Hispanopedia Wiki
Articulo de referencia

Heterogeneidad espacial

Cobertura del terreno en los alrededores de Madison, Wisconsin. Los campos están coloreados de amarillo y marrón, el agua de azul y las zonas urbanas de rojo. La heterogeneidad ...

Hispanopedia WikiContenido en espanolLectura gratuita
Cobertura del terreno en los alrededores de Madison, Wisconsin. Los campos están coloreados de amarillo y marrón, el agua de azul y las zonas urbanas de rojo.

La heterogeneidad espacial es una propiedad que generalmente se atribuye a un paisaje o a una población . Se refiere a la distribución desigual de las distintas concentraciones de cada especie dentro de un área. Un paisaje con heterogeneidad espacial presenta una mezcla de concentraciones de múltiples especies de plantas o animales (biológicas), o de formaciones del terreno (geológicas), o características ambientales (por ejemplo, precipitaciones, temperatura, viento) que ocupan su área. Una población que muestra heterogeneidad espacial es aquella en la que las distintas concentraciones de individuos de esta especie se distribuyen de forma desigual en un área; prácticamente sinónimo de "distribución irregular".

Terminología

La heterogeneidad espacial puede reformularse como una jerarquía de escala de muchas más cosas pequeñas que grandes. Se ha formulado como una ley de escala. [ 1 ]

La heterogeneidad espacial o jerarquía de escala se puede medir o cuantificar mediante el índice ht : un número inducido por rupturas de cabeza/cola . [ 2 ] [ 3 ]

Ejemplos

Los entornos con una amplia variedad de hábitats , como diferentes topografías , tipos de suelo y climas, pueden albergar una mayor cantidad de especies . La principal explicación científica es que, cuando los organismos pueden subdividir un paisaje en hábitats únicos y adecuados, más especies pueden coexistir sin competencia, un fenómeno denominado "partición de nichos". La heterogeneidad espacial es un concepto paralelo a la productividad del ecosistema ; la riqueza de especies animales está directamente relacionada con la riqueza de especies vegetales en un hábitat determinado. La vegetación sirve como fuente de alimento, hábitat , etc. Por lo tanto, si la vegetación es escasa, las poblaciones animales también lo serán. Cuantas más especies vegetales haya en un ecosistema, mayor será la variedad de microhábitats . La riqueza de especies vegetales refleja directamente la heterogeneidad espacial en un ecosistema.

Tipos

Existen dos tipos principales de heterogeneidad espacial. La heterogeneidad espacial local clasifica los fenómenos geográficos cuyos valores de atributos son significativamente similares dentro de un entorno local inmediato, pero que difieren significativamente en las áreas circundantes cercanas más allá de este entorno local inmediato (por ejemplo, puntos calientes, puntos fríos). La heterogeneidad espacial estratificada clasifica los fenómenos geográficos donde la varianza dentro de los estratos de los valores de sus atributos es significativamente menor que su varianza entre estratos, como lo representan las colecciones de zonas ecológicas o clases de uso del suelo dentro de un área geográfica determinada. [ 4 ]

Pruebas

La heterogeneidad espacial local se puede probar mediante LISA, Gi y SatScan, mientras que la heterogeneidad espacial estratificada de un atributo se puede medir mediante el estadístico q del detector geográfico : [ 4 ]

q=1−1norteσ2∑h=1Lnortehσh2{\displaystyle q=1-{\frac {1}{N\sigma ^{2}}}\sum _{h=1}^{L}N_{h}\sigma _{h}^{2}}

donde una población se divide en h = 1, ..., L estratos; N representa el tamaño de la población, σ² representa la varianza del atributo. El valor de q está dentro del intervalo [0, 1], 0 indica ausencia de heterogeneidad espacial estratificada, 1 indica heterogeneidad espacial estratificada perfecta. El valor de q indica el porcentaje de la varianza de un atributo explicado por la estratificación. q sigue una función de densidad de probabilidad F no central .

Un mapa de mano con diferentes patrones espaciales. Nota: p es la probabilidad del estadístico q ; * denota significancia estadística al nivel 0,05, ** para 0,001, *** para menor que 10 −3 ;(D) los subíndices 1, 2, 3 de q y p denotan los estratos Z1+Z2 con Z3, Z1 con Z2+Z3, y Z1 y Z2 y Z3 individualmente, respectivamente; (E) los subíndices 1 y 2 de q y p denotan los estratos Z1+Z2 con Z3+Z4, y Z1+Z3 con Z2+Z4, respectivamente.

La heterogeneidad espacial para datos multivariados y datos 3D también se puede evaluar estadísticamente utilizando el "índice HTA (índice promedio de heterogeneidad)" .: [ 5 ]

HTA [ 5 ] valores p para diferentes distribuciones.

Modelos

Heterogeneidad espacial estratificada

Detector geográfico basado en parámetros óptimos

El Detector Geográfico Basado en Parámetros Óptimos (OPGD) caracteriza la heterogeneidad espacial con parámetros optimizados de discretización de datos espaciales para identificar factores geográficos e impactos interactivos de factores, y estimar riesgos. [ 6 ] [ 7 ]

Detector interactivo de asociaciones espaciales

El Detector Interactivo para Asociaciones Espaciales (IDSA) estima el poder de los determinantes interactivos (PID) en función de la heterogeneidad estratificada espacial, la autocorrelación espacial y la superposición difusa espacial de las variables explicativas. [ 8 ]

Heterogeneidad basada en zonas geográficamente óptimas

La heterogeneidad basada en zonas geográficamente óptimas (GOZH) explora los determinantes individuales e interactivos de los atributos geográficos (por ejemplo, la humedad global del suelo) en una gran área de estudio, basándose en la identificación de zonas geográficamente óptimas explicables. [ 9 ]

Detector geográfico robusto

El Detector Geográfico Robusto (RGD) supera la limitación de la sensibilidad en la discretización de datos espaciales y estima la potencia robusta de los determinantes de las variables explicativas. [ 10 ]

meta-ESTRELLA

El método meta-STAR (Transformación y moderación espacial independiente del modelo) es un marco para integrar la heterogeneidad espacial en modelos estadísticos espaciales (por ejemplo, métodos de conjuntos espaciales, redes neuronales espaciales) con el fin de mejorar su precisión. Implica el uso de redes/transformaciones espaciales y moderadores espaciales , además de manejar conjuntos de datos geoespaciales que representan fenómenos geográficos a múltiples escalas. [ 11 ]

Derecho geográfico

En una publicación de 2004 titulada "La validez y utilidad de las leyes en la ciencia de la información geográfica y la geografía", Michael Frank Goodchild propuso que la heterogeneidad espacial podría ser una candidata para una ley de la geografía similar a la primera ley de la geografía de Tobler . [ 12 ] La literatura cita este artículo y afirma que esta ley "las variables geográficas exhiben una varianza no controlada". [ 12 ] [ 13 ] [ 14 ] A menudo denominada la segunda ley de la geografía, o la segunda ley de la geografía de Michael Goodchild, es uno de los muchos conceptos que compiten por ese término, incluyendo la segunda ley de la geografía de Tobler y la ley de la geografía de Arbia . [ 13 ] [ 14 ] [ 15 ]

Véase también

Referencias

  1. ↑ Jiang B. 2015. El análisis geoespacial requiere una forma diferente de pensar: El problema de la heterogeneidad espacial. GeoJournal 80(1), 1 – 13.
  2. ↑ Jiang B. y Yin J. 2014. Índice Ht para cuantificar la estructura fractal o de escala de las características geográficas, Annals of the Association of American Geographers, 104(3), 530 – 541.
  3. ↑ Jiang B. 2013. Head/tail breaks: A new classification scheme for data with a heavy-tailed distribution, The Professional Geographer, 65 (3), 482 – 494.
  4. 1 2 Wang JF, Zhang TL, Fu BJ. 2016. Una medida de heterogeneidad estratificada espacial. Ecological Indicators 67: 250-256.
  5. 1 2 Alona Levy-Jurgenson y otros, Evaluación de la heterogeneidad en datos espaciales mediante el índice HTA con aplicaciones a la transcriptómica espacial y la imagenología, Bioinformatics, Volumen 37, Número 21, noviembre de 2021, Páginas 3796–3804, https://doi.org/10.1093/bioinformatics/btab569
  6. ↑ Song, Yongze; Wang, Jinfeng; Ge, Yong; Xu, Chengdong (2020). "Un modelo de detector geográfico basado en parámetros óptimos mejora las características geográficas de las variables explicativas para el análisis de la heterogeneidad espacial: casos con diferentes tipos de datos espaciales" . GIScience & Remote Sensing . 57 (5): 593– 610. doi : 10.1080/15481603.2020.1760434 . hdl : 20.500.11937/79549 . ISSN 1548-1603 . S2CID 219418482 .  
  7. ↑ Song, Yongze (2021). "Modelo de detectores geográficos basados ​​en parámetros óptimos (OPGD) para el análisis de heterogeneidad espacial y exploración de factores" .
  8. ↑ Song, Yongze; Wu, Peng (2021). "Un detector interactivo para asociaciones espaciales" . Revista Internacional de Ciencias de la Información Geográfica . 35 (8): 1676– 1701. doi : 10.1080/13658816.2021.1882680 . ISSN 1365-8816 . S2CID 234812819 .  
  9. ↑ Luo, Peng; Song, Yongze; Huang, Xin; Ma, Hongliang; Liu, Jin; Yao, Yao; Meng, Liqiu (2022). "Identificación de determinantes de disparidades espaciotemporales en la humedad del suelo del hemisferio norte utilizando un modelo de heterogeneidad basado en zonas geográficamente óptimas" . ISPRS Journal of Photogrammetry and Remote Sensing . 185 : 111–128 . Bibcode : 2022JPRS..185..111L . doi : 10.1016/j.isprsjprs.2022.01.009 . S2CID 246496936 . 
  10. ^ Zhang, Zehua; Canción, Yongze; Wu, Peng (2022). «Robusto detector geográfico» . Revista Internacional de Geoinformación y Observación Aplicada de la Tierra . 109 102782.doi : 10.1016/ j.jag.2022.102782 . hdl : 20.500.11937/88650 . S2CID 248470509 . 
  11. ↑ Xie Y, Chen W, He E, Jia X, Bao H, Zhou X, Ghosh R, Ravirathinam P (2023). "Aprovechamiento de la heterogeneidad en el espacio con metaaprendizaje guiado estadísticamente" . Knowledge and Information Systems . 65 (6): 2699– 2729. doi : 10.1007/s10115-023-01847-0 . PMC 9994417. PMID 37035130 .  
  12. 1 2 Goodchild, Michael (2004). "La validez y utilidad de las leyes en la ciencia de la información geográfica y la geografía". Anales de la Asociación de Geógrafos Americanos . 94 (2): 300– 303. doi : 10.1111/j.1467-8306.2004.09402008.x . S2CID 17912938 . 
  13. 1 2 Zou, Muquan; Wang, Lizhen; Wu, Ping; Tran, Vanha (23 de julio de 2022). "Extracción de patrones de co-ubicación de tipo β en la centralidad de cercanía en conjuntos de datos espaciales" . ISPRS Int. J. Geo-Inf . 11 (8): 418. doi : 10.3390/ijgi11080418 .
  14. 1 2 Zhang, Yu; Sheng, Wu; Zhao, Zhiyuan; Yang, Xiping; Fang, Zhixiang (30 de enero de 2023). "Un modelo de flujo de multitudes urbanas que integra características geográficas" . Scientific Reports . 13. doi : 10.1038/s41598-023-29000-5 . PMC 9886992 . 
  15. ↑ Tobler, Waldo (2004). "Sobre la primera ley de la geografía: una respuesta" . Anales de la Asociación de Geógrafos Americanos . 94 (2): 304– 310. doi : 10.1111/j.1467-8306.2004.09402009.x . S2CID 33201684. Consultado el 10 de marzo de 2022 .