Анализ области экстраполяции - Extrapolation domain analysis

Анализ области экстраполяции (EDA) это методология для определения географических территорий, которые кажутся подходящими для принятия инновационных управление экосистемой практики на основе участков, демонстрирующих сходство в таких условиях, как климатические, землепользование и социально-экономический индикаторы. Хотя она применялась к проектам исследования воды в девяти пилотных бассейнах, эта концепция носит общий характер и может применяться к любому проекту, в котором ускорение изменений рассматривается как центральная цель развития.

Результаты этого метода до сих пор использовались для количественной оценки глобальной экономической влияние внедрения конкретных инноваций вместе с их влиянием на водные ресурсы.[1] Исследование побудило участников нескольких проектов Challenge Program for Water и Food изучить потенциальные области для расширения. Так обстоит дело с Кесунгуаль. агролесоводство система в Гондурас,[2][3] который движется к новым областям параллельно с областями, определенными методом EDA.

EDA - это комбинированный подход, включающий ряд пространственный анализ техники. Впервые он был исследован в 2006 году, когда он был применен для оценки того, как анализ сходства может быть использован для масштабирования результатов исследований в рамках семи пилотных систем бассейнов Анд.[4] Этот метод развил дальнейшее развитие исследований, связанных с анализом гомолога Джонса.[5][6] путем включения социально-экономических переменных в поиск аналогичных сайтов в тропиках. С тех пор он использовался для оценки "Пути воздействия ’И анализ глобального воздействия.[1] «Гомолог» был разработан для определения схожести климатических условий в географической области с условиями экспериментального участка; разрешение пикселей, при котором это обрабатывается, составляет 2,43 угловых минуты или 4,5 км на экваторе.

Для вывода областей экстраполяции используются методы байесовского и частотного статистического моделирования. Применяется методология взвешивания доказательств (WofE); это во многом основано на концепциях Байесовские вероятностные рассуждения.[7][8] По сути, статистический вывод основан на определении вероятности того, что целевые сайты примут изменение, продемонстрированное в пилотных областях. Предполагается, что набор обучающих точек в совокупности будет иметь общие характеристики, которые позволят прогнозировать их присутствие на других подобных сайтах. Он основан на наборе факторов (используемых для создания уровней данных доказательной темы), которые доказывают свою совместимость с успешной реализацией на пилотных участках, и предполагает, что если целевые участки демонстрируют аналогичные социально-экономические характеристики, а также климатические и ландшафтные характеристики пилотных участков, то есть веские доказательства того, что масштабирование[требуется разъяснение ] на этих сайтах получится.

Рекомендации

  1. ^ а б Бауман, Бас, Саймон Кук, Бору Даутвейт, Клаудия Ринглер, Хорхе Рубиано и Тинджу Чжу. Июнь 2007 г. «Потенциал воздействия аэробного риса умеренных и тропических зон (STAR) в Азии». Внутренний документ, подготовленный Проектом воздействия CPWF для группы внешней проверки.
  2. ^ http://www.fao.org/focus/e/honduras/agro-e.htm
  3. ^ Луис Альварес Уэлчес и Ян Черретт. «Кесунгуальская система в Гондурасе / Альтернатива рубящим ударам». Архивировано из оригинал на 2016-03-11.
  4. ^ Отеро, М.Ф., Рубиано, Дж., Сото, В. и Лема, Г. 2006. Использование анализа сходства для масштабирования исследований. Water International. Том 31 № 3. 376–386 с.
  5. ^ Джонс П.Г., У. Диас и Дж. Х. Петух. 2005. Гомолог: компьютерная система для определения похожих сред во всем тропическом мире. Версия Beta a.0. CIAT, Колумбия.
  6. ^ http://www.cifor.org/publications/pdf_files/Books/BCarmenza0501.pdf#22
  7. ^ Бонэм-Картер, Г.Ф., Ф.П. Агтерберг, 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., Бонэм-Картер, Г.Ф. Геологическая служба Канады. Документ 89-9. 171–183.
  8. ^ Бонэм-Картер, Г.Ф. 2002. Географические информационные системы для геофизиков: 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 поддержки глобального масштабирования водосберегающих рисовых технологий в районах пилотного проекта. Water International