Modele spatiale

D`autres méthodes peuvent examiner plus d`un type d`événement et plusieurs variables confusionnelles à la fois, ce qui donne un contrôle plus informatif pour la confusion et l`évaluation de l`autocorrélation. Les modèles mixtes linéaires généralisés, les modèles additifs généralisés (GAM) et les modèles bayésiens sont des techniques qui permettent d`ajuster la confusion spatiale (p. ex., regroupement résidentiel par âge et par race) [4]. Comme il est appliqué à l`exemple ci-dessus, ces approches permettraient à l`étude d`évaluer l`effet de l`exposition et du contrôle des polluants sur d`autres variables confusionnelles telles que l`âge ou le tabagisme. La combinaison des données de sens à distance et des SIG a grandement contribué au développement et à la mise en œuvre de modèles spatiaux en écologie. Ensuite, nous discutons de quelques-unes des premières applications de pionnier, ainsi que la technologie de pointe actuelle. L`une des premières questions qui doivent être résolues lors de l`exécution de la modélisation spatiale est l`échelle à laquelle l`analyse doit être effectuée. L`un des obstacles peut être la précision positionnelle des localités; ils peuvent être soit mal décrits dans la littérature (de sorte que la détermination de la position exacte est difficile) ou l`accès public peut être restreint en raison de la conservation. Dans ce cas, les données peuvent toujours être utilisées, mais à une échelle différente. Ils peuvent être agrégés au niveau du comté, ou dans les unités d`une grille qui superpose la zone d`étude. La mise à l`échelle a un impact positif et négatif sur les études écologiques. Premièrement, il se peut que différents processus agissent à différentes échelles et que le chercheur tente de partitionner les effets des différentes échelles. Par exemple, les similitudes entre les grottes adjacentes pourraient être dues à la connectivité des grottes (un processus à microéchelle), à l`altitude ou à l`aspect de la colline sur laquelle se trouve la grotte (un processus de mésoéchelle), ou à la latitude à laquelle se trouve la grotte (un processus de macroéchelle).

D`autre part, si les données sont agrégées de telle sorte que l`échelle d`agrégation n`imite pas l`échelle à laquelle un processus se produit, alors il n`est pas possible d`étudier les relations aux échelles appropriées. Les tests exploratoires pour la structure spatiale mentionnées précédemment (Moran I, Mantel test, etc.) sont utiles pour identifier les échelles spatiales possibles qui sont pertinentes pour le problème à la main. Le point de départ de tous les projets SIG est ce que nous appelons le modèle de données. Si quelqu`un est familier avec la conception de la base de données, familier avec le concept de modèle de données. Le modèle de données est fondamentalement une structure que l`ordinateur utilise pour simuler les problèmes. La modélisation des données SIG est le processus, lorsque l`ordinateur tente de résoudre un problème géographique. Le modèle de données peut également être défini comme un groupe spécifique d`individus et la description générale des relations entre les individus. L`échantillonnage spatial consiste à déterminer un nombre limité d`emplacements dans l`espace géographique pour mesurer fidèlement les phénomènes qui sont soumis à la dépendance et à l`hétérogénéité. [citation nécessaire] La dépendance suggère qu`étant donné qu`un emplacement peut prédire la valeur d`un autre emplacement, nous n`avons pas besoin d`observations dans les deux endroits.