RASA2018 lehele || English

Ruumiline autokorrelatsioon

Autokorrelatsioon on sarnasus sama tunnuse vahel teatud ajalise ja/või ruumilise vahega vaatluste puhul. Enamasti on autokorelatsioon väikese vahemaa puhul positiivne, seega lähestikku olevad andmed on sarnased, sest neid on kujundanud samad piirkondlikud faktorid. Autokorrelatsioon võib mõne vahemaa juures olla ka negatiivne.

Lisaks 2D ja 3D autokorrelatsiooni arvutamise ülesannetele on siia teemasse lülitatud ka sarnasuskordajate arvutamise ja Mantel korrelatsiooni näide.
Vastamata
Vastatud
Täiendamist ootav
Täiendatud
Hinnatud
ID P Ülesanne või küsimus
3966 3 Manustatud failis on puistu koosseisu vaatluste tulemused sajas Saare maakonna kohas aastal 2002: koha koordinaadid, puude katvused (kuusk...muu), puistu üldine katvus, maakattetüüp ja Landsat ETM+ kanalites mõõdetud peegeldunud kiirgus (TM1 ... TM8).
  1. Lähedased kohad on ilmselt sarnasemad kui kauged. Kui kaugele sarnasus püsib, kui arvutada rM statistik 500 m laiuste vahemikena?
  2. Kui tugev ja kui oluline on Mantel korrelatsioon vahemaa ja puistu koosseisu vahel raadiuses 500 m ja raadiuses 1000 m?
  3. Millise vahemaani on korrelatsioon p < 0.05 tasemel statistiliselt oluline?
Ava
3967 2 Manustatud failis on maikuu sademete hulk Baltimaade ilmavaatlusjaamades eri aastatel.
  1. Millised aeg-ruumilised p < 0,01 tasemel olulised struktuurid ilmnevad selles andmestikus?
  2. Kuidas kasutaksid 2017.a. maikuus Tõraveres mõõdetud sademete hulka sademete hulga prognoosimiseks Tallinnas aastaks 2028?
  3. Lisa vastusele tulemuste graafik.
Ava
3988 3 Lisatud failis on Baltimaade ilmavaatlusjaamades mõõdetud keskmine sademete hulk sügiskuudel (septembris, oktoobris, novembris).
  1. Arvuta sügiskuude summaarse sademete hulga ruumiline autokorrelogramm 10 km sammuga kuni 500 km kauguseni ja lisa see vastusele.
  2. Millises kaugusvahemikus on ruumiline seos p < 0.01 tasemel oluline?
  3. Kuidas saab arvutatud tulemusi rakendada Baltimaade kliima-piirkondade eristamisel?
Ava