مدل سازي روابط فضايي داده هاي محيط زيستي: آمار كلاسيك يا آمار مكاني؟

امروزه تحليل آماري داده هاي محيطي نظير داده هاي زمين شناسي و رسوبي، محيط زيستي، جغرافيايي و ... با توجه به دو شاخه از علم آمار يعني آمار كلاسيك و آمار مكاني انجام مي پذيرد. آن چه كه در اين بين مورد توجه و خواست تمامي پژوهشگران امر مي باشد، يافتن روابط حاكم بر پديده هاي محيطي است. پرسش اساسي در اين زمينه اين است كه رسيدن به اين مهم از چه طريقي (آمار كلاسيك يا آمار مكاني) نتايج متقن تري را به دنبال خواهد داشت. در مرحله نخست بايد گفت كه رگرسيون چندمتغيره راه حلي براي اين پرسش است. از اهداف اساسي اين روش، تحليل، تفسير و رديابي تغييرات از طريق تعيين يك مدل بهينه و در نهايت بازآفريني، برآورد و پيش بيني متغير مورد نظر مي باشد. با احراز اين ويژگي مهم، دو نوع از كاربردي ترين روش هاي رگرسيون چندمتغيره يعني رگرسيون حداقل مربعات معمولي در آمار كلاسيك و رگرسيون موزون جغرافيايي درآمار مكاني را مي توان معرفي كرد. رگرسيون حداقل مربعات معمولي (OLS)، شكلي از رگرسيون خطي جهت پيش بيني كلي يا مدل سازي متغير وابسته به كمك مجموعه اي از متغيرهاي مستقل يا توضيحي است. فرض اساسي در روش هاي رگرسيون عمومي، ثابت بودن روابط و ضرائب در محدوده مورد مطالعه است. به طوري كه نوع رابطه و جهت فراسنج ها از طريق ارائه يك مدل رگرسيوني براي كل منطقه تعيين مي-شود. با توجه به اينكه اكثر داده هاي محيطي حاوي نامانايي مكاني (Spatial Non-Stationary) يا به عبارتي ديگر داراي ناهمگني فضايي هستند، استفاده از يك روش رگرسيون عمومي و كلي براي توصيف كل منطقه و تعيين روابط بين فراسنج ها كافي نيست. لذا مي توان دريافت كه به دليل ناهمگني فضايي، در هر منطقه مي توان شاهد رابطه اي متفاوت بين متغير وابسته و متغيرهاي مستقل بود. از اين رو اگر اين ناهمگني در نظر گرفته نشود و براي كل منطقه فقط به يك مدل رگرسيوني عمومي اكتفا كنيم، نمي توان تخميني دقيق از روابط موجود بين متغيرها داشت. چنين تخمين كلي از منطقه كه گاهي اوقات به صورت تفاسير انحرافي و گمراه كننده از ارتباطات محلي ارائه مي گردد، تناقض سيمپسون مشهور است. به طور كل مي توان دريافت كه پارامترهاي مدل در هر مكان متفاوت مي باشد. انتظار مي رود كه تغيير اين پارامترها به ازاي تغيير در مكان، پيوسته و به آرامي صورت گيرد؛ اين در حالي است كه برآورد مدل هاي جداگانه براي هر منطقه، روندي گسسته براي تغيير در پارامترهاي مدل را در نظر مي گيرد. شايد بتوان گفت كه اين مشكل با در نظر گرفتن پنجره اي متحرك (تعيين حدود مورد مطالعه) حول هر نمونه محيطي و استفاده از تمامي مشاهدات درون پنجره براي برآورد مدل مناسب آن نمونه تا حدودي قابل حل است؛ اما همچنان مشكل ناپيوستگي پارامترهاي برآورد شده پابرجاست. يكي از روش هاي رگرسيوني كه براي تحليل هاي محلي روابط مورد توجه قرار گرفته و از مقبوليت خاصي هم برخوردار مي باشد، روش رگرسيون موزون جغرافيايي (GWR) است. اين روش كه شكل تعميم يافته اي از مدل هاي رگرسيون چندمتغيره است بر پايه اصل جغرافيايي نزديكي همانندي استوار است. به طوري كه به مشاهدات نزديك تر وزن بيشتر و به مشاهدات دورتر وزن كم تري اختصاص داده مي شود. بنابراين با توجه به ويژگي هاي ذكر شده از هر دو روش رگرسيوني در آمار كلاسيك و آمار مكاني مي توان دريافت كه جهت تحليل روابط فضايي داده هاي محيطي استفاده از روش هاي موجود در آمار مكاني كاراتر بوده و تصميم گيري را در سطوح اطمينان بالاتر فراهم مي كند.