Geostatistica: differenze tra le versioni

Versione delle 12:01, 4 mag 2014

Versione attuale delle 20:50, 26 set 2025

(16 versioni intermedie di 10 utenti non mostrate)

Riga 1:

{{NN|statistica|marzo 2023}}

La '''geostatistica''' è quella branca della [[statistica]] che si occupa dell'analisi di dati [[Geografia|geografici]]. Il suo campo classico di applicazione sono le [[Scienze della Terra]], in particolar modo nella [[Geografia]], [[Geologia]], [[Geologia Ambientale]], [[Ecologia]], [[Meteorologia]], [[Agronomia]]. Trova applicazione anche in altri campi come le analisi economiche, studi epidemiologici, ecc.

La '''geostatistica''' è quellala branca della [[statistica]] che si occupa dell'analisi di dati [[Geografia|geografici]].: Ilil suo campo classico di applicazione sono le [[Scienzescienze della Terra]], in particolar modo nella [[Geografiageografia]], [[Geologiageologia]], [[Geologiageologia Ambientaleambientale]], [[Ecologiaecologia]], [[Meteorologiameteorologia]], [[Agronomiaagronomia]]., Trovatrovando applicazione anche in altri campi come le analisi economiche, studi epidemiologici, ecc.

La geostatistica si occupa di valutare l'[[autocorrelazione spaziale]] dei dati, cercando di verificare se osservazioni effettuate in punti vicini presentano effettivamente una maggiore correlazione rispetto ad osservazioni poste in punti distanti. L'obiettivo è quindi valutare come tale autocorrelazione vari in funzione del vettore separazione considerato (quindi distanza e direzione). La struttura di continuità spaziale viene di solito derivata dai dati mediante l'analisi ed inferenza del [[semivariogramma]].

== Descrizione ==

Lo studio della continuità spaziale e il necessario studio esplorativo dei dati consentono di analizzare in estremo dettaglio i fenomeni analizzati, permettendo di comprendere la struttura statistico-spaziale dei dati in termini dei processi fisico-chimici coinvolti. Lo studio ed inferenza del variogramma sono anche necessari per utilizzare gli algoritmi di interpolazione della famiglia del kriging. Il kriging, come altri interpolatori, utilizzano una combinazione lineare di dati noti per stimare il valore della proprietà di interesse in un punto non campionato. In pratica si tratta di una media pesata in cui il criterio di pesatura mira ad ottenere la minimizzazione e non distorsione dell'errore. In questo senso il kriging viene detto BLUE (Best Linear Unbiased Estimator: alla fine ci si ritrova con le equazione normali della regressione lineare). Dal punto di vista operativo, gli interpolatori della famiglia del kriging effettuano le interpolazioni tenendo conto delle distanze tra il punto di stima e i dati noti e delle interdistanze tra i dati noti stessi (quindi del loro grado di addensamento o clustering). L'oggettività del metodo geostatistico risiede nel fatto che il criterio di pesatura che tiene conto della geometria di campionamento è basato sulla struttura stessa di continuità spaziale (variogramma ed in ultima funzione covarianza)e quindi sulle stesse caratteristiche di variabilità spaziale dei dati.

La geostatistica siSi occupa di valutare l'[[autocorrelazione spaziale]] dei dati, cercando di verificare se osservazioni effettuate in punti vicini presentano effettivamente una maggiore correlazione rispetto ad osservazioni poste in punti distanti. L'obiettivo è quindi valutare come tale autocorrelazione vari in funzione del vettore separazione considerato (quindi distanza e direzione). La struttura di continuità spaziale viene di solito derivata dai dati mediante l'analisi ed inferenza del [[semivariogrammavariogramma]] (semivarianza).

Lo studio della continuità spaziale e il necessario studio esplorativo dei dati consentono di analizzare in estremo dettaglio i fenomeni analizzati, permettendo di comprendere la struttura statistico-spaziale dei dati in termini dei processi fisico-chimici coinvolti. Lo studio ed inferenza del variogramma sono anche necessari per utilizzare gli algoritmi di interpolazione della famiglia del kriging. Il kriging, come altri interpolatori, utilizzano una combinazione lineare di dati noti per stimare il valore della proprietà di interesse in un punto non campionato. In pratica si tratta di una media pesata in cui il criterio di pesatura mira ad ottenere la minimizzazione e non distorsione dell'errore. In questo senso il kriging viene detto BLUE (Best Linear Unbiased Estimator: alla fine ci si ritrova con le equazioneequazioni normali della regressione lineare). Dal punto di vista operativo, gli interpolatori della famiglia del kriging effettuano le interpolazioni tenendo conto delle distanze tra il punto di stima e i dati noti e delle interdistanze tra i dati noti stessi (quindi del loro grado di addensamento o clustering). L'oggettività del metodo geostatistico risiede nel fatto che il criterio di pesatura che tiene conto della geometria di campionamento è basato sulla struttura stessa di continuità spaziale (variogramma ed in ultima funzione covarianza) e quindi sulle stesse caratteristiche di variabilità spaziale dei dati.

Di seguito si riportano alcuni metodi di interpolazione tra cui anche il kriging:

Riga 13 ⟶ 16:

* triangolazione

Si esalta il lato applicativo di questa disciplina grazie allo sviluppo dei [[Geographic information system|Sistemi d'Informazione Geografica]] (GIS) che spesso offrono al loro interno strumenti statistici atti alla modellizzazione dei fenomeni ambientali.

Il dottor [[Herbert Sichel]] ed il professor [[Danie Krige]] sono stati i pionieri della geostatistica, mentre [[Georges Matheron]] è unanimemente riconosciuto come il padre della Geostatistica. È da ricordare lo sviluppo parallelo dell'analisi oggettiva di L. S. Gandin, inizialmente applicata in campo meteorologico e oceanografico.

== Bibliografia ==

#* Chiles, J. P. & Delfiner, P. (1999), ''Geostatistics: modeling spatial uncertainty'', [[John Wiley & Sons]], New York; Chichester. xi, 695 pp.

#* Deutsch, C.V., Journel, A.G, 1997. GSLIB: Geostatistical Software Library and User's Guide (Applied Geostatistics Series), Second Edition, Oxford University Press, 369 pp., http://www.gslib.com/

#* Goovaerts, P. (1997), ''Geostatistics for natural resources evaluation''. Applied geostatistics series., Oxford University Press, New York; Oxford. xiv, 483 p.

#* Isaaks, E.H., Srivastava R.M.: Applied Geostatistics. 1989

#* Journel, A.G. & Huijbregts, C.J. (1978), ''Mining Geostatistics''. Academic Press Inc., London. 600pp.

#* Kitanidis, P.K.: Introduction to Geostatistics: Applications in Hydrogeology, Cambridge University Press. 1997

#* Lantuéjoul, C. (2002), ''Geostatistical Simulation: Models and Algorithms''. Springer, 256 p.

#* Matheron, G. (1962), ''Traité de Géostatistique appliquée''. Tome 1, Editions Technip, Paris, 334 p.

#* Matheron, G. (1989), ''Estimating and Choosing'', Springer-Verlag, Berlin.

#* Wackernagel, H. (2003), ''Multivariate Geostatistics'', Third edition, Springer-Verlag, Berlin, 387 p.

#* Webster, R. & Oliver, M.A. (2001), ''Geostatistics for environmental scientists''. [[John Wiley & Sons]], Chichester..

== Voci correlate ==

Riga 42 ⟶ 46:

* [[Indice di Moran]]

* [[Telerilevamento]]

== Altri progetti ==

{{interprogetto}}

== Collegamenti esterni ==

* [{{cita web|http://www.ai-geostats.org |AI-GEOSTATS, la principale risorsa in internet circa la geostatistica e l'analisi spaziale]}}

* [{{cita web|http://cg.ensmp.fr/ |Centro di Geostatistica dell'''École des Mines'' di Parigi]}}

* {{cita web | 1 = http://geodacenter.asu.edu/ | 2 = Geodata Center | accesso = 2 novembre 2009 | dataarchivio = 12 dicembre 2009 | urlarchivio = https://web.archive.org/web/20091212134701/http://geodacenter.asu.edu/ | urlmorto = sì }}

* [http://geodacenter.asu.edu/ Geodata Center]

* Tesi di dottorato in italiano, "Geostatistica nel contesto idrogeologico e ambientale", S. Trevisani, 2005: https://www.research.unipd.it/retrieve/e14fb26f-f3c2-3de1-e053-1705fe0ac030/dottoratoStampaLowRes.pdf

* [http://paduaresearch.cab.unipd.it/2280/ tesi di dottorato scaricabile]

{{Controllo di autorità}}

{{Portale|geografia|ingegneria|matematica}}