242 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

امروزه کاربرد سامانه اطلاعات جغرافیایی (GIS) در علوم مختلف به خصوص  علم پزشکی جایگاه ویژه ای پیدا کرده و می توان به عنوان یک تحلیل گر مناسب در مطالعات و تحلیل های  علوم پزشکی از آن بهره جست. در این مطلب تخصصی که به بررسی متدولوژی یک مقاله علمی با عنوان توزیع فضایی و شناسایی لکه های داغ ویروس کرونا…

امروزه کاربرد سامانه اطلاعات جغرافیایی (GIS) در علوم مختلف به خصوص  علم پزشکی جایگاه ویژه ای پیدا کرده و می توان به عنوان یک تحلیل گر مناسب در مطالعات و تحلیل های  علوم پزشکی از آن بهره جست.

در این مطلب تخصصی که به بررسی متدولوژی یک مقاله علمی با عنوان توزیع فضایی و شناسایی لکه های داغ ویروس کرونا در مقیاس جهانی پرداخته شده است. از تحلیلگرهای آمار فضایی موجود در نرم افزار ARCMAP استفاده شده است که به اختصار در ذیل آمده است:

توزیع فضایی_ زمانی شیوع ویروس کرونا

در شکل زیر توزیع مرگ و میر و مبتلایان به بیماری کرونا در دو زمان مختلف پهنه بندی شده است.

برای کلاس بندی کردن شیوع بیماری در ARCGIS از تب Symbology  استفاده شده است.

شناسایی لکه های داغ ویروس کرونا

برای شناسایی لکه های داغ یا خوشه های پر خطر کرونا ابتدا لازم است به یک آزمون مهم پاسخ داده شود که آیا توزیع کرونا در منطقه مطالعه به صورت خوشه ای است؟

اگر پاسخ بلی بود می توانیم برای شناسایی لکه های داغ در مرحله بعد اقدام کنیم.

       این آزمون، خود همبستگی فضایی  موران نام دارد.

برای شناسایی لکه های داغ ابتدا بایستی الگوی فضایی ویروس کرونا را با آزمون خود همبستگی فضایی موران محاسبه کرد. که جواب باید به صورت خوشه ای معنادار باشد.

بعد از اطمینان حاصل کردن از  خوشه ای بودن توزیع فضایی، در مرحله بعد برای شناسایی خوشه های پر خطر می توانیم به سراغ تحلیل لکه های داغ برویم.

شکل زیر لکه های داغ کرونا ویروس را در دو زمان مختلف نشان می دهد. لکه های قرمز خوشه های پر خطر ویروس کرونا با سطح اطمینان ۹۹ % را نمایش می دهد.

دو شاخص مهم و تاثیر گذار در تحلیل لکه های داغ P-value  و Z-score می باشد که درشکل زیر به صورت کامل برای دوزمان مختلف  نمایش داده شده است. a وb مربوط به Z-score است که لکه های قرمز، خوشه های پر خطر را نمایش می دهد. c وd مربوط به P-value است، که لکه های آبی رنگ، سطح معنی داری و اطمینان بالا را برای خوشه های پرخطر نمایش می دهد.

تحلیل انسلین موران محلی (خوشه و ناخوشه ویروس کرونا)

این تحلیل نیز می تواند یک مکمل خوب برای تحلیل لکه های داغ باشد که برای شناسایی خوشه های پر خطر نیز می توان از آن استفاده نمود.

 در شکل زیر لکه های داغ یا پرخطر ویروس کرونا در دو زمان مختلف با تحلیل گر انسلین موران محلی محاسبه شده است، لکه های صورتی خوشه های پر خطر، لکه های خاکستری خوشه های کم خطر، لکه های آبی و قرمز ناخوشه ها را نمایش می دهد.


برای دانلود متن کامل مقاله می توانید از لینک زیر استفاده فرمایید:

https://link.springer.com/article/10.1007/s40201-020-00565-x

لینک محصول


نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

keyboard_arrow_up