آنجا که به طور کلی امکان مشاهده مشاهدات پدیده‌های محیطی در هر مکان در یک منطقه وجود ندارد، محققان به طور معمول برای انجام یک مطالعه مشاهده ای در مجموعه ای از مکان‌های منتخب ، از نمونه برداری مکانی استفاده می‌کنند. مهم است که داده‌های جمع آوری شده در مجموعه مکان‌های انتخاب شده نماینده باشد و به صورت سیستماتیک جانبداری نکند. معمول ترین طرح‌های نمونه گیری مکانی شامل نمونه گیری تصادفی ساده نقطه ای ، نمونه گیری منظم نقطه ای ، نمونه گیری نقطه ای طبقه ای ، نمونه گیری نقطه ای خوشه ای و نمونه برداری از ناحیه می‌باشد.
- توزیع مکانی ویژگی‌های جغرافیایی را می‌توان با استفاده از معیارهای آماری گرایش و پراکندگی مرکزی توصیف کرد. معیارهای گرایش مرکزی مرکز توزیع را پیدا می‌کند ، از جمله ویژگی مرکزی ، مرکز میانگین ، مرکز میانی و میانگین جهت خطی. معیارهای پراکندگی چگونگی گسترش یا پراکندگی ویژگی‌های جغرافیایی در مرکز توزیع مکانی آنها را توصیف می‌کند. فاصله استاندارد و بیضی انحرافی استاندارد دو معیار متداول پراکندگی هستند.
- آمار مکانی برای درک الگوهای مکانی با اندازه گیری اینکه آیا ویژگی‌های جغرافیایی به صورت خوشه ای، پراکنده یا به طور تصادفی در یک منطقه توزیع شده اند، استفاده شده است. تحلیل نزدیکترین همسایه و Moran’s I آمار مکانی جهانی هستند که برای تشخیص الگوی مکانی کلی استفاده می‌شوند، در حالی که Moran’s I و Getis Ord آمارهای مکانی محلی برای شناسایی خوشه‌های مکانی در سطح محلی هستند.
- روابط مکانی بین پدیده‌های محیطی را می‌توان با رگرسیون ارزیابی کرد. رگرسیون متعارف فرض می‌کند که روابط ثابت و یکنواخت در همه جا در یک منطقه است. رگرسیون با وزن جغرافیایی فرض می‌کند که روابط از نظر مکانی در یک چشم انداز متفاوت است و معادله رگرسیون را در هر نقطه از فضا با ضرایب وزنی متناسب می‌کند ، که ابزاری قدرتمند برای کشف ناهمگونی مکانی و درک روابط مکانی است.
بدون دیدگاه