Оценка регрессионной зависимости дефолиации деревьев от дехромации для Луганской области по данным мониторинга лесов 2006 года. Проверка адекватности регрессионной модели с помощью критерия Фишера и по данным независимых наблюдений за 2007 год.
При низкой оригинальности работы "Применение непараметрического регрессионного анализа для восстановления пробелов во временных рядах данных мониторинга лесов", Вы можете повысить уникальность этой работы до 80-100%
ПРОСКУРНИН2 ? ПРИМЕНЕНИЕ НЕПАРАМЕТРИЧЕСКОГО РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ ВОССТАНОВЛЕНИЯ ПРОБЕЛОВ ВО ВРЕМЕННЫХ РЯДАХ ДАННЫХ Обосновывается возможность использования непараметрического регрессионного анализа для восстановления недостающих данных наблюдений в системе экологического мониторинга лесов. Приводится пример оценки регрессионной зависимости дефолиации деревьев от дехромации для Луганской области по данным мониторинга лесов 2006 г.В этой связи, при исследованиях лесных экосистем актуальным является применение методов статистической обработки результатов наблюдений, особенно при анализе долговременных рядов данных, которые формируются при мониторинге лесов и, в частности - для восстановления недостающих данных наблюдений. Согласно теории математической статистики, если x и y - одновременно измеряемые величины, характеризующие состояние природного объекта, и между ними существует стохастическая связь (в результате зависимости x и y от общих факторов либо изза наличия между ними причинно-следственной связи), то статистические методы позволяют определять возможное значение одной величины по данным измерения другой. Выбор данных показателей объясняется тем, что, во-первых, дефолиация и дехромация кроны являются базовыми показателями состояния насаждения [2], во-вторых - эти показатели связаны между собой, поскольку отражают влияние стресс-факторов на деревья. Однако проблема его практического использования заключается в том, что данный метод относится к группе параметрических методов статистики, для которых результат расчета зависит от того, насколько закон распределения рассматриваемых случайных величин близок к нормальному распределению [7]. Поскольку реальные мониторинговые задачи обычно характеризуются сравнительно небольшим объемом выборки, а закономерность распределения определяемых параметров лесного мониторинга, в силу особенностей объектов наблюдения, как правило, существенно отличается от известных законов распределения (нормального, Фишера, Стьюдента, ?-квадрат и др.), указанный недостаток метода наименьших квадратов является существенным, что ограничивает возможности его использования в практике.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
