کتاب راهنمای کاربردی تهیه نقشه‌های زمین آماری

کتاب راهنمای کاربردی تهیه نقشه‌های زمین آماری نوشته‌ی ‏‫تامسیلاو هنگل، به­ منظور ایجاد اتصال بین نرم‌افزارهای متن­ باز GIS و زبان برنامه­‌نویسی R، پر کردن خلاء موجود و همچنین ترویج روش کریجینگ مبتنی بر رگرسیون برای تهیه نقشه­‌های زمین­ آماری تهیه شده است.

کتاب راهنمای کاربردی تهیه نقشه‌های زمین آماری (A practical guide to geostatistical mapping) برای افرادی مناسب است که دارای آشنایی مقدماتی با مفاهیم و روش‌­های زمین­ آماری هستند و قصد دارند با استفاده از نرم­‌افزارها و کدهای متن­ باز همچون زبان برنامه‌­نویسی R، SAGA GIS، GeoR و گوگل­ ارث به تحلیل­‌های زمین­ آماری و تهیه نقشه­‌های زمین­ آماری بپردازند. زمین­‌شناسان، زیست­‌شناسان، هواشناسان و هیدرولوژیست­‌ها از مخاطبان اصلی این کتاب هستند.

تامسیلاو هنگل (Tomislav Hengl) در این کتاب به مواردی مانند معرفی مفاهیم اولیه زمین­ آماری، مدل­‌های پیش‌­بینی مکانی، تحلیل اکتشافی داده­‌ها، مدل‌سازی تغییرنما، اجرای روش کریجینگ، ساخت و پیش‌­بینی رخداد گونه­‌ها و ... پرداخته است.

در فصل اول این کتاب مفاهیم اولیه زمین آماری و مدل‌های پیش‌بینی مکانی مکانیکی (برای مثال، درون یابی به روش عکس فاصله و اسپیلاین) و آماری (برای مثال، روش کریجینگ) به تفکیک معرفی شده‌اند. در بخش انتهایی این فصل اعتبار سنجی مدل‌های پیش‌بینی مکانی مورد بحث قرار گرفته است. در فصل دوم روش کریجینگ مبتنی بر رگرسیون معرفی شده است. این روش در بخش‌های مختلف کتاب مورد استفاده قرار گرفته است.

کریجینگ مبتنی بر رگرسیون مکان - زمان و مدل‌سازی توزیع گونه‌ها و توپوگرافی نیز در بخش‌های انتهایی این فصل ارائه شده است. الگوریتم‌های بهینه‌سازی الگوی نمونه‌برداری و سایر کاربردهای روش کریجینگ مبتنی بر رگرسیون در بخش 8 و 9 از فصل دوم مورد بحث قرار گرفته است.

در فصل سوم تأکید بر جنبه کاربردی برنامه R و تعدادی از بسته‌های افزونه‌ای آن به همراه یک برنامه منبع باز GIS همچون SAGA GIS است. آخرین بخش این فصل نشان خواهد داد که چگونه نقشه‌های تولید شده را به نرم افزار Google Earth انتقال دهیم. کل این فصل به نوعی یک پیش نیاز برای سایر تمرین‌های این کتاب است.

در فصل چهارم نقش‌هایی از غلظت فلزات سنگین را برای یک ناحیه وسیع (تقریبا کل یک قاره) با استفاده از یک مجموعه بزرگ داده‌های نقطه‌ای و تعداد زیادی از نقشه‌های کمکی تهیه خواهیم کرد. در طی این فصل به تحلیل اکتشافی داده‌ها، مدل‌سازی تغییرنما و اجرای روش کریجینگ خواهیم پرداخت و در انتهای فصل مقایسه‌ای بین روش کریجینگ معمولی و کریجینگ مبتنی بر رگرسیون ارائه خواهد شد.

در بخشی از کتاب راهنمای کاربردی تهیه نقشه‌های زمین آماری می‌خوانیم:

در حالت ایده‌آل، تغییرپذیری مکانی متغیرهای زیست‌محیطی توسط یک سری محدود از داده‌ها تعیین می‌شود، به ‌گونه‌ای که این تغییرات به‌طور دقیق از یک قانون فیزیکی شناخته شده تبعیت می‌کنند. اگر الگوریتم (یا فرمول) تغییرات مکانی مشخص باشد، در این صورت می‌توان مقادیر متغیر هدف را به ‌طور دقیق پیش‌بینی کرد. در دنیای واقعی، رابطه بین عارضه مدنظر و محیط فیزیکی بسیار پیچیده است به‌ گونه‌ای که نمی‌توان آن را به ‌طور دقیق مدل‌سازی کرد (Heuvelink and Webster, 2001). علت این امر به این خاطر است که علم و دانش ما در موارد روبرو دقیق نیست: (الف) لیست نهایی ورودی‌ها به مدل، (ب) قوانین و یا فرمول‌هایی که برای ارتباط دادن ورودی‌ها به خروجی‌ها لازم است، (ج) اهمیت جزء تصادفی در سیستم مورد بررسی. بنابراین، تنها راه‌حل ممکن این است که با استفاده از اندازه‌گیری‌های واقعی متغیر هدف، سعی در تخمین یک مدل نماییم. این روش را با عنوان تخمین غیر مستقیم یا غیرقطعی می‌شناسند.