لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمار فضایی Crunch
- آخرین آپدیت
دانلود Crunch Spatial Stats
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دادههای مکانی در همه جا هستند، اما نقشهها به تنهایی میتوانند گمراهکننده باشند. در دوره آمار فضایی Crunch، شما فراتر از الگوهای بصری خواهید رفت و از آمار فضایی برای رسیدن به نتایج مستدل و مبتنی بر شواهد از دادههای مکانمحور استفاده خواهید کرد. با کار بر روی نمونههای واقعی کیفیت هوا، مهارتهای عملی برای آزمایش معنادار بودن الگوها، تخمین شرایط بین اندازهگیریها و توضیح نحوه تغییر روابط فضایی با فاصله را توسعه خواهید داد. این دوره بر استدلال و تفسیر شفاف تأکید دارد، نه ریاضیات پیچیده؛ بنابراین شما خواهید توانست نتایج را با اعتماد به نفس برای مخاطبان فنی و غیرفنی توضیح دهید.
در پایان این دوره، شما قادر خواهید بود شاخص Global Moran’s I را برای یک لایه پلیگون محاسبه کنید، درونیابی IDW را برای مشاهدات نقطهای انجام دهید و سمواریوگرامها را برای ارزیابی خودهمبستگی فضایی تفسیر کنید.
در طول این دوره، مهارتهایی را تمرین خواهید کرد که معمولاً در نظارتهای محیطی، سلامت عمومی و نقشهای تحلیل فضایی استفاده میشوند و بر درک مفروضات و محدودیتهای پشت هر روش تمرکز خواهید کرد. این دوره برای مبتدیان طراحی شده است. شما تنها به آشنایی اولیه با نقشهها، مجموعهدادههای جدولی و آمار توصیفی ساده نیاز دارید و هیچ تجربه قبلی در زمینه آمار فضایی یا مدلسازی زمینآماری لازم نیست.
سرفصل ها و درس ها
شناسایی الگوهای فضایی با Global Moran’s I
Detecting Spatial Patterns with Global Moran’s I
خوشآمدگویی و معرفی دوره
Welcome and Course Introduction
توضیح Global Moran’s I: اندازهگیری خودهمبستگی فضایی
Global Moran’s I Explained: Measuring Spatial Autocorrelation
تخمین سطوح با درونیابی IDW
Estimating Surfaces with IDW Interpolation
از نقاط به سطوح: چرا درونیابی اهمیت دارد
From Points to Surfaces: Why Interpolation Matters
نحوه عملکرد درونیابی IDW برای پیشبینی فضایی
How IDW Interpolation Works for Spatial Prediction
درک خودهمبستگی فضایی با سمواریوگرامها
Understanding Spatial Autocorrelation with Semivariograms
نمایش نظرات