Statistical Spatial Data Analysis
Statistical spatial data analysis (การวิเคราะห์ข้อมูลเชิงพื้นที่ทางสถิติ) เป็นเทคนิคที่นิยม (popular technique) สำหรับสำรวจข้อมูลเชิงพื้นที่ (exploring spatial data) และวิเคราะห์ข้อมูลภูมิศาสตร์ (analyzing geographic data) คำว่า geostatistics (สถิติภูมิศาสตร์) เกี่ยวข้องกับ geographic space (พื้นที่ภูมิศาสตร์) ที่ต่อเนื่อง (continuous) ในขณะที่คำว่า spatial statistics (สถิติเชิงพื้นที่) เกี่ยวข้องกับ discrete space (พื้นที่แบบต่อยอด/แยกต่างหาก)
ใน statistical model (โมเดลทางสถิติ) ที่จัดการ non-spatial records (ระเบียนที่ไม่ใช่เชิงพื้นที่) โดยทั่วไปพิจารณา statistical independence (อิสระทางสถิติ) ระหว่างพื้นที่ข้อมูลที่ต่างกัน อย่างไรก็ตาม แตกต่างจาก traditional data sets (ชุดข้อมูลดั้งเดิม) ไม่มี independence (อิสระ) อย่างนั้นระหว่าง spatially distributed data (ข้อมูลที่กระจายเชิงพื้นที่) เพราะในความเป็นจริง spatial objects (วัตถุเชิงพื้นที่) มัก interrelated (เกี่ยวข้องกัน) หรือแม่นยำกว่านั้นคือ spatially colocated (ตั้งอยู่ร่วมกันทางพื้นที่) ในความหมายที่ วัตถุสองชิ้นยิ่งวางใกล้กัน ยิ่งมีแนวโน้ม share (แบ่งปัน) properties (คุณสมบัติ) เหมือนกัน
ตัวอย่างเช่น ทรัพยากรธรรมชาติ (nature resource), สภาพอากาศ (climate), อุณหภูมิ (temperature), และ สถานการณ์ทางเศรษฐกิจ (economic situations) มักจะเหมือนกันในพื้นที่ที่ตั้งอยู่ใกล้ชิดทางภูมิศาสตร์ (geographically closely located areas) บุคคลแม้แต่จัดการกับสิ่งนี้เป็น first law of geography (กฎข้อแรกของภูมิศาสตร์) – Everything is related to everything else, but nearby things are more related than distant things (ทุกอย่างเกี่ยวข้องกับทุกอย่าง แต่สิ่งที่อยู่ใกล้กันเกี่ยวข้องมากกว่าสิ่งที่ไกล)
ลักษณะเฉพาะของ interdependency (ความ相互依存) ใกล้ชิดข้าม adjacent space (พื้นที่ติดกัน) นำไปสู่ concept of spatial autocorrelation (แนวคิดของ spatial autocorrelation) ขึ้นอยู่กับแนวคิดนี้ spatial statistical modeling methods (วิธีการสร้างโมเดลสถิติเชิงพื้นที่) ได้ถูกพัฒนาด้วยความสำเร็จที่ดีขึ้น
Spatial Data Mining
Spatial data mining (การทำเหมืองข้อมูลเชิงพื้นที่) จะพัฒนา spatial statistical analysis techniques (เทคนิคการวิเคราะห์สถิติเชิงพื้นที่) และปรับปรุงพวกเขาสำหรับ large amounts of spatial data (ปริมาณข้อมูลเชิงพื้นที่มาก) ด้วย emphasis (เน้น) มากขึ้นบน effectiveness (ประสิทธิผล), scalability (ความสามารถในการขยาย), cooperation (ความร่วมมือ) กับ database และ data warehouse systems, enhanced customer interaction (การโต้ตอบลูกค้าที่ปรับปรุงแล้ว), และ discovery (การค้นพบ) ของ new techniques of knowledge (เทคนิคความรู้ใหม่)
Spatial database (ฐานข้อมูลเชิงพื้นที่) จัดเก็บ huge amount (ปริมาณมาก) ของ space-related data (ข้อมูลเกี่ยวกับพื้นที่) รวมถึง maps (แผนที่), preprocessed remote sensing (การตรวจจับระยะไกลที่ประมวลผลล่วงหน้า) หรือ medical imaging records (ระเบียนการถ่ายภาพทางการแพทย์), และ VLSI chip design data (ข้อมูลการออกแบบชิป VLSI)
Spatial databases มี features (คุณสมบัติ) หลายอย่างที่แยกพวกเขาจาก relational databases (ฐานข้อมูลเชิงสัมพันธ์) พวกเขาพกพา topological (โครงสร้างทาง 위상) และ distance data (ข้อมูลระยะทาง) โดยทั่วไปจัดระเบียบโดย sophisticated (ซับซ้อน), multidimensional spatial indexing architectures (สถาปัตยกรรมการจัดทำดัชนีเชิงพื้นที่หลายมิติ) ที่สร้างโดย spatial data access methods (วิธีการเข้าถึงข้อมูลเชิงพื้นที่) และต้องการ spatial reasoning (การให้เหตุผลเชิงพื้นที่), geometric calculation (การคำนวณทางเรขาคณิต), และ spatial knowledge representation methods (วิธีการแทนความรู้เชิงพื้นที่)
Spatial data mining นิยามว่าเป็นการแยกความรู้ (extraction of knowledge), spatial relationships (ความสัมพันธ์เชิงพื้นที่), หรือ other interesting patterns (รูปแบบน่าสนใจอื่นๆ) ที่ไม่ได้จัดเก็บอย่างชัดเจนใน spatial databases การทำเหมืองเช่นนี้ต้องการ unification (การรวมเป็นหนึ่ง) ของ data mining กับ spatial database technologies สามารถใช้สำหรับ learning spatial records (เรียนรู้ระเบียนเชิงพื้นที่), discovering spatial relationships (ค้นพบความสัมพันธ์เชิงพื้นที่) และ relationships ระหว่าง spatial และ non-spatial records, constructing spatial knowledge bases (สร้าง knowledge bases เชิงพื้นที่), reorganizing spatial databases (จัดระเบียบใหม่ spatial databases), และ optimizing spatial queries (เพิ่มประสิทธิภาพ spatial queries)
A central challenge (ความท้าทายหลัก) ต่อ spatial data mining คือ การสำรวจ efficient spatial data mining techniques (เทคนิคการทำเหมืองข้อมูลเชิงพื้นที่ที่มีประสิทธิภาพ) เนื่องจาก large amount of spatial data (ปริมาณข้อมูลเชิงพื้นที่มาก) และ difficulty (ความยากลำบาก) ของ spatial data types (ประเภทข้อมูลเชิงพื้นที่) และ spatial access methods (วิธีการเข้าถึงเชิงพื้นที่) Statistical spatial data analysis ยังคงเป็น popular technique สำหรับ exploring spatial data และ analyzing geographic data
The term geostatistics เกี่ยวข้องกับ continuous geographic space ในขณะที่ spatial statistics เกี่ยวข้องกับ discrete space ใน statistical model ที่จัดการ non-spatial records โดยทั่วไปพิจารณา statistical independence ระหว่าง different areas of data
