Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2023

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Principal Component Analysis

Sortuj według:

Ogranicz wyniki do:

Relationships between Wellbeing and Sustainable Development in a Group of Selected Developed Countries

Drastichová Magdaléna, Filzmoser Peter, Gajanin Rastko

Problemy Ekorozwoju

2023

Vol. 18, nr 2

49--77

This work evaluates the crucial aspects of sustainable development (SD) related to wellbeing and quality of life, which were measured by twenty-two relevant indicators (indices) in a sample of 31 countries over the period 2010 – 2019. All the pillars of SD are reflected, while the indicators applied either reflect one of these dimensions, i.e. the economic, social or environmental pillar of SD, or two/all of them. Several of these indicators also measure specific aspects encompassed by the particular pillars, which are of great importance for SD and have to be included. These include especially health and inequality, which belong to the social pillar of SD, and are reflected in several indicators used. Furthermore, the indicator of subjective happiness is included as well. Principal component analysis (PCA) and parallel factor analysis (PARAFAC) are the main methods used to analyse relationships between twenty-two indicators (composite indices) reflecting crucial aspects of SD, wellbeing, and quality of life in the sample. Three stages of both analyses were carried out. For both of them similar results were identified. Principal component 1 (for PCA)/component 1 (for PARAFAC) divided the sample into the less and the more developed countries, since the positive contribution was predominantly determined by the socioeconomic, wellbeing and the more complex environmental or SD indicators, which are predominantly the highest (high) in the more developed countries. On the contrary, the negative contribution was determined by the pollution damage indicators, which are the highest in the less developed countries. Principal component 2 (for PCA)/component 2 (for PARAFAC) divided the sample according to a crucial aspect of the social pillar of SD, i.e. quality of health, particularly reflected in Healthy life years at birth (HLY), which has also poor results in the many developed countries. At the third stage this component is determined by the environmental indicators reflecting resource depletion/consumption and also pollution damages in monetary values, being crucial for SD, since a number of them had the highest values in the developed countries.

Niniejsza praca ocenia kluczowe aspekty zrównoważonego rozwoju (SD) związane z dobrostanem i jakością życia, które zostały zmierzone za pomocą dwudziestu dwóch odpowiednich wskaźników (wskaźników) w próbie 31 krajów w latach 2010-2019. Uwzględniono wszystkie filary zrównoważonego rozwoju, natomiast zastosowane wskaźniki odzwierciedlają albo jeden z tych wymiarów, tj. filar ekonomiczny, społeczny lub środowiskowy ZR, albo dwa/wszystkie z nich. Niektóre z tych wskaźników mierzą również konkretne aspekty objęte poszczególnymi filarami, które mają ogromne znaczenie dla zrównoważonego rozwoju i muszą zostać uwzględnione. Wśród nich wyróżnić należy zwłaszcza zdrowie i nierówności, które należą do społecznego filaru zrównoważonego rozwoju i znajdują odzwierciedlenie w przyjętych wskaźnikach. Ponadto uwzględniono również wskaźnik subiektywnego szczęścia. Analiza głównych składowych (PCA) i równoległa analiza czynnikowa (PARAFAC) to główne metody stosowane do analizy relacji między dwudziestoma dwoma wskaźnikami (wskaźnikami złożonymi) odzwierciedlającymi kluczowe aspekty SD, dobrostanu i jakości życia. Przeprowadzono trzy etapy obu analiz. Zidentyfikowano podobne wyniki. Komponent główny 1 (w przypadku PCA)/komponent 1 (w przypadku PARAFAC) podzielił próbę na kraje słabiej i bardziej rozwinięte, ponieważ pozytywny wkład był determinowany głównie przez wskaźniki społeczno-ekonomiczne, dobrobyt i bardziej złożone wskaźniki środowiskowe lub zrównoważonego rozwoju, które są przeważnie najwyższe (wysokie) w krajach bardziej rozwiniętych. O ujemnym wkładzie zadecydowały wskaźniki szkód powodowanych przez zanieczyszczenia, które są najwyższe w krajach słabiej rozwiniętych. Komponent główny 2 (dla PCA)/komponent 2 (dla PARAFAC) podzielił próbę według kluczowego aspektu społecznego filaru SD, jakim jest zdrowie, w szczególności Healthy life years at birth (HLY), który wypadł słabo także w wielu krajach rozwiniętych. W trzecim etapie składnik ten jest określany przez wskaźniki środowiskowe odzwierciedlające wyczerpywanie się/konsumpcję zasobów, a także szkody spowodowane zanieczyszczeniami w wartościach pieniężnych, które są kluczowe dla zrównoważonego rozwoju, gdyż wiele z nich miało najwyższe wartości w krajach rozwiniętych.

Utilization of ASTER data in lithological and lineament mapping of the southern flank of the Central High Atlas in Morocco

Errami Maryam, Algouti Ahmed, Algouti Abdellah, Farah Abdelouhed, Agli Saloua

Geologos

2023

Vol. 29, No. 1

1--20

Geological mapping undoubtedly plays an important role in several studies and remote sensing data are of great significance in geological mapping, particularly in poorly mapped areas situated in inaccessible regions. In the present study, Principal Component Analysis (PCA), Band Rationing (BR) and Minimum Noise Fraction (MNF) algorithms are applied to map lithological units and extract lineaments in the Amezri-Amassine area, by using multispectral ASTER image and global digital elevation model (GDEM) data for the first time. Following preprocessing of ASTER images, advanced image algorithms such as PCA, BR and MNF analyses are applied to the 9ASTER bands. Validation of the resultant maps has relied on matching lithological boundaries and faults in the study area and on the basis of pre-existing geological maps. In addition to the PCA image, a new band-ratio image, 4/6–5/8–4/5, as adopted in the present work, provides high accuracy in discriminating lithological units. The MNF transformation reveals improvement over previous enhancement techniques, in detailing most rock units in the area. Hence, results derived from the enhancement techniques show a good correlation with the existing litho-structural map of the study area. In addition, the present results have allowed to update this map by identifying new lithological units and structural lineaments. Consequently, the methodology followed here has provided satisfactory results and has demonstrated the high potential of multispectral ASTER data for improving lithological discrimination and lineament extraction.