Экстраполяционный анализ области

Экстраполяционный анализ области (EDA) — это методология определения географических территорий, которые кажутся подходящими для внедрения инновационных методов управления экосистемами , на основе участков, демонстрирующих сходство таких условий, как климатические, землепользовательские и социально-экономические показатели. Хотя эта концепция применялась к проектам по исследованию водных ресурсов в девяти пилотных бассейнах, она является общей и может применяться к любому проекту, в котором ускорение изменений рассматривается как центральная цель развития.

Результаты метода до сих пор использовались для количественной оценки глобального экономического воздействия внедрения конкретных инноваций вместе с их влиянием на водные ресурсы . ^[1] Исследование побудило участников нескольких проектов Challenge Program for Water and Food изучить потенциальные области для расширения. Так обстоит дело с системой агролесомелиорации Кесунгуал в Гондурасе . ^[2]^[3] который движется к новым областям параллельно с областями, выявленными методом EDA.

EDA — это комбинированный подход, включающий в себя ряд методов пространственного анализа . Впервые он был исследован в 2006 году, когда его применили для оценки того, как анализ сходства можно использовать для масштабирования результатов исследований в семи пилотных системах бассейнов Анд. ^[4] Этот метод развил исследования, основанные на анализе «гомологов» Джонса. ^[5]^[6] путем включения социально-экономических переменных в поиск аналогичных мест в тропиках. С тех пор он использовался для оценки « путей воздействия » и анализа глобального воздействия. ^[1] «Гомолог» был разработан для определения сходства климатических условий в географическом районе с теми, которые наблюдаются на пилотном участке; разрешение пикселей, с которым это обрабатывается, составляет 2,43 угловых минуты или 4,5 км на экваторе.

Для получения областей экстраполяции используются методы байесовского и частотного статистического моделирования. Применяется методология весов доказательств (WofE); это основано главным образом на концепциях байесовского вероятностного рассуждения . ^[7]^[8] По сути, статистические выводы основаны на определении вероятности того, что целевые участки примут изменения, продемонстрированные в пилотных районах. Предполагается, что набор обучающих точек в совокупности будет иметь общие характеристики, которые позволят спрогнозировать их присутствие на других подобных сайтах. Он основан на сборе факторов (используемых для создания слоев доказательных тематических данных), которые подтверждают успешную реализацию на пилотных участках, и предполагает, что если целевые участки демонстрируют схожие социально-экономические, а также климатические и ландшафтные характеристики с пилотными участками, то есть убедительные доказательства того, что масштабирование ^{[ нужны разъяснения ]} на эти сайты удастся.

Ссылки

^ Jump up to: ^а ^б Бауман, Бас, Саймон Кук, Бору Даутвейт, Клаудия Ринглер, Хорхе Рубиано и Тингджу Чжу. Июнь 2007 г. «Потенциал воздействия «аэробного риса умеренного и тропического климата (STAR) в Азии». Внутренний документ, подготовленный Проектом воздействия CPWF для группы внешней проверки.
^ «Фокус» .
^ Луис Альварес Уэлчес и Ян Черретт. «Система Кесунгуал в Гондурасе / Альтернатива рубкам и поджогам» . Архивировано из оригинала 11 марта 2016 г.
^ Отеро, М.Ф., Рубиано, Дж., Сото, В. и Лема, Г. 2006. Использование анализа сходства для масштабирования исследований. Водный Интернационал. Том 31 № 3. 376–386 стр.
^ Джонс, П.Г., В. Диас и Дж. Х. Кок. 2005. Гомолог: компьютерная система для идентификации сходных сред во всем тропическом мире. Бета-версия a.0. ЦИАТ, Колумбия.
^ http://www.cifor.org/publications/pdf_files/Books/BCarmenza0501.pdf#22 ^{[ пустой URL PDF ]}
^ Бонэм-Картер, Г. Ф., Ф. П. Агтерберг и Д. Ф. Райт. 1989. Моделирование весов доказательств: новый подход к картированию минерального потенциала. В «Статистических приложениях в науках о Земле» под ред. Агтернерг, Ф.П. и Бонэм-Картер, Г.Ф. Геологическая служба Канады. Документ 89-9. 171–183.
^ Бонэм-Картер, Г.Ф. 2002. Географические информационные системы для геологов: моделирование с помощью ГИС. В: Мерриам Д.Ф., редакторы. Компьютерные методы в науках о Земле. Нью-Йорк: Пергамон/Эльзевир; 302–334.

Хорхе Э. Рубиано М., Саймон Кук, Майя Раджасекхаран и Бору Даутвейт (2016). Байесовский метод для поддержки глобального распространения водосберегающих технологий производства риса из зон пилотных проектов. Уотер Интернэшнл

[bouman2007-1] Jump up to: ^а ^б Бауман, Бас, Саймон Кук, Бору Даутвейт, Клаудия Ринглер, Хорхе Рубиано и Тингджу Чжу. Июнь 2007 г. «Потенциал воздействия «аэробного риса умеренного и тропического климата (STAR) в Азии». Внутренний документ, подготовленный Проектом воздействия CPWF для группы внешней проверки.

[2] «Фокус» .

[3] Луис Альварес Уэлчес и Ян Черретт. «Система Кесунгуал в Гондурасе / Альтернатива рубкам и поджогам» . Архивировано из оригинала 11 марта 2016 г.

[4] Отеро, М.Ф., Рубиано, Дж., Сото, В. и Лема, Г. 2006. Использование анализа сходства для масштабирования исследований. Водный Интернационал. Том 31 № 3. 376–386 стр.

[5] Джонс, П.Г., В. Диас и Дж. Х. Кок. 2005. Гомолог: компьютерная система для идентификации сходных сред во всем тропическом мире. Бета-версия a.0. ЦИАТ, Колумбия.

[6] ttp://www.cifor.org/publications/pdf_files/Books/BCarmenza0501.pdf#22 ^{[ пустой URL PDF ]}

[7] Бонэм-Картер, Г. Ф., Ф. П. Агтерберг и Д. Ф. Райт. 1989. Моделирование весов доказательств: новый подход к картированию минерального потенциала. В «Статистических приложениях в науках о Земле» под ред. Агтернерг, Ф.П. и Бонэм-Картер, Г.Ф. Геологическая служба Канады. Документ 89-9. 171–183.

[8] Бонэм-Картер, Г.Ф. 2002. Географические информационные системы для геологов: моделирование с помощью ГИС. В: Мерриам Д.Ф., редакторы. Компьютерные методы в науках о Земле. Нью-Йорк: Пергамон/Эльзевир; 302–334.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]