Raum-zeitliche Analyse der Klimavariabilität anhand von hochaufgelösten interpolierten Klimakarten am Beispiel von Europa (Region VI der Weltorganisation für Meteorologie)

Klimamontoring benötigt eine operative, raum-zeitliche Analyse der Klimavariabilität. Mit dieser Zielsetzung, funktionsbereite Karten regelmäßig zu erstellen, ist es hilfreich auf einen Blick, die räumliche Variabilität der Klimaelemente in der zeitlichen Veränderungen darzustellen. Für aktuelle und kürzlich vergangene Jahre entwickelte der Deutsche Wetterdienst ein Standardverfahren zur Erstellung solcher Karten. Die Methode zur Erstellung solcher Karten variiert für die verschiedenen Klimaelemente bedingt durch die Datengrundlage, die natürliche Variabilität und der Verfügbarkeit der in-situ Daten.rnIm Rahmen der Analyse der raum-zeitlichen Variabilität innerhalb dieser Dissertation werden verschiedene Interpolationsverfahren auf die Mitteltemperatur der fünf Dekaden der Jahre 1951-2000 für ein relativ großes Gebiet, der Region VI der Weltorganisation für Meteorologie (Europa und Naher Osten) angewendet. Die Region deckt ein relativ heterogenes Arbeitsgebiet von Grönland im Nordwesten bis Syrien im Südosten hinsichtlich der Klimatologie ab.rnDas zentrale Ziel der Dissertation ist eine Methode zur räumlichen Interpolation der mittleren Dekadentemperaturwerte für die Region VI zu entwickeln. Diese Methode soll in Zukunft für die operative monatliche Klimakartenerstellung geeignet sein. Diese einheitliche Methode soll auf andere Klimaelemente übertragbar und mit der entsprechenden Software überall anwendbar sein. Zwei zentrale Datenbanken werden im Rahmen dieser Dissertation verwendet: So genannte CLIMAT-Daten über dem Land und Schiffsdaten über dem Meer.rnIm Grunde wird die Übertragung der Punktwerte der Temperatur per räumlicher Interpolation auf die Fläche in drei Schritten vollzogen. Der erste Schritt beinhaltet eine multiple Regression zur Reduktion der Stationswerte mit den vier Einflussgrößen der Geographischen Breite, der Höhe über Normalnull, der Jahrestemperaturamplitude und der thermischen Kontinentalität auf ein einheitliches Niveau. Im zweiten Schritt werden die reduzierten Temperaturwerte, so genannte Residuen, mit der Interpolationsmethode der Radialen Basis Funktionen aus der Gruppe der Neuronalen Netzwerk Modelle (NNM) interpoliert. Im letzten Schritt werden die interpolierten Temperaturraster mit der Umkehrung der multiplen Regression aus Schritt eins mit Hilfe der vier Einflussgrößen auf ihr ursprüngliches Niveau hochgerechnet.rnFür alle Stationswerte wird die Differenz zwischen geschätzten Wert aus der Interpolation und dem wahren gemessenen Wert berechnet und durch die geostatistische Kenngröße des Root Mean Square Errors (RMSE) wiedergegeben. Der zentrale Vorteil ist die wertegetreue Wiedergabe, die fehlende Generalisierung und die Vermeidung von Interpolationsinseln. Das entwickelte Verfahren ist auf andere Klimaelemente wie Niederschlag, Schneedeckenhöhe oder Sonnenscheindauer übertragbar.

Spatial heterogeneity of soil nutrients and plant species in herb-dominated communities of contrasting land use

Recent interest in spatial pattern in terrestrial ecosystems has come from an awareness of theintimate relationship between spatial heterogeneity of soil resources and maintenance of plant species diversity. Soil and vegetation can vary spatially inresponse to several state factors of the system. In this study, we examined fine-scale spatial variability of soil nutrients and vascular plant species in contrasting herb-dominated communities (a pasture and an oldfield) to determine degree of spatial dependenceamong soil variables and plant community characteristics within these communities by sampling at 1-m intervals. Each site was divided into 25 1-m 2 plots. Mineral soil was sampled (2-cm diameter, 5-cm depth) from each of four 0.25-m2 quarters and combined into a single composite sample per plot. Soil organic matter was measured as loss-on-ignition. Extractable NH4 and NO3 were determined before and after laboratory incubation to determine potential net N mineralization and nitrification. Cations were analyzed using inductively coupled plasma emission spectrometry. Vegetation was assessed using estimated percent cover. Most soiland plant variables exhibited sharp contrasts betweenpasture and old-field sites, with the old field having significantly higher net N mineralization/nitrification, pH, Ca, Mg, Al, plant cover, and species diversity, richness, and evenness. Multiple regressions revealedthat all plant variables (species diversity, richness,evenness, and cover) were significantly related to soil characteristics (available nitrogen, organic matter,moisture, pH, Ca, and Mg) in the pasture; in the old field only cover was significantly related to soil characteristics (organic matter and moisture). Both sites contrasted sharply with respect to spatial pattern of soil variables, with the old field exhibiting a higher degree of spatial dependence. These results demonstrate that land-use practices can exert profound influence on spatial heterogeneity of both soil properties and vegetation in herb-dominated communities.

Computational Techniques for Spatial Logistic Regression with Large Datasets

In epidemiological work, outcomes are frequently non-normal, sample sizes may be large, and effects are often small. To relate health outcomes to geographic risk factors, fast and powerful methods for fitting spatial models, particularly for non-normal data, are required. We focus on binary outcomes, with the risk surface a smooth function of space. We compare penalized likelihood models, including the penalized quasi-likelihood (PQL) approach, and Bayesian models based on fit, speed, and ease of implementation. A Bayesian model using a spectral basis representation of the spatial surface provides the best tradeoff of sensitivity and specificity in simulations, detecting real spatial features while limiting overfitting and being more efficient computationally than other Bayesian approaches. One of the contributions of this work is further development of this underused representation. The spectral basis model outperforms the penalized likelihood methods, which are prone to overfitting, but is slower to fit and not as easily implemented. Conclusions based on a real dataset of cancer cases in Taiwan are similar albeit less conclusive with respect to comparing the approaches. The success of the spectral basis with binary data and similar results with count data suggest that it may be generally useful in spatial models and more complicated hierarchical models.

GEOSTATISTICAL INFERENCE UNDER PREFERENTIAL SAMPLING

Geostatistics involves the fitting of spatially continuous models to spatially discrete data (Chil`es and Delfiner, 1999). Preferential sampling arises when the process that determines the data-locations and the process being modelled are stochastically dependent. Conventional geostatistical methods assume, if only implicitly, that sampling is non-preferential. However, these methods are often used in situations where sampling is likely to be preferential. For example, in mineral exploration samples may be concentrated in areas thought likely to yield high-grade ore. We give a general expression for the likelihood function of preferentially sampled geostatistical data and describe how this can be evaluated approximately using Monte Carlo methods. We present a model for preferential sampling, and demonstrate through simulated examples that ignoring preferential sampling can lead to seriously misleading inferences. We describe an application of the model to a set of bio-monitoring data from Galicia, northern Spain, in which making allowance for preferential sampling materially changes the inferences.

Bayesian Geostatistical Design

This paper describes the use of model-based geostatistics for choosing the optimal set of sampling locations, collectively called the design, for a geostatistical analysis. Two types of design situations are considered. These are retrospective design, which concerns the addition of sampling locations to, or deletion of locations from, an existing design, and prospective design, which consists of choosing optimal positions for a new set of sampling locations. We propose a Bayesian design criterion which focuses on the goal of efficient spatial prediction whilst allowing for the fact that model parameter values are unknown. The results show that in this situation a wide range of inter-point distances should be included in the design, and the widely used regular design is therefore not the optimal choice.

BIVARIATE BINOMIAL SPATIAL MODELLING LOA loa PREVALENCE IN TROPICAL AFRICA

We present a state-of-the-art application of smoothing for dependent bivariate binomial spatial data to Loa loa prevalence mapping in West Africa. This application is special because it starts with the non-spatial calibration of survey instruments, continues with the spatial model building and assessment and ends with robust, tested software that will be used by the field scientists of the World Health Organization for online prevalence map updating. From a statistical perspective several important methodological issues were addressed: (a) building spatial models that are complex enough to capture the structure of the data but remain computationally usable; (b)reducing the computational burden in the handling of very large covariate data sets; (c) devising methods for comparing spatial prediction methods for a given exceedance policy threshold.

Modelización de la distribución espacial de Bactericera cockerelli Sulc. (Hemiptera: Triozidae) en Solanum tuberosum L. (Solanales: Solanaceae)

La producción de Solanum tuberosum L., Lycopersicum esculentum Mill. y Physalis ixocarpa Brot. (Solanales: Solanaceae) ha sufrido fuertes pérdidas económicas por la presencia de Bactericera cockerelli Sulc. (Hemiptera: Triozidae) al asociarse con las enfermedades punta morada o “zebra chip", además de ser el transmisor de Candidatus Liberibacter solanacearum. Las alternativas de control utilizadas han carecido de eficacia por desconocer la distribución espacial del insecto dentro de la parcela. Conocer dicho comportamiento permitiría focalizar las alternativas de control, haciéndolas más eficaces. Este trabajo tuvo por objetivo modelizar la distribución espacial de los estadíos de huevo, ninfa y adulto de B. cockerelli obtenidos en muestreos por transectos en un cultivo de papa, utilizando herramientas geoestadísticas. Los resultados indican que la distribución espacial de las poblaciones de huevos, ninfas y adultos de B. cockerelli fue de tipo agregada en cada fecha de muestreo. La validación cruzada de los semivariogramas obtenidos corrobora la distribución agregada en las poblaciones de B. cockerelli. Por su parte, los mapas elaborados permiten observar la estructura agregada de las poblaciones del insecto, permitiendo identificar áreas infestadas y áreas libres. Se encontró estabilidad espacio temporal para los tres estadios del insecto.

Influencia de la maquinaria agrícola sobre la variabilidad espacial de la compactación del suelo. Aplicación de la metodología geoestadística-fractal

El cultivo de la caña de azúcar es uno de los más importantes en muchos países del mundo. Los suelos dedicados a este cultivo son usualmente compactados por el tránsito de la maquinaria en el proceso de cosecha. El uso combinado de la geoestadística con el análisis fractal ha demostrado ser útil para el estudio de los mismos. El objetivo del trabajo fue determinar los cambios espaciales de la resistencia a la penetración del suelo debido a la influencia del tránsito de la maquinaria en el proceso de cosecha de la caña de azúcar en un Vertisol, aplicando la metodología geoestadística-fractal. La investigación se llevó a cabo en el período de cosecha 2008-2009. Se evaluó la resistencia a la penetración en dos momentos, antes y después de la cosecha. El muestreo se realizó sistemáticamente en cuadrícula y en transecto, seleccionando 144 y 100 observaciones antes y después de la cosecha, respectivamente, y 221 para el transecto en diagonal. También se determinó el contenido de humedad del suelo por el método gravimétrico, para lo que se tomaron 288 muestras aleatorias en todo el campo. Los resultados demuestran que los valores de resistencia a la penetración (RP) presentaron una distribución normal a partir de los 5 cm de profundidad, el tránsito de la maquinaria agrícola para la cosecha de la caña de azúcar provocó concentración de la variabilidad espacial a escalas inferiores a la del muestreo (el efecto pepita aumentó), un aumento del rango de correlación espacial y una redistribución de las zonas de compactación (las variaciones de los mapas de Krigeaje). También indujo anti-persistencia y anisotropía en algunas direcciones horizontales. Se observó un comportamiento irregular de (RP) verticalmente en el transecto, donde no solamente influyó la maquinaria, sino que también otros factores influyeron como: la hilera, borde de la hilera y grietas. ABSTRACT The cultivation of the cane of sugar is one of the most important in many countries of the world. The soils dedicated to this cultivation are usually compacted by the traffic of the machinery in the harvest process. The combined use of the geostatistics with the fractal analysis has demonstrated to be useful for the study of the same ones. The objective of the work was to determine the space changes from the resistance to the penetration of the floor due to the influence of the traffic of the machinery in the harvest process of harvest of the cane of sugar in a Vertisol applying the geostatistic-fractal methodology. The investigation was carried out in the period of harvest 2008-2009. The resistance to the penetration at two moments was evaluated, before and after the harvest. The sampling was realized systematically in grid and transect, selecting 144 and 100 observations before and after the harvest, respectively, and 221 for transect in diagonal. Also the soil moisture content of the ground by the gravimetric method was determined, so 288 random samples in the entire field were taken. The results shown that resistance to penetration values presented a normal distribution deeper than 5 cm before and after harvest. The transit of the agricultural machinery for sugar cane harvest concentrated the space variability at lower distances than the sampling one, reflected an increase in the nugget effect. At the same time, an increase space correlation rank and a redistribution of compaction areas were observed studying the variations in kriging maps. Another effect of the agricultural machinery transit was to induce antipersistence and anisotropy in some horizontal directions. However, in vertical direction of the longest transect an irregular behaviour was induced not only by the machinery as by another factors such as soil cracks, crop rows and allocation.

Linear latent force models using Gaussian Processes

Purely data-driven approaches for machine learning present difficulties when data are scarce relative to the complexity of the model or when the model is forced to extrapolate. On the other hand, purely mechanistic approaches need to identify and specify all the interactions in the problem at hand (which may not be feasible) and still leave the issue of how to parameterize the system. In this paper, we present a hybrid approach using Gaussian processes and differential equations to combine data-driven modeling with a physical model of the system. We show how different, physically inspired, kernel functions can be developed through sensible, simple, mechanistic assumptions about the underlying system. The versatility of our approach is illustrated with three case studies from motion capture, computational biology, and geostatistics.

Chloroplast DNA footprints of postglacial recolonization by oaks

Recolonization of Europe by forest tree species after the last glaciation is well documented in the fossil pollen record. This spread may have been achieved at low densities by rare events of long-distance dispersal, rather than by a compact wave of advance, generating a patchy genetic structure through founder effects. In long-lived oak species, this structure could still be discernible by using maternally transmitted genetic markers. To test this hypothesis, a fine-scale study of chloroplast DNA (cpDNA) variability of two sympatric oak species was carried out in western France. The distributions of six cpDNA length variants were analyzed at 188 localities over a 200 × 300 km area. A cpDNA map was obtained by applying geostatistics methods to the complete data set. Patches of several hundred square kilometers exist which are virtually fixed for a single haplotype for both oak species. This local systematic interspecific sharing of the maternal genome strongly suggests that long-distance seed dispersal events followed by interspecific exchanges were involved at the time of colonization, about 10,000 years ago.

Análise de incertezas do modelo de teores associado aos investimentos de pesquisa de longo prazo

Os empreendimentos de mineração comumente demandam grande quantidade de investimentos financeiros e, na maioria das vezes, longos períodos de implantação, o que os torna altamente sujeitos a diversas fontes de incertezas. Tais incertezas comumente tendem a diminuir conforme a evolução do projeto. O objetivo deste estudo é correlacionar as incertezas associadas ao modelo de teores de cobre do depósito Sequeirinho com o volume de investimentos realizados ao longo de distintas fases da pesquisa geológica. Este depósito insere-se no contexto do Complexo de Mineração Sossego, localizado no município de Canaã dos Carajás (PA). Primeiramente, foram realizadas 100 simulações para cada domínio litológico em cada campanha de sondagem (pré-1998, 1999, 2000, 2002 e 2003) a partir do método de simulação sequencial gaussiana condicionada aos dados amostrais, totalizando 1.400 possíveis cenários. Para a avaliação das incertezas foram calculados três índices: variância condicional, coeficiente de variação condicional e intervalo interquartil. Por fim, a avaliação dos investimentos foi elaborada a partir dos custos estimados para o desenvolvimento de sondagens e análises químicas. Desde a campanha pré-1998, houve uma tendência de os teores médios do depósito aproximarem-se dos prováveis valores reais observados nas fases finais da pesquisa. No ano de 2000 ocorreu o maior investimento (cerca de 28 milhões de Reais) e a redução das incertezas atingiu o patamar de 15%. Os investimentos desenvolvidos em sondagens posteriores à campanha de 2000 foram da ordem de 9 milhões de Reais (cerca de 12 mil metros de sondagem), porém, não foram constatadas reduções significativas das incertezas. Este investimento seria melhor aproveitado caso fosse redirecionado a novas áreas de prospecção. Além do montante financeiro necessário para a redução das incertezas, foco deste estudo, as variações na interpretação geológica e a locação dos furos de sondagem são variáveis importantes na análise de incertezas associadas aos investimentos em pesquisa geológica.

Aplicação de métodos geoestatísticos no estudo das distribuições espaciais de condutividade hidráulica em áreas do Sistema Aquífero Guarani (SAG) e do Sistema Aquífero Bauru (SAB) no Estado de São Paulo

A condutividade hidráulica (K) é um dos parâmetros controladores da magnitude da velocidade da água subterrânea, e consequentemente, é um dos mais importantes parâmetros que afetam o fluxo subterrâneo e o transporte de solutos, sendo de suma importância o conhecimento da distribuição de K. Esse trabalho visa estimar valores de condutividade hidráulica em duas áreas distintas, uma no Sistema Aquífero Guarani (SAG) e outra no Sistema Aquífero Bauru (SAB) por meio de três técnicas geoestatísticas: krigagem ordinária, cokrigagem e simulação condicional por bandas rotativas. Para aumentar a base de dados de valores de K, há um tratamento estatístico dos dados conhecidos. O método de interpolação matemática (krigagem ordinária) e o estocástico (simulação condicional por bandas rotativas) são aplicados para estimar os valores de K diretamente, enquanto que os métodos de krigagem ordinária combinada com regressão linear e cokrigagem permitem incorporar valores de capacidade específica (Q/s) como variável secundária. Adicionalmente, a cada método geoestatístico foi aplicada a técnica de desagrupamento por célula para comparar a sua capacidade de melhorar a performance dos métodos, o que pode ser avaliado por meio da validação cruzada. Os resultados dessas abordagens geoestatísticas indicam que os métodos de simulação condicional por bandas rotativas com a técnica de desagrupamento e de krigagem ordinária combinada com regressão linear sem a técnica de desagrupamento são os mais adequados para as áreas do SAG (rho=0.55) e do SAB (rho=0.44), respectivamente. O tratamento estatístico e a técnica de desagrupamento usados nesse trabalho revelaram-se úteis ferramentas auxiliares para os métodos geoestatísticos.

Identificação de padrões de uso do solo urbano em São Paulo/SP utilizando parâmetros de variogramas.

As imagens de alta resolução espacial impulsionaram os estudos de Sensoriamento Remoto em ambientes urbanos, já que elas permitem uma melhor distinção dos elementos que compõem esse ambiente tão heterogêneo. Técnicas de Geoestatística são cada vez mais utilizadas em estudos de Sensoriamento Remoto e o variograma é uma importante ferramenta de análise geoestatística, pois permitem entender o comportamento espacial de uma variável regionalizada, neste caso, os níveis de cinza de uma imagem de satélite. O presente trabalho pretende avaliar a proposta metodológica que consiste em identificar padrões residenciais urbanos de três classes de uso e ocupação do solo por meio da análise dos valores apresentados pelos parâmetros, alcance, patamar e efeito pepita de um variograma. A hipótese é que os valores correspondentes a esses parâmetros representem o comportamento espectral padrão de cada classe e, portando, indicam que há um padrão na organização espacial de cada uma das classes. Para a presente pesquisa foram utilizadas imagem IKONOS 2002, e a classificação de uso e ocupação do solo da sub-bacia do córrego Bananal na bacia do Rio Cabuçu de Baixo em São Paulo SP. Amostras das imagens de cada classe foram extraídas e os valores de nível de cinza em cada pixel foram utilizados para calcular os variogramas. Após análise dos resultados obtidos, apenas o parâmetro alcance foi levado em consideração, pois é através desse parâmetro que se observa o grau de homogeneidade de cada amostra. Os valores de alcance obtidos nos cálculos dos variogramas identificaram com melhor precisão a classe Conjuntos Residenciais que é uma classe com padrões e características singulares, já a identificação das classes Ocupação Densa Regular e Ocupação Densa Irregular não obteve uma precisão boa, sendo que essas classes são similares em diversos aspectos.

Los SIG en el contexto del medio marino en la Región de Murcia

La aplicación de los Sistemas de Información Geográfica (SIG) se ha extendido en el mundo científico-técnico, donde se ha convertido en un instrumento de análisis y almacenamiento de información imprescindible. El uso de los SIG abarca casi cualquier aplicación en la que haya una componente espacial, como usos militares, aplicaciones en infraestructuras, planificación territorial, etc. En el medio marino se pueden aplicar para teledetección, cartografía digital, geoestadística, análisis y modelación espacial, Infraestructuras de Datos Espaciales (IDE), visores web, etc. En 1988, la Región de Murcia impulsó el proyecto de cartografía binómica del litoral murciano, siendo un instrumento que ha ido actualizándose hasta nuestros días. En comparación con otras regiones mediterráneas españolas, el litoral murciano es el tramo del litoral mediterráneo con la información cartográfica más completa y precisa, además del SIG marino más avanzado. Son numerosos los trabajos y aplicaciones en los que se ha utilizado como base la cartografía y los datos asociados, como la Red Natura 2000, ‘Programa de gestión integrada del litoral del Mar Menor y su zona de influencia’, caracterización ambiental para la propuesta de Reservas Marinas, diagnóstico medioambiental, etc.