ОПЫТ ИСПОЛЬЗОВАНИЯ СТАТИСТИЧЕСКИХ МЕТОДОВ ДЛЯ АНАЛИЗА ЭКОЛОГИЧЕСКИХ ДАННЫХ

Владимир Мансурович Буре, Ольга Александровна Митрофанова, Vladimir Bure, Olga Mitrofanova

Аннотация


Существует ряд задач, связанных с прогнозом пространственного распределения экологических параметров. В работе в качестве примеров применения статистических методов для анализа экологических данных рассматриваются две схожие задачи.

Первая задача заключается в количественной оценке обеспеченности растений азотом по данным аэрофотосъемки. Точный прогноз потребности растений в питательных веществах в период выращивания необходим для эффективного использования удобрений, выгодной урожайности и высокого качества продукции. Метод решения этой задачи основан на анализе оптических характеристик растений по цифровым изображениям. Для усовершенствования данного метода разработан модуль, отвечающий за автоматическое построение калибровочных кривых для количественной оценки обеспеченности растений азотом.

Вторая задача заключается в оценке уровня экологического показателя в выделенной зоне поля. Предполагается, что исходными данными являются набор экологических или агрохимических данных, измеренных контактным способом, а также аэрофотоснимок рассматриваемого объекта. В статье предложен подход к решению задачи с совместным использованием методов кригинга и бинарной регрессии. На первом этапе проводится вариограммный анализ, после чего строится набор оценок экологического параметра с помощью метода ординарного кригинга. Далее задается пороговое значение параметра для рассматриваемой зоны, вводится фиктивная переменная, которая принимает значение 1, если значение параметра превысило пороговое, и 0 в ином случае. Таким образом, получается основа для логистической регрессии, где в факторы входит набор оценок, спрогнозированных методом кригинга.

Кроме того, в статье представлены примеры реализации рассмотренных методов.


Ключевые слова


Аэрофотосъемка; обобщенная характеристика цвета; построение калибровочных кривых; экологические данные; ординарный кригинг; бинарная регрессия.

Полный текст:

PDF

Литература


Буре В. М. Методология статистического анализа опытных данных. СПб.: С-Петерб. гос. ун-т, 2007. 141 с.

Буре В. М., Парилина Е. М. Теория вероятностей и математическая статистика: учебное пособие. СПб.: Лань, 2013. 416 с.

Демьянов В. В., Савельева Е. А. Геостатистика: теория и практика. М.: Ин-т проблем безопасности развития атомной энергетики РАН; Наука, 2010. 327 с.

Митрофанова О. А., Буре В. М., Канаш Е. В. Математический модуль для автоматизации колориметрического метода оценки обеспеченности растений азотом // Вестн. С.-Петерб. ун-та. Сер. 10. Прикладная математика. Информатика. Процессы управления. 2016. Вып. 1. С. 85--91.

Якушев В. П., Буре В. М. Подходы к обнаружению статистических зависимостей. СПб.: С.-Петерб. гос. ун-т, 2003. 64 с.

Якушев В. П., Буре В. М., Парилина Е. М. Бинарная регрессия и ее применение в агрофизике. СПб.: Агрофиз. ин-т, 2015. 36 с.

Якушев В. П., Канаш Е. В., Конев А. А., Ковтюх С. Н., Лекомцев П. В., Матвеенко Д. А., Петрушин А. Ф., Якушев В. В., Буре В. М., Осипов Ю. А., Русаков Д. В. Теоретические и методические основы выделения однородных технологических зон для дифференцированного применения средств химизации по оптическим характеристикам посева: практическое пособие. СПб.: Агрофиз. ин-т, 2010. 60 с.

Fernandes G. B., Artes R. Spatial dependence in credit risk and its improvement in credit scoring // European Journal of Operational Research. 2016. No. 249. P. 517--524.

References

Bure V. M. Metodologiya statisticheskogo

analiza opytnykh dannykh [Statistical analysis

methodology of the experimental data]. St.

Petersburg: St. Petersburg St. Univ. Publ., 2007.

p.

Bure V. M., Parilina E. M. Teoriya veroyatnostei

i matematicheskaya statistika: uchebnoe

posobie [Probability theory and mathematical

statistics: a study guide]. St. Petersburg: Lan’s

Publ., 2013. 416 p.

Dem’yanov V. V., Savel’eva E. A. Geostatistika:

teoriya i praktika [Geostatistics: theory and

practice]. Moscow: Nuclear Safety Inst. of the RAS,

Nauka Publ., 2010. 327 p.

Mitrofanova O. A., Bure V. M., Kanash E. V.

Matematicheskii modul’ dlya avtomatizatsii

kolorimetricheskogo metoda otsenki obespechennosti

rastenii azotom [Mathematical module to automate

the colorimetric method for estimating nitrogen

status of plants]. Vestnik of St. Petersburg Univ.

Ser. 10. Applied Mathematics. Computer Science.

Control Processes. 2016. Iss. 1. P. 85–91.

Yakushev V. P., Bure V. M. Podkhody

k obnaruzheniyu statisticheskikh zavisimostei

[Approaches to detect statistical relationships].

St. Petersburg: St. Petersburg St. Univ. Publ.,

64 p.

Yakushev V. P., Bure V. M., Parilina E. M.

Binarnaya regressiya i ee primenenie v agrofizike

[Binary regression and its application in

agrophysics]. St. Petersburg: Agrophys. Institute,

36 p.

Yakushev V. P., Kanash E. V., Konev A. A.,

Kovtyukh S. N., Lekomtsev P. V., Matveenko D. A.,

Petrushin A. F., Yakushev V. V., Bure V. M.,

Osipov Yu. A., Rusakov D. V. Teoreticheskie i

metodicheskie osnovy vydeleniya odnorodnykh

tekhnologicheskikh zon dlya differentsirovannogo

primeneniya sredstv khimizatsii po opticheskim

kharakteristikam poseva: prakticheskoe posobie

[Theoretical and methodological foundations of

homogeneous areas selection for differentiated

application of chemicals from the optical

characteristics of crop: a practical guide]. St.

Petersburg: Agrophys. Institute, 2010. 60 p.

Fernandes G. B., Artes R. Spatial dependence

in credit risk and its improvement in credit scoring.

European Journal of Operational Research. 2016.

No. 249. P. 517–524.




DOI: http://dx.doi.org/10.17076/mat528

Ссылки

  • На текущий момент ссылки отсутствуют.


© Труды КарНЦ РАН, 2014-2019