Wyniki wyszukiwania - BazTech

1

Multi control spatial history of groundwater reservoirs in Pakistan using satellite driven data

Mahmood Khalid, Basit Iqra, Faizi Fiza

Acta Geophysica

|

2023

|

Vol. 71, no. 1

423--436

EN

Assessment of changing groundwater storage is an important factor that needs to be assessed over both time and space to understand the regional scenarios. This study has employed Geographical Temporal Weighted Regression (GTWR) along with Geographic Weighted Regression and Ordinary Least Squares to find the impact of various variables on Groundwater Storage Anomaly (GWSA). The study has made use of satellite data of gravity change, extracted using fishnet point observation to reduce processing complexity. All three methods have been compared using correlation coefficient, Akaike information criterion, and root mean squared error. Results show that GTWR, with highest R-square of 65.3 and lowest root mean square error of 0.18, is the more comprehensive option for quantifying the effect of controlling factors among its counterparts as it incorporates both spatial and temporal heterogeneity. Runoff, population density, and soil moisture are the dominant factors controlling groundwater changes with interquartile ranges of 2.35, 0.62 and 1.58 respectively, much bigger than twice the standard error. This indicates a significant effect of anthropogenic activities including rapid urbanization and increase in extraction for irrigation. Additionally, the use of GTWR led the analysis to highlight factors that influence neighboring regions. Instead of climate change and poor management of water, the alteration to the natural course of rivers has been highlighted as the biggest cause of water table decline in the region.

2

Wyznaczenie cech społeczeństwa wpływających na zaangażowanie w tworzenie VGI w Polsce

Marczak S.

Roczniki Geomatyki

|

2017

|

T. 15, z. 2(77)

233--248

PL

W ostatnich latach tworzenie obywatelskich (społecznościowych) danych przestrzennych przez użytkowników Internetu, niebędących profesjonalistami w tym zakresie, jest coraz bardziej popularne. Świadczy o tym również rosnąca liczba inicjatyw opartych o dane zbierane na zasadzie crowdsourcingu (ang. crowd – tłum, ang. sourcing – czerpanie). Przyczynia się to do wzrostu świadomości społecznej dotyczącej danych geoprzestrzennych. Celem artykułu było zbadanie jakie cechy społeczeństwa wpływają na zaangażowanie obywateli w tworzenie VGI (ang. volunteered geographic information) w Polsce. Do jego realizacji wykorzystano dane z projektu OpenStreetMap oraz dane charakteryzujące społeczeństwo pozyskane z Głównego Urzędu Statystycznego. Były to między innymi: poziom wykształcenia, miesięczne wynagrodzenie, współczynnik feminizacji. Pierwszym etapem było określenie stopnia korelacji między danymi opisującymi społeczeństwo a danymi pozyskanymi w projekcie OpenStreetMap w podziale na powiaty. Następnie dla najbardziej skorelowanych zmiennych ułożono modele regresji wielorakiej i regresji ważonej geograficznie (GWR), co pozwoliło na wyznaczenie tych cech społeczeństwa, które miały istotny wpływ na pozyskiwanie VGI w Polsce.

EN

In recent years, the creation of volunteered geographic information (VGI) by Internet users, who are not professionals in this area is becoming increasingly popular. There is also a growing number of initiatives based on the data collected on the basis of crowdsourcing. This contributes to increase of the public awareness of geospatial data. The aim of the paper was to examine what features of socjety affect the involvement of citizens in creating VGI in Poland. To achieve this objective, data from the OpenStreetMap project and society data obtained from the Central Statistical Office (this included level of education, monthly salary, the feminisation rate) were used. The first stage was to determine the degree of correlation between the data describing the society, and the OpenStreetMap data divided into districts. Then, for the most correlated variables multiple regression and geographically weighted regression (GWR) models were arranged, which allowed the determination of the characteristics of a society that had a significant effect on the acquisition of VGI in Poland.

3

Zastosowanie metody regresji ważonej geograficznie z wykorzystaniem danych emisyjnych do oceny przestrzennych rozkładów stężeń pyłu PM10 i NO2 w powietrzu w wybranym rejonie Polski

Kostrzewa J., Kobus D., Iwanek J.

Przemysł Chemiczny

|

2016

|

T. 95, nr 3

459--463

PL

Przedstawiono możliwości zastosowania metody regresji ważonej geograficznie (GWR) do oceny przestrzennych rozkładów stężeń zanieczyszczeń powietrza NO2 oraz pyłem PM10 na poziomie województwa. Wykorzystane do przeprowadzenia obliczeń dane zostały w całości udostępnione przez Wojewódzki Inspektorat Ochrony Środowiska w Łodzi. Otrzymane wyniki zostały porównane z wartościami rzeczywistymi oraz z wynikami obliczeń wg modelu dyspersji.

EN

Geog. weighted regression (GWR) method was used to evaluate the spatial distribution of air pollutant concns. at a regional level. The calcns. were carried out for NO2 and particulate matter 10 μm. The data sets were fully available from the voivodeship administration in Lodz. The GWR method calcd. concns. were higher than those calcd. by using a common dispersion model.

4

Zastosowanie krigingu reszt lokalnego modelu regresji do interpolacji przestrzennej średniej rocznej temperatury powietrza w Polsce

Szymanowski M., Kryza M.

Przegląd Geofizyczny

|

2012

|

Z. 1

75-84

PL

Podstawowym celem opracowania jest przedstawienie procedury przestrzennej interpolacji średniej rocznej temperatury powietrza w Polsce z wykorzystaniem krigingu reszt lokalnego modelu regresji (regresji ważonej geograficznie). Interpolacji przestrzennej dokonano na podstawie danych z roku 1996, obejmujących 250 stacji meteorologicznych z Polski i najbliższego sąsiedztwa. Dokonano porównania modeli regresji globalnej i lokalnej za pomocą szeregu miar statystycznych. Stwierdzono, że w związku z niestacjonarnością pola temperatury model lokalny jest lepiej dopasowany do danych pomiarowych niż globalny model regresji. Obydwa modele zostały rozszerzone o interpolację reszt regresji (kriging resztowy) i wykorzystane do wykonania map średniej rocznej temperatury powietrza. Wyniki interpolacji uzyskane czterema metodami zostały porównane za pomocą metody oceny krzyżowej. Stwierdzono, że rozszerzenie modeli regresji przez komponent geostatystyczny podnosi jakość interpolacji, głównie przez eliminację stref systematycznego przeszacownia/niedoszacowania. W związku z metodyczną poprawnością stosowania modelu lokalnego w warunkach niestacjonarności za najlepszą metodę w analizowanym przypadku uznano kriging reszt oparty na regresji ważonej geograficznie.

EN

The main aim of the paper is to perform the spatial interpolation of the annual mean air temperature in Poland using geographically weighted regression residual kriging. The interpolation has been done for a set of data for year 1996, covering 250 meteorological stations from Poland and its surroundings. Global and local regression models have been compared using various statistics. It has been stated that local model approach is better suited for spatial modeling of air temperature than the global one, as it takes into account non-stationarity of the spatial process. Both models have been extended by the interpolation of regression residuals, and used for mapping air temperature field, and the interpolation results have been evaluated with the cross-validation (CV) approach. The incorporation of the spatially interpolated residuals leads to significant improvement of the results, especially by eliminating the zones of systematic over- or underestimations. Because local regression is better justified in terms of statistical specification, the residual kriging based on geographically weighted regression is recommended for spatial modeling of annual mean air temperature, instead of widely applied global regression based residual kriging models.

5

Zastosowanie regresji ważonej geograficznie do modelowania miejskiej wyspy ciepła we Wrocławiu

Szymanowski M., Kryza M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2009

|

Vol. 20

407--419

PL

Artykuł prezentuje zastosowanie regresji ważonej geograficznie (GWR) do interpolacji przestrzennej temperatury powietrza w warunkach wystąpienia miejskiej wyspy ciepła (UHI) we Wrocławiu. Rezultaty interpolacji GWR porównano z uzyskanymi za pomocą innych metod: regresji wieloczynnikowej (MLR) – model globalny, i krigingu resztowego dla obydwu modeli regresyjnych (odpowiednio: RK i GWRK). Dane wejściowe stanowiły pomiary temperatury powietrza w 206 nieregularnie rozmieszczonych punktach oraz warstwy dodatkowych zmiennych objaśniających, utworzone głównie na podstawie mapy pokrycia terenu i zdjęć satelitarnych (Landsat TM). Walidację interpolacji przeprowadzono metodą oceny krzyżowej (CV), analizując miary diagnostyczne (BIAS, MAE, RMSE) i rozkład przestrzenny błędów CV. Porównanie rezultatów modeli regresyjnych wskazało zasadność zastosowania GWR w przypadku niestacjonarnego procesu przestrzennego (UHI). Kalibrację modelu lokalnego przeprowadzono w zmiennej macierzy sąsiedztwa (tzw. kernelu) z uwzględnieniem zachowania możliwości fizycznej interpretacji procesu. Kriging reszt, przeprowadzony dla lokalnego i globalnego modelu regresji poprawił jakość interpolacji. Za optymalną w analizowanych przypadkach UHI metodę interpolacji uznano kriging resztowy dla regresji ważonej geograficznie (GWRK).

EN

Implementation of geographically weighted regression (GWR) for urban heat island (UHI) modelling in Wrocław is presented. The results of spatial interpolation using 4 methods are evaluated and compared. The methods are: multiple linear regression (MLR) – global model, GWR – local model and residual kriging for both regression techniques (RK and GWRK). The analysis was performed based on 2 examples of UHI. Air temperature data were gathered in 206 irregularly distributed points. Additional explanatory variables were developed based mainly on the land-use map and Landsat TM images. The cross-validation (CV) technique was used to compare results obtained with the different algorithms together with the evaluation of errors (BIAS, MAE, RMSE) and their spatial distribution. The results confirmed the usefulness of GWR in the case of non-stationarity of the spatial process. Calibration of the local models was performed using adaptive kernel, taking into account the possibility of physical interpretation of the model. Kriging of MLR and GWR residuals significantly improved the spatial interpolation results in terms of cross-validation errors. The most accurate results of the UHI spatialization were obtained with the GWRK techniquedr.