উচ্চ নগেট প্রভাব সহ সেমিভারিওগ্রামের ব্যাখ্যা?


10

আমি প্যাকেজ জিস্ট্যাট, variogram()ফাংশন ব্যবহার করে আর-তে একটি সেমিভিওগ্রাম তৈরি করেছি । আমি দেখতে চাই যে আমার মডেলের অবশিষ্টাংশগুলিতে স্থানিক অটোকোরিলেশন আছে কিনা (আবাসস্থলের ক্রম হিসাবে প্রজাতির প্রাচুর্য, সাইটগুলি জুড়ে কয়েক কিমি থেকে 900 কিলোমিটার দূরে, একটি গ্লিম ব্যবহার করে)।

আমার ইউনিটগুলি কিলোমিটারে রয়েছে, এবং তাই আমার ব্যাখ্যাটি হল যে স্থানিক স্বতঃসংশ্লিষ্টতা আর কোনও "সমস্যা" না হওয়া পর্যন্ত পরিসীমাটি মাত্র 100 কিলোমিটারের বেশি। আমি ভাবছি কেউ যদি নাগেট এত উঁচু কেন বলে বোঝাতে পারে? এর অর্থ কি এই একই জায়গায় একই স্থানে এখনও তুলনামূলকভাবে উচ্চতর ডিগ্রি আছে? বা, এই avyেউয়ের আকারের ভেরোগ্রামের অর্থ কি আরও সাধারণ আকার না পাওয়া পর্যন্ত আমার ল্যাগ এবং ল্যাগের দূরত্বের সংখ্যাটি সামঞ্জস্য করা উচিত?

জিস্ট্যাট, ডিফল্ট ব্রেক এবং সর্বাধিক দূরত্ব ব্যবহার করে

কিছুটা আরও তদন্ত করার জন্য, আমি variog()প্যাকেজ জিওআর-তে ফাংশনটিও ব্যবহার করেছিলাম, এবং breaks=seq(0,100,10)আরও কাছাকাছি দূরত্বগুলি দেখতে (একই পয়েন্টগুলি এবং একই মডেলের অবশিষ্টাংশগুলি ব্যবহার করে) চেষ্টা করতে এবং ব্যবহার করেছিলাম । এটি একটি নির্দেশ করে যে নিকটতম পয়েন্টগুলি আরও পৃথক, যা বোঝায় না। হতে পারে এটি ইঙ্গিত দেয় যে কোনও স্থানিক অটোকোরিলেশন নেই এবং এটির জন্য ইতিমধ্যে আমার মডেল অ্যাকাউন্ট করে।

জিওআর ব্যবহার করে, 100 কিলোমিটার অবধি

আমি এই দুর্দান্ত উত্সটি পেয়েছি, "অশ্রু ছাড়াই জিওস্টাটস" এবং 51 পৃষ্ঠায় ফিটিং ভেরোগ্রামগুলির বিষয়ে কিছু ভাল পরামর্শ রয়েছে। এই পরামর্শের দ্বারা, আমার প্রথমটির সঠিক ব্যাপ্তি রয়েছে বলে মনে হচ্ছে। সুতরাং এটি প্রথম প্রশ্নে ফিরে যায় - আমি এটি কীভাবে ব্যাখ্যা করব?


1
আপনার অবশিষ্টাংশগুলিতে কোনও স্থানিক স্ব-সংশোধন নেই বলে মনে হয়, তাই এটি আপনার ক্ষেত্রে বরং সুসংবাদ, তাই না?
Radouxju

আমি নিশ্চিত ছিলাম না যে আমি এটির সঠিক ব্যাখ্যা দিচ্ছি, তবে যদি এইরকম উচ্চ ন্যগেট এবং একটি avyেউয়ের প্লট না থাকলে প্রায় কোনও স্ব-সংশ্লেষ (কোনও ভেরোগ্রামের অপব্যবহারের বিপরীতে) নির্দেশ করে, তবে হ্যাঁ - এটি দুর্দান্ত খবর! ব্যাখ্যার বিষয়ে আপনার মতামতের জন্য ধন্যবাদ, জেনে রাখা ভাল যে আমি পথ ছাড়ছি না।
স্নোটোসুরফ

উত্তর:


4

আমি ভাবছি কেউ যদি নাগেট এত উঁচু কেন বলে বোঝাতে পারে? এর অর্থ কি এই একই জায়গায় একই স্থানে এখনও তুলনামূলকভাবে উচ্চতর ডিগ্রি আছে?

হ্যাঁ, একটি উচ্চ ন্যুগেট ইফেক্ট (উত্সত উচ্চ আধা বিভাজন) বলছে যে ছোট দূরত্বের নমুনা তথ্যের মধ্যে একটি দুর্বল (বা কোনও নয়) স্থানিক নির্ভরতা (স্বতঃসংশ্লিষ্ট) রয়েছে। স্যাম্পলিং ব্যবধানের তুলনায় সংক্ষিপ্ত পরিসীমাযুক্ত তথ্যের কাঠামোর ক্ষেত্রে এটি ঘটতে পারে তবে দ্বিতীয় চিত্রটি মনে হয় এটি তেমনটি নয়।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.