Teledetekcja w ochronie środowiska Wykład V
|
|
- Justyna Magda Cybulska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Teledetekcja w ochronie środowiska Wykład V
2 Rodzaje danych spektralnych Wyróżniamy: Dane multispektralne (kilka kanałów) Dane hiperspektralne (do kilkuset kanałów) Dane ultraspektralne (tysiące kanłów) Opis ilościowy (stopień wilgotności) Poznanie charakterystyki (badanie zmienności parametru np. wilgotności) Identyfikacja (np. rozpoznanie materiału, z którego zbudowany jest obiekt) Klasyfikacja (pogrupowanie obiektów na podstawie pewnych cech) Detekcja obiektów (stwierdzenie występowania obiektu)
3 Zachmurzenie Chmury Cienie Istnieje wiele powodów, dla których, w pierwszym kroku analizy obrazów multi-spektralnych przeprowadza się identyfikację oraz maskowanie chmur: Proces maskowania chmur wykorzystywany jest np. podczas automatycznej analizy jakości zobrazowań archiwalnych Zachmurzenie należy również uwzględnić podczas procesu klasyfikacji Istotne jest również aby rozróżnić zachmurzenie od pokrywy śnieżnej
4 Zachmurzenie Chmury Pokrywa śnieżna
5 Klasyfikacja chmur i ich cieni Automated Feature Extraction in Medium and High Resolution VNIR Imagery
6 Mozaikowanie obrazów Analizowany obraz Obraz, z którego pożycza się piksele
7 Mozaikowanie obrazów Obraz na dole powstał w wyniku połączenia 6 obrazów tego samego obszaru wykonanych w różnych warunkach atmosferycznych
8 Landsat 7 awaria SLC W 2003 r. na pokładzie satelity Landsat 7 awarii uległo urządzenie o nazwie SLC (ang. Scan Line Connector) Jego celem jest kompensacja ruchu satelity tak, aby poszczególne zeskanowane pasy terenu były do siebie równoległe. Po awarii, sensor znajdujący się na satelicie Landsat 7 wykonywał zobrazowania w sposób zyg-zagowaty, w wyniku czego niektóre obszary były obrazowane kilkukrotnie, a niektóre w ogóle. Sumaryczny efekt był taki, że brakowało ok 22% powierzchni zdjęć wykonywanych od tego momentu przez satelitę Landsat 7.
9 Landsat 7 awaria SLC
10 Landsat 7 awaria SLC Nie istnieje możliwość bezpośredniego odzyskania brakujących informacji. Zamiast tego wykorzystuje się (tak samo jak w przypadku usuwania chmur z obrazów) szereg czasowy obrazów tego samego obszaru. Jest to możliwe dzięki temu, że efekt brakujących pasów za każdym razem pojawia się z pewnym przesunięciem Możliwe jest również wykonanie interpolacji brakujących wartości. W tym celu można wykorzystać narzędzia geostatystyczne.
11 Wskaźniki środowiskowe VCI (ang. Vegetation Condition Index) jest to pochodna wskaźnika NDVI. Wyznacza się go na podstawie szeregu wartości NDVI w danym okresie czasu. Wymagane: Kanał czerwony Kanał podczerwony VCI wyznacza się dla każdego piksela obrazu. Jest to stosunek różnicy wartości NDVI w wybranym momencie i minimalnej wartości NDVI w analizowanym okresie badawczym do różnicy pomiędzy wartością maksymalną i minimalną NDVI w badanym okresie (Dąbrowska-Zielińska et al. 2002). VCI przyjmuje wartości od 0 do 100. Umożliwia on podkreślenie wartości ekstremalnych współczynnika NDVI. Wartości VCI (Musiał, 2009): 0-33 : wartość NDVI w danym momencie jest bliska wartości minimalnej NDVI w całym szeregu. Może to świadczyć o złych warunkach klimatycznych panujących w tym czasie : wartość NDVI w danym momencie jest bliska wartości średniej NDVI w całym szeregu : wartość NDVI w danym momencie jest wyższa niż wartość średnia NDVI w całym szeregu.
12 Wskaźniki środowiskowe
13 Wskaźniki środowiskowe TCI (ang. Temperature Condition Index) jest to wskaźnik temperatury. Podobnie jak wskaźnik VCI wyliczany jest na podstawie wartości maksymalnej i minimalnej temperatury powierzchni w analizowanym okresie czasu. TCI wyliczany jest tak aby zobrazować wpływ temperatury na wegetację. Im wyższe wartości współczynnika TCI tym większe susze. Wartości TCI: bliskie 0 : oznacza, że temperatura w badanym okresie jest bliska wartości maksymalnej stwierdzonej dla długiego okresu czasu (np. 18 lat) bliskie 50 : oznaczają dobre, naturalne temperatury bliskie 100 : oznacza, że temperatura w badanym okresie jest bliska wartości minimalnej stwierdzonej dla długiego okresu czasu (np. 18 lat) Niskie wartości TCI mogą wskazywać na możliwość wystąpienia suszy.
14 Wskaźniki środowiskowe
15 Wskaźniki środowiskowe VHI (ang. Vegetation Health Index ) wyznaczany jest na podstawie wartości VCI i TCI. Współczynnik a determinuje wpływ poszczególnych wskaźników na wartość VHI. Często przyjmuje się, że a=0,5. Współczynnik VHI wykorzystuję się jako wskaźnik badania kondycji roślinności, wilgotności, czy warunków termicznych. VHI przyjmuje wartości od 0 do 100.
16 Wskaźniki środowiskowe
17 Wskaźniki środowiskowe NDVI Normalized Difference Vegetation Index RVI Ratio Vegetation Index ELAI - Leaf Area Index STVI - Stress Related Vegetation Index SAVI - Soil Adjusted Vegetation Index MSAVI - Modified Soil-adjusted Vegetation Index R reflectance factor in 850 nm band R reflectance factor in 650 nm band (Wójtowicz et al. 2009)
18 PCA PCA (ang. Principal Components Analysis) jest to analiza składowych głównych. Kanały zobrazowań wielospektralnych są często silnie ze sobą skorelowane a co za tym idzie niosą podobne informacje. Transformacja danych wielospektralnych wykorzystująca analizę statystyczną może być zastosowana w celu zmniejszenia nadmiarowości danych. PCA to jedna z takich transformacji.
19 PCA W przypadku danych z satelity Landsat pierwszy kanał PC zazwyczaj niesie najwięcej informacji o topografii terenu. Należy zwrócić uwagę, że w tym przypadku 4 kanał PC jest odwrotnością kanału 1. Zazwyczaj, do analizy wybiera się ten kanał PC, który jest najbardziej podobny do oryginalnego obrazu. Natomiast w trzecim kanale PC zazwyczaj najmocniej zredukowany jest szum.
20 Geostatystyka Geostatystyka Za twórcę geostatystyki uważa się Matherona, który przedstawił jej podstawy teoretyczne w latach Wykorzystał on wcześniej przeprowadzone badania de Wijsa (1951), Sischela (1952) oraz Krige a (1951). Geostatystyka jest to dział statystyki stosowanej. Może ona być wykorzystywana wszędzie tam, gdzie zmienna przestrzenna i/lub czasowa wykazuje występowanie autokorelacji. Metody geostatystyczne uwzględniają zarówno aspekt losowy jak i strukturalny (nielosowy)badanego zjawiska. Zastosowanie metod geostatystycznych umożliwia rozwiązanie złożonego problemu estymacji parametru z wykorzystaniem informacji o jego strukturze zmienności.
21 Geostatystyka Zmienna zregionalizowana Zmienna zregionalizowana Z(x) jest to numeryczna funkcja współrzędnych przestrzeni. Ma ona charakter skrajnie nieregularny i dlatego nie może ona być wyrażona w formie analitycznej. Zmienna zregionalizowana łączy dwie cechy zróżnicowania, które mogą być wyrażone w sposób ilościowy jako składniki zmienności: Losowy Nielosowy (strukturalny) Zmienna zregionalizowana odróżnia geostatystykę od statystki klasycznej, która zakłada wyłącznie losowy charakter zmienności badanych parametrów. Warunek wewnętrznej stacjonarności zmiennej zregionalizowanej Z(x) Hipoteza wewnętrznej stacjonarności zmiennej zregionalizowanej jest prawdziwa, jeżeli przyrosty funkcji Z nie zależą od lokalizacji x oraz wariancja przyrostów tej funkcji między punktami x i x + h jest również niezależna od x, a zależna jedynie od wektora h.
22 Semiwariogram Geostatystyka W geostatystyce głównym narzędziem do opisu charakteru zmienności badanego parametru jest semiwariogram, którego wartości wyznacza się najczęściej na podstawie klasycznego wzoru Matherona: - wartości parametru pomierzone w punktach oddalonych od siebie od wektor h - liczba par punktów pomiarowych oddalonych od siebie o wektor h Semiwariogram przedstawia zróżnicowanie wartości parametru w zależności od odległości pomiędzy punktami pomiarowymi. W przypadku izotropii zmienności badanego parametru wyznacza się semiwariogram uśredniony, natomiast w przypadku anizotropii, wyznaczane są wartości kilku semiwariogramów kierunkowych na podstawie punktów pomiarowych ułożonych w określonych kierunkach.
23 Semiwariogram Geostatystyka Punkty pomiarowe rozmieszczone w sposób równomierny Punkty pomiarowe rozmieszczone w sposób nierównomierny
24 Semiwariogram Geostatystyka Semiwariogram empiryczny z dopasowanym modelem teoretycznym Modele teoretyczne semiwariogramu (źródło: J. Mucha Struktura zmienności zawartości Zn i Pb w śląsko-krakowskich złożach rud Zn-Pb )
25 Semiwariogram Geostatystyka Model sferyczny Matherona C 0 zmienność lokalna parametru (wariancja samorodków) C próg semiwariogramu (wariancja progowa) C 0 + C amplituda semiwariogramu równa wariancji statystycznej a zasięg semiwariogramu (zasięg autokorelacji)
26 Kriging Geostatystyka Kriging to geostatystyczna metoda interpolacji wartości parametru. W metodzie krigingu wykorzystywana jest informacja na temat struktury zmienności badanego parametru. W metodzie krigingu estymator badanego parametru w punkcie P ma postać średniej ważonej. w ip wagi krigingu Z i wartość parametru w punkcie i n liczba próbek uwzględniona w procedurze krigingu Wagi krigingu zwyczajnego (ordinary kriging) ustalone są na podstawie wartości semiwariogramu teoretycznego. - średnia wartość założonego semiwariogramu teoretycznego dla odcinków łączących punkty pomiarowe S i oraz S j, - (S i, P) - średnia wartość założonego semiwariogramu teoretycznego dla odcinków łączących punkt pomiarowy S i z punktem P, w którym wykonywana jest interpolacja parametru, - mnożnik Lagrange a.
27 Kriging Geostatystyka W metodzie krigingu można wyznaczyć błąd oceny średniej wartości parametru. W tym celu wyznaczana jest wariancja błędu oceny średniej wartości parametru: Błąd krigingu (bezwzględne odchylenie standardowe krigingu):
28 Kriging Geostatystyka Wyniki krigingu Błąd krigingu
29 Geostatystyka Kriging Metody krigingu: Kriging zwyczajny Kriging prosty Kriging uniwersalny Kriging probabilistyczny Kriging wskaźnikowy Kriging dysjunktywny...
30 Geostatystyka Geostatystyka w ArcGIS Do analizy geostatystycznej w programie ArcGIS służy rozszerzenie Geostatistical Analyst. Obejmuje ono zestaw zaawansowanych narzędzi pozwalających badać dane przestrzenne i generować modele powierzchni z wykorzystaniem metod statystycznych i deterministycznych. ArcGIS Geostatistical Analyst umożliwia interpolowanie modelu na podstawie danych pomierzonych w wybranych punktach badanej powierzchni. ArcGIS Geostatistical Analyst umożliwia: badanie zmienności danych, sprawdzanie globalnych trendów; tworzenie map prognoz, szacowania błędu standardowego oraz prawdopodobieństwa; realizację różnych sposobów wizualizacji powierzchni włącznie z warstwicami (izoliniami); badanie autokorelacji przestrzennej i korelacji pomiędzy wieloma zestawami danych.
31 Geostatystyka Etapy analizy geostatystycznej 1. Zdefiniowanie danych. 2. Analiza statystyczna. 3. Badanie trendu (dryftu) danych. 4. Wyznaczenie semiwariogramu empirycznego. 5. Dopasowanie modelu teoretycznego. 6. Kriging. 7. Wyznaczenie błędu krigingu.
32 Geostatystyka semiwariogram uśredniony Geostatystyka Po kliknięciu np. na wybraną wartość odległości, łączone są ze sobą próbki oddalone o tą odległość. Następnie wyznaczany jest semiwariogram i dopasowany jest model teoretyczny
33 Geostatystyka semiwariogram kierunkowy Geostatystyka Anizotropia geometryczna Przykłady semiwariogramów kierunkowych z dwoma kierunkami:
34 Geostatystyka Geostatystyka anizotropia geometryczna anizotropia izotropia W przypadku izotropii zasięg autokorelacji jest taki sam we wszystkich kierunkach (koło). Dla anizotropii jest to elipsa izotropia anizotropia
35
Teledetekcja w ochronie środowiska. Wykład 2
Teledetekcja w ochronie środowiska Wykład 2 TELEDETEKCJA teledetekcja «dziedzina nauk technicznych zajmująca się pozyskiwaniem wiarygodnych informacji o obiektach fizycznych i ich otoczeniu drogą rejestracji
Bardziej szczegółowoZamiana punktowych danych wilgotności objętościowej gleby na rozkłady powierzchniowe
Ewa Borecka-Stefańska, Amadeusz Walczak, Anna Daniel, Małgorzata Dawid, Grzegorz Janik Instytut Kształtowania i Ochrony Środowiska Centrum Kształcenia na Odległość Uniwersytet Przyrodniczy we Wrocławiu
Bardziej szczegółowoZałącznik 1.1. Lokalizacja punktów pomiaru miąższości wybranych pokładów węgla w KWK Murcki (opróbowanie wiertnicze i górnicze)
ZAŁĄCZNIKI SPIS ZAŁĄCZNIKÓW Załącznik 1.1. Lokalizacja punktów pomiaru miąższości wybranych pokładów węgla w KWK Murcki (opróbowanie wiertnicze i górnicze) Załącznik 1.2. Lokalizacja punktów pomiaru miąższości
Bardziej szczegółowoINFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA
Centrum Informatyczne TASK Politechnika Gdańska Instytut Oceanologii Polskiej Akademii Nauk (IO PAN) INFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA Gdańsk Sopot,
Bardziej szczegółowoINSPIRACJA - INTEGRACJA - IMPLEMENTACJA
Centrum Informatyczne TASK Politechnika Gdańska Instytut Oceanologii Polskiej Akademii Nauk (IO PAN) INFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA ANALIZA PRZESTRZENNA
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoMODELOWANIE REPREZENTACJI POWIERZCHNI TOPOGRAFICZNEJ Z WYKORZYSTANIEM METODY GEOSTATYSTYCZNEJ **
* Urszula Marmol MODELOWANIE REPREZENTACJI POWIERZCHNI TOPOGRAFICZNEJ Z WYKORZYSTANIEM METODY GEOSTATYSTYCZNEJ ** Wprowadzenie W niniejszym artykule zwrócono uwagę na możliwość wykorzystania metody geostatystycznej
Bardziej szczegółowoTeledetekcja w ochronie środowiska. Wykład 1
Teledetekcja w ochronie środowiska Wykład 1 Stanisława Porzycka-Strzelczyk Katedra Geoinformatyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza w Krakowie Konsultacje: czwartek godzina 17:00-18:00
Bardziej szczegółowoWykorzystanie wysokorozdzielczych zobrazowań satelitarnych firmy Planet w rolnictwie precyzyjnym
Wykorzystanie wysokorozdzielczych zobrazowań satelitarnych firmy Planet w rolnictwie precyzyjnym (High-resolution imagery by Planet Labs Inc. in precision agriculture) Dominika Sztwiertnia Asystent ds.
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoWybrane zagadnienia w pracy z danymi rastrowymi w ArcGIS Marcin Paź Esri Polska
Wybrane zagadnienia w pracy z danymi rastrowymi w ArcGIS 10.1 Marcin Paź Esri Polska Zagadnienia Koncepcja rastra Typy danych rastrowych Właściwości rastrów Modele danych rastrowych w ArcGIS Przetwarzanie
Bardziej szczegółowoSylwia A. Nasiłowska , Warszawa
PORÓWNANIE ZDJĘĆ SATELITARNYCH (LANDSAT) I LOTNICZYCH (PLATFORMA ) POWIERZCHNI BADAWCZYCH PROJEKTU W LATACH 2013-2015 Sylwia A. Nasiłowska 04.08.2016, Warszawa sylwia.nasilowska@ilot.edu.pl Zakład Teledetekcji
Bardziej szczegółowoOkreślanie defoliacji drzewostanów sosnowych z wykorzystaniem zobrazowań satelitarnych Landsat
Określanie defoliacji drzewostanów sosnowych z wykorzystaniem zobrazowań satelitarnych Landsat mgr inż. Paweł Hawryło dr hab. inż. Piotr Wężyk dr inż. Marta Szostak Zakład Urządzania Lasu, Geomatyki i
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoGeoinformacja - Interpretacja danych teledetekcyjnych. Ćwiczenie I
Geoinformacja - Interpretacja danych teledetekcyjnych Ćwiczenie I Landsat TM i ETM 7 kanałów spektralnych (rozdzielczość przestrzenna 30m) Kanał 1 niebieski Kanał 2 zielony Kanał 3 czerwony Kanał 4 bliska
Bardziej szczegółowoWPŁ YW WARIOGRAMU NA WIARYGODNOŚĆ MODELU 3D TERENU W METODZIE KRIGING
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LII NR 4 (187) 2011 Dariusz Szulc Arkadiusz Narloch Akademia Marynarki Wojennej WPŁ YW WARIOGRAMU NA WIARYGODNOŚĆ MODELU 3D TERENU W METODZIE KRIGING STRESZCZENIE
Bardziej szczegółowoPRZESTRZENNE BAZY DANYCH
PRZESTRZENNE BAZY DANYCH ĆWICZENIA 1 TEMAT: Analiza satelitarnych danych Landsat w programie ArcGIS TELEDETEKCJA SYSTEM PASYWNY 1. Co to jest teledetekcja? 2. Co oznacza w teledetekcji system pasywny?
Bardziej szczegółowoZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoMonitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji
Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Analiza składników podstawowych - wprowadzenie (Principal Components Analysis
Bardziej szczegółowoKompleksowy monitoring dynamiki drzewostanów Puszczy Białowieskiej z wykorzystaniem danych teledetekcyjnych
Instytut Badawczy Leśnictwa www.ibles.pl Dane pozyskane w projekcie Kompleksowy monitoring dynamiki drzewostanów Puszczy Białowieskiej z wykorzystaniem danych teledetekcyjnych Aneta Modzelewska, Małgorzata
Bardziej szczegółowoDane najnowszej misji satelitarnej Sentinel 2 przyszłością dla rolnictwa precyzyjnego w Polsce
Dane najnowszej misji satelitarnej Sentinel 2 przyszłością dla rolnictwa precyzyjnego w Polsce Profesor dr hab. Katarzyna Dąbrowska-Zielińska Instytut Geodezji i Kartografii www.igik.edu.pl Satelity Programu
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoUdoskonalona mapa prawdopodobieństwa występowania pożarów na Ziemi. Analiza spójności baz GBS, L 3 JRC oraz GFED.
Udoskonalona mapa prawdopodobieństwa występowania pożarów na Ziemi. Analiza spójności baz GBS, L 3 JRC oraz GFED. Jędrzej Bojanowski César Carmona-Moreno* Instytut Geodezji i Kartografii Zakład Teledetekcji
Bardziej szczegółowoAnalizy statystyczno-taksonomiczne i możliwości ich zastosowania w procesie strategicznego zarządzania rozwojem regionalnym
Samorządowa Jednostka Organizacyjna Województwa Dolnośląskiego Analizy statystyczno-taksonomiczne i możliwości ich zastosowania w procesie strategicznego zarządzania rozwojem regionalnym INSTYTUT ROZWOJU
Bardziej szczegółowoWkład nauki dla poprawy działań w rolnictwie
Wkład nauki dla poprawy działań Katarzyna Dąbrowska Zielińska, Martyna Gatkowska, Karol Paradowski, Alicja Malińska, Zbigniew Bochenek, Monika Tomaszewska, Wojciech Kiryła Centrum Teledetekcji Instytut
Bardziej szczegółowoTeledetekcja w kartografii geologicznej. wykład I
Teledetekcja w kartografii geologicznej wykład I Teledetekcja teledetekcja «badanie obiektów oraz zjawisk i procesów zachodzących na powierzchni Ziemi oraz innych planet i ich księżyców za pomocą specjalnej
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoKP, Tele i foto, wykład 3 1
Krystian Pyka Teledetekcja i fotogrametria sem. 4 2007/08 Wykład 3 Promieniowanie elektromagnetyczne padające na obiekt jest w części: odbijane refleksja R rozpraszane S przepuszczane transmisja T pochłaniane
Bardziej szczegółowoAnaliza składowych głównych
Analiza składowych głównych Wprowadzenie (1) W przypadku regresji naszym celem jest predykcja wartości zmiennej wyjściowej za pomocą zmiennych wejściowych, wykrycie związku między wielkościami wejściowymi
Bardziej szczegółowoKARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU
Bardziej szczegółowoAutomatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści
Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, 2011 Spis treści Przedmowa 11 Rozdział 1. WPROWADZENIE 13 1.1. Czym jest automatyczne rozpoznawanie mowy 13 1.2. Poziomy
Bardziej szczegółowoMetody Prognozowania
Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoPOLWET SYSTEM MONITOROWANIA OBSZARÓW MOKRADEŁ RAMSAR Z WYKORZYSTANIEM DANYCH SATELITARNYCH
POLWET SYSTEM MONITOROWANIA OBSZARÓW MOKRADEŁ RAMSAR Z WYKORZYSTANIEM DANYCH SATELITARNYCH Katarzyna Dąbrowska-Zielińska Maciej Bartold, Martyna Gatkowska, Radosław Gurdak, Centrum Teledetekcji, Instytut
Bardziej szczegółowoMenu. Badania temperatury i wilgotności atmosfery
Menu Badania temperatury i wilgotności atmosfery Wilgotność W powietrzu atmosferycznym podstawową rolę odgrywa woda w postaci pary wodnej. Przedostaje się ona do atmosfery w wyniku parowania z powieszchni
Bardziej szczegółowoIdentyfikacja siedlisk Natura 2000 metodami teledetekcyjnymi na przykładzie torfowisk zasadowych w dolinie Biebrzy
Identyfikacja siedlisk Natura 2000 metodami teledetekcyjnymi Dominik Kopeć 1, Łukasz Sławik 2, Marcin Borowisk 2, Dorota Michalska-Hejduk 1 1 Uniwersytet Łódzki, Katedra Geobotaniki i Ekologii Roślin,
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoSINGLE-IMAGE HIGH-RESOLUTION SATELLITE DATA FOR 3D INFORMATIONEXTRACTION
SINGLE-IMAGE HIGH-RESOLUTION SATELLITE DATA FOR 3D INFORMATIONEXTRACTION MOŻLIWOŚCI WYDOBYCIA INFORMACJI 3D Z POJEDYNCZYCH WYSOKOROZDZIELCZYCH OBRAZÓW SATELITARNYCH J. Willneff, J. Poon, C. Fraser Przygotował:
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoWojciech MASTEJ, Lech KĄDZIOŁA Akademia Górniczo-Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków
WARSZTATY 007 z cyklu: Zagrożenia naturalne w górnictwie Materiały Warsztatów str. 451 458 Wojciech MASTEJ, Lech KĄDZIOŁA Akademia Górniczo-Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 8
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 9 Analiza skupień wielowymiarowa klasyfikacja obiektów Metoda, a właściwie to zbiór metod pozwalających na grupowanie obiektów pod względem wielu cech jednocześnie.
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoZobrazowania hiperspektralne do badań środowiska podstawowe zagadnienia teoretyczne
Zobrazowania hiperspektralne do badań środowiska podstawowe zagadnienia teoretyczne Anna Jarocińska Uniwersytet Warszawski Wydział Geografii i Studiów Regionalnych Zakład Geoinformatyki, Kartografii i
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoSentinel Playground. Aplikacja dostępna jest pod adresem internetowym: Ogólne informacje o aplikacji
Sentinel Playground Sentinel Playground jest aplikacją internetową służącą do przeglądania, analizy i oceny zobrazowań satelitarnych Sentinel-2 oraz od niedawna również Landsat 8 i MODIS. Prezentuje dane
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoMetody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin. Henryk Bujak
Metody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin Henryk Bujak e-mail: h.bujak@ihar.edu.pl Ocena różnorodności fenotypowej Różnorodność fenotypowa kolekcji roślinnych zasobów
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoMetody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowoRachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
Bardziej szczegółowoPodstawy Geomatyki Wykład VI Teledetekcja 2. Remote sensing methods based on multispectral satellite images (passive methods)
Podstawy Geomatyki Wykład VI Teledetekcja 2 Remote sensing methods based on multispectral satellite images (passive methods) Obrazowanie optyczne Podstawowa metoda teledetekcji pasywnej zobrazowania multispektralne
Bardziej szczegółowoWYZNACZANIE PÓL ANOMALII GEOCHEMICZNYCH METODĄ KRIGINGU INDYKATOROWEGO
WYZNACZANE PÓL ANOMAL GEOCHEMCZNYCH METODĄ KRGNGU NDYKATOROWEGO (na przykładzie zawartości Zn w dolomitach kruszconośnych NE części obrzeżenia GZW) Jacek Mucha, Monika Wasilewska, Bożena Strzelska Smakowska,
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoRegresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna
Bardziej szczegółowoOkreślenie składu gatunkowego Puszczy Białowieskiej z wykorzystaniem danych hiperspektralnych
Instytut Badawczy Leśnictwa www.ibles.pl Określenie składu gatunkowego Puszczy Białowieskiej z wykorzystaniem danych hiperspektralnych Aneta Modzelewska 1, Krzysztof Stereńczak 1, Małgorzata Białczak 1,
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański
KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoA. Pakiet szkoleń ArcGIS 1:
Nr postępowania: 209/2019/US/DZP A. Pakiet szkoleń ArcGIS 1: A1. do GIS - 16h; Program szkoleń ArcGIS 1 Platforma ArcGIS Wizja ArcGIS Korzystanie z GIS Zapoznanie z platformą ArcGIS Komponenty wykorzystywane
Bardziej szczegółowoTeledetekcja w ochronie środowiska. Wykład 4
Teledetekcja w ochronie środowiska Wykład 4 Obrazy SAR Obraz bezpośrednio rejestrowany przez system SAR to tzw. hologram mikrofalowy, który po skomplikowanej obróbce i wizualizacji daje obraz radarowy.
Bardziej szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoGeoinformacja Interpretacja danych teledetekcyjnych. A. Pozyskanie i przygotowanie danych
Geoinformacja Interpretacja danych teledetekcyjnych A. Pozyskanie i przygotowanie danych 1 I. Wybór obszaru zainteresowania II. Pozyskanie danych obrazowych (sceny Landsat) 2 Wprowadzenie Każdy student
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoMatematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013
0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.
Bardziej szczegółowoBudowa pionowa drzewostanu w świetle przestrzennego rozkładu punktów lotniczego skanowania laserowego
Budowa pionowa drzewostanu w świetle przestrzennego rozkładu punktów lotniczego skanowania laserowego Marcin Myszkowski Marek Ksepko Biuro Urządzania Lasu i Geodezji Leśnej Oddział w Białymstoku PLAN PREZENTACJI
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoSystem prognozowania rynków energii
System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr
Bardziej szczegółowoZamiana reprezentacji wektorowej na rastrową - rasteryzacja
MODEL RASTROWY Siatka kwadratów lub prostokątów stanowi elementy rastra. Piksel - pojedynczy element jest najmniejszą rozróŝnialną jednostką powierzchniową, której własności są opisane atrybutami. Model
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoDane LiDAR jako wsparcie podczas opracowań raportów OOŚ
Dane LiDAR jako wsparcie podczas opracowań raportów OOŚ Mateusz Maślanka Kierownik Działu Szkoleń i Marketingu ProGea Consulting e-mail: mateusz.maslanka@progea.pl Lotnicze skanowanie laserowe Jak działa?
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoJacek Mucha, Monika Wasilewska-Błaszczyk, Tomasz Sekuła
Jacek Mucha, Monika Wasilewska-Błaszczyk, Tomasz Sekuła DOKŁADNOŚĆ GEOSTATYSTYCZNEJ PROGNOZY WIELKOŚCI ZASOBÓW WĘGLA WE WSTĘPNYCH ETAPACH ROZPOZNANIA ZŁOŻA ACCURACY OF THE GEOSTATISTICAL PREDICTION OF
Bardziej szczegółowoGeoinformacja o lasach w skali kraju z pomiarów naziemnych. Baza danych WISL - wykorzystanie informacji poza standardowymi raportami
Geoinformacja o lasach w skali kraju z pomiarów naziemnych. Baza danych WISL - wykorzystanie informacji poza standardowymi raportami Bożydar Neroj, Jarosław Socha Projekt zlecony przez Dyrekcję Generalną
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoDane przestrzenne i usługi informacyjne dla administracji samorządowej
Dane przestrzenne i usługi informacyjne dla administracji samorządowej dr Witold Fedorowicz-Jackowski, Przemysław Turos GEOSYSTEMS Polska Nawigacja i pozycjonowanie - ratownictwo i służby porządkowe Uniwersalny
Bardziej szczegółowo