Modelos espacio-temporales

Buscar este blog

Modelos de covarianzas espacio-temporales. Aplicación en R.

noviembre 25, 2010

Obtener enlace
Facebook
X
Pinterest
Correo electrónico
Otras aplicaciones

BlogTEMA2

Obtener enlace
Facebook
X
Pinterest
Correo electrónico
Otras aplicaciones

Comentarios

Publicar un comentario

Entradas populares

FRAGSTATS

Bibliografía utilizada McGarigal Kevin. FRAGSTATS spatial pattern analysis program. http://www.umass.edu/landeco/research/fragstats/fragstats.html McGarigal Kevin & Barbara J. Marks. 1995. FRAGSTATS: spatial pattern analysis program for quantifying landscape structure. Gen. Tech. Rep. PNW-GTR-351. Portland, OR: U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station. 122 p. McGarigal Kevin, Sam Cushman, Claudia Regan. 2005. Quantifying Terrestrial Habitat Loss and Fragmentation: A Protocol FRAGSTAT. Help FRAGSTAT Protocolo FRAGSTAT FRAGSTATS es un programa de análisis del patrón espacial para mapas categóricos. Cuantifica la extensión del área y la configuración espacial de los parches dentro de un paisaje. Esta es la interfaz del programa FRAGSTAT. Formato de los datos de entrada: ArcGrid, ASCII, BINARY, ERDAAS y IDRISI (no acepta vectores Arc/Info) Niveles de las métricas: FRAGSTATS calcula tres grupos de métricas, 1) cada parche en el mosaico, 2) cada...

Geoestadística

Estadística Espacial. La Estadística espacial utiliza un conjunto de metodologías para el análisis de datos de variables aleatorias en diversos sitios de una región. De manera más formal se puede decir que la estadística espacial trata con el análisis de realizaciones de un proceso estocástico {Z (s :) s ∈ D}, en el que s∈R^d representa una ubicación en el espacio euclidiano d-dimensional, Z(s) es una variable aleatoria en la ubicación s y s varía sobre un conjunto de índices D⊂R^d. Áreas de la Estadística Espacial. La estadística espacial se subdivide en tres grandes áreas. La pertinencia de cada una de ellas está asociada a las características del conjunto D de índices del proceso estocástico de interés. A continuación se mencionan dichas áreas y se describen las propiedades de D en cada una de éstas. Datos geoestadísticos: Las ubicaciones s provienen de un conjunto D continuo y son seleccionadas a juicio del investigador (D fijo). Ejemplos: Niveles de un contaminante en d...

Procesos espaciales puntuales con R. parte II

Revisión del material "Analysing spatial point patterns in R" de Adrian Baddleley, 2008. ####################################################### ### Baddley 2008. R-MPP. Procesos puntuales ########### ####################################################### ######## parte I. Perspectiva general ####### ### 4. Introducción al paquete spatstat de R # 4.4 Inspección de los datos data ( swedishpines ) X <- swedishpines plot ( X ) #patrón de puntos X #información básica summary ( X ) #estudia la intensidad (densidad de puntos) en el patrón. plot ( density ( X , 10 ) ) #nos permite ver la variación local de la intensidad, graficando la estimación kernel de la intensidad. El 10 es el valor elegido para la desviación estándar del "Gaussian smoothing kernel" contour ( density ( X , 10 ) , axes = FALSE ) #otra opción para el mismo gráfico, que obtiene líneas de contorno nombradas en la unidad de densidad dada # 4...

Con la tecnología de Blogger