نمونه برداری فضایی

No English Name Available
میانگین امتیاز کاربران : 0 / از 5
  • ارسال با پیک و یا پست
  • قیمت : 39,000تومان
توضیحات کوتاه

نمونه برداری فضایی

سپاس، خداوند بزرگ که توفیق نگارش کتاب نمونه­برداری فضایی را نصیب ما گرداند. از آن جا که نمونه­برداری، یکی از اصول اساسی یا زیر بنای یک پژوهش است باید به درستی انجام گیرد. این کتاب به عنوان یک منبع برای افرادی خواهد بود که قصد دارند با روش­های مختلف نمونه­برداری که در آمار کلاسیک و آمار فضایی به کار گرفته می­شوند آشنا شوند و سپس سعی کنند با راهکارهای موجود به یک نمونه­برداری بهینه دست پیدا کنند. فصل اول کتاب به کلیاتی در رابطه با نمونه­برداری و اصول و اهداف آن اشاره دارد. در فصل دوم به روش­های متداول نمونه­برداری که در آمار کلاسیک و آمار فضایی کاربرد دارد اشاره می­شود. سپس در فصل سوم به روش­های نمونه برداری فضایی دو بعدی و انواع آن اشاره شده است در همین فصل سعی شده با بررسی پایان­نامه­ها و مقالات جدید کشور روش­های جدید نمونه-برداری نیز معرفی شود. در فصل چهارم به نحوۀ نمونه­برداری بهینه به منظور پهنه­بندی پرداخته شده است. همچنین سعی شده در فصل پنجم به مقولۀ راهکارهای جستجو در تخمینگرهای زمین آمار برای به دست آوردن نمونۀ مناسب پرداخته شود. یکی از ارکان اساسی در نمونه­برداری، به دست آوردن نمونۀ بهینه است که در فصل ششم به این موضوع پرداخته شده است. در فصل هفتم نیز نگاهی به پژوهش­های اخیر در نمونه­برداری پرداخته است که مطالعۀ آن­ها دقت ما را برای استفاده نمونه مناسب در تحقیقات علمی بالا می­برد. برای درک بهتر هر فصل خلاصه مربوط به آن فصل و منابعی برای مطالعه بیشتر آورده شده است. این کتاب به جامعه علمی مخصوصاً پژوهشگران، اساتید، دانشجویان و همچنین مدیران و برنامه­ریزان کشور تقدیم می­شود.

توضیحات

مقدمه

یکی از کاربردهای قانون اول توبلر و وابستگی فضایی این است که بتوان با چند نمونه که از مکان­های مناسب برداشت شده­اند، توصیف تقریباً درستی از سطح زمین ارائه داد. تلاش برای نشان دادن پیچیدگی­های بیشمار دنیای واقعی، ما را ملزم به خلاصه­کردن، یا نمونه­برداری رخدادها و وقایع در یک قاب نمونه­برداری[۱] می­کند. این قاب به عنوان محدوده واجد شرایط برای نمونه­برداری از عناصر مورد نظر تعریف می­شود. قاب نمونه­برداری فضایی توسط مرزهای منطقه مورد مطالعه و یا مجموعه­ای از پدیده­های ناحیه­ای محدود می­شود. نمونه­برداری فضایی را می­توان فرآیند انتخاب نقاطی از یک زمین پیوسته دانست و یا اگر زمین نشاندهنده قطعاتی از پدیده­های ناحیه­ای باشد، نمونه­برداری فضایی فرآیند انتخاب برخی از موزاییک­ها و نادیده گرفتن بقیه قطعات می­باشد. نمونه­برداری فضایی علمی مستلزم آن است که هر عنصر در قاب نمونه­برداری یک فرصت از قبل مشخص شده برای انتخاب داشته باشد. نمونه­برداری مکانی نیازمند آن است که محقق درجۀ وابستگی در داده­ها را تشخیص دهد. غالباً سطحی که از آن نمونه گرفته می­شوند، پیچیده بوده و مشکلاتی را برای آنالیز آماری ایجاد می­کند (جوی­زاده، ۱۳۹۶).

برای مطالعات طرح نمونه­برداری اهداف مختلفی همچون پیشگویی فضایی، تعیین ساختار همبستگی فضایی و … وجود دارد. در این فصل به اختصار در مورد مفاهیم نمونه­برداری فضایی بحث خواهد شد.

۱-۲ ماهیت داده­های مکانی

هر داده مکانی مثلاً مقدار بارندگی یا چاه نفت الزاماً باید به یک مکان یا قسمتی از روی زمین مستند شود. استناد به نقطه­ای از زمین توسط سه ویژگی عرض و طول جغرافیایی و ارتفاع از سطح دریاهای آزاد انجام می­شود. داده­های مکانی به دو شکل پیوسته و ناپیوسته هستند. داده های پیوسته داده­هایی هستند که در همه جای سطح زمین وجود دارند مانند ارتفاع از سطح دریا، دما و باران. داده­های ناپیوسته در همه جا یافت نمی شوند. مانند معدن آهن، جنگل، رودخانه، روستا، خانه، دریاچه، چاه آب و غیره. داده­های ناپیوسته در حقیقت عارضه­های مکانی را تشکیل می­دهند. عارضه­های مکانی می­توانند به صورت نقطه، خط و مساحت دیده شوند. چاه نفت یک عارضه نقطه­ای است در صورتیکه رودخانه یک عارضه خطی و مزرعه گندم یک عارضه مساحتی می­باشد. معمولاً داده­های ناپیوسته شمارش می­شوند. فراوانی عارضه­ها یا در داخل واحد­های طبیعی یا مصنوعی شمرده می­شوند. تعداد درختان شمشاد واقع در یک دامنه و یا در یک چهارگوش با ابعاد معین. معمولاً از واحد­های مصنوعی با شکل و ابعاد منظم و معلوم استفاده می شود. مطالعه شکل عارضه­های مساحتی و طول عارضه­های خطی می­تواند برای محققان مفید باشد. متخصصین جغرافیای شهری شهر­ها را از نظر شکل طبقه­بندی می­کنند. ژئومورفولوژیست ها طول رودخانه­ها را اندازه می­گیرند. اما مهمترین ویژگی مورد مطالعه پراکندگی و تراکم عارضه ها بر روی زمین است. برای اینکه از بررسی پراکندگی­ها الگوهای پراکنش به دست می­آید که برای محقیقین بسیار مهم است. برای شناسایی الگوها فراوانی عارضه­ها در داخل واحد­های مطالعه شمرده می­شود و یا اینکه فاصله آنها از همدیگر اندازه­گیری می­شود. داده­های پیوسته در نقاط معینی از سطح زمین اندازه­گیری می­شوند. اندازه دما یا نم نسبی در ایستگاه­های هواشناسی تعیین می شود. برای استفاده از این داده­ها در نقاط فاقد داده از فرآیند درون­یابی استفاده می­شود. برای درونیابی داده­های پیوسته سطح زمین به واحد­های کوچکی بنام پیکسل تقسیم می­شود.

داده­های مکانی به دو روش شمارش و اندازه­گیری جمع­آوری می­شوند. فراوانی تلاقی­های خیابان­ها در یک شهر شمرده می­شوند در صورتیکه آلودگی هوای آن در نقاط مختلفی اندازه­گیری می­شود. هر دو فرآیند شمارش و اندازه­گیری بر روی مکان انجام می­شوند و بدون استناد به مکان معنایی ندارند. به این جهت بعضی­ها داده­های مکانی را زمین آمار[۲] می­گویند. در تحلیل داده­های مکانی حتماً باید به ویژگی فضایی یا مکانی آنها توجه شود. به استثنای جنبه فضایی، از بقیه جهات، داده­های مکانی همانند داده­های علوم دیگر است.

منبع داده­های مکانی در مرحله اول روی زمین است و بهترین روش تهیه داده­های مکانی مشاهده مستقیم است که از ابتدای پیدایش علوم مکانی مهمترین و مؤثرترین روش جمع آوری داده می باشد. اما در جهان امروز به جهت افزایش داده، در بیشتر موارد امکان مراجعه مستقیم به زمین وجود ندارد و محقیقین از منابع دست دوم استفاده می­کنند. بهترین نوع منبع دست دوم تصاویر ماهواره­ای و عکسهای هوایی است که برای جغرافیدان می­تواند روی زمین تلقی شود. اما در مقیاس کوچکتر بسیاری از اطلاعات مانند ویژگیهای توپوگرافی، شبکه زهکشی، خاک، شبکه ارتباطی و…  را می­توان از روی این عکسها و تصاویر تهیه نمود. بعضی دیگر از اطلاعات مکانی مانند آمار بارندگی، آلودگی شهرها، تولیدات کارخانجات و کشاورزی به طور مستقیم عملی نیست و از روی سالنامه­های آماری استخراج می شود. تهیه پرسشنامه و جمع­آوری داده­ها از این طریق نیز یکی دیگر از روشهای مراجعه مستقیم است (علیجانی، ۱۳۹۰).

 

۱-۳ مفاهیم در نمونه­برداری

در این بخش با برخی از مفاهیم و تعاریف مهم از جمله جمعیت آماری (جامعه)، سرشماری، نمونه­برداری، اهداف و اصول اساسی در نمونه­برداری آشنا می­شوید.

جمعیت آماری عبارت است از کلیه عناصر و افرادی که در یک مقیاس جغرافیایی مشخص (جهانی، منطقه­ای، محلی و یا مکانی) دارای یک یا چند صفت مشترک باشند (حافظ نیا، ۱۳۸۵). به عبارتی دیگر، جمعیت بیانگر کل گزینه­های مورد گزینش است که برای مطالعۀ مورد نظر در دسترس است (محمدی، ۱۳۸۶). برای نمونه در تحقیقات زیر:

– بررسی آفت در جنگلهای بلوط زاگرس؛

– تعیین الگوی مکانی بیماری دیابت با استفاده از روشهای مختلف در شهرستان تفت؛

– مقایسه روشهای پهنه­بندی رقومی خاک در منطقه اردکان؛

– الگوی مکانی ترافیک در شهر تهران و

– …

جنگلهای بلوط زاگرس، بیماران دیابتی شهرستان تفت، خاک منطقه اردکان، ترافیک در شهر تهران و … جمعیت مورد مطالعه است.

از نقطه نظر اندازه، دو نوع جمعیت شامل “جمعیت­های محدود” و “جمعیت­های نامحدود” وجود دارند. به نظر لوین و رابین (۱۹۹۸) منظور از محدود، این است که جامعه اندازه­ای مشخص دارد بدین معنا که عدد صحیح  وجود دارد که بیان می­کند چه تعداد اقلام در جامعه وجود دارد. اما یک جامعه نامتناهی جامعه­ای است که در آن به لحاظ تئوری مشاهده همه عناصر امکان پذیر نمی­باشد اگر چه بسیاری از جوامع به ظاهر بسیار بزرگ می آیند، هیچ جامعه واقعاً نامتناهی از اشیای فیزیکی عملاً وجود ندارد. بعد از همه این اوصاف، به فرض داشتن منابع و زمان نامحدود، می­توان هر جامعه محدودی را شمارش نمود حتی دانه­های شن کره زمین. بنابراین جمعیت محدود به جامعه­ای گفته می­شود که پژوهشگر امکان مطالعه آن­ها را داشته باشد (رمضانی، ۱۳۷۸). به عبارتی دیگر، جمعیتی قابل سنجش است که در عمل، ممکن است به دلیل وسیع و بزرگ بودن و یا اهداف عملی و محاسباتی، به عنوان جمعیت نامحدود در نظر گرفته شود (محمدی، ۱۳۸۶). جمعیت نامحدود در اینجا کلمه نامحدود به معنی لغوی آن مورد نظر نیست. زیرا آنچه در حوزه ادراک انسان است محدود است، در این تعریف منظور از نامحدود جامعه­ای است که حجم بسیار زیادی دارد و محقق توانایی مطالعه آن­ها را در آن حجم وسیع ندارد.

از آغاز پیدایش بشر تاکنون، همواره پرسشهای فراوان در امـور زنـدگی مطـرح بـوده اسـت کـه برای پاسخ به آن­ها، نیاز بـه گـردآوری داده اسـت. یکی از روش­هـای گـردآوری داده برای انجام تحقیق­های مورد نیاز سرشماری است. سرشماری به روش آمـارگیری گفتـه می­شـود که در آن همۀ واحدهای جامعه­ای از نظـر یـک یـا چنـد صـفت، مـورد مطالعـه قـرار می­گیرنـد. بدیهی است در مواردی که واحدهای جامعه­ای مـورد مطالعـه بسـیار بـزرگ یـا نامتنـاهی اسـت، انجام سرشماری بسیار پرهزینه و زمانبر است و حتی در برخـی از بررسـی­ها انجـام سرشـماری موجب از دست رفتن ویژگی صفت مورد مطالعه می­شود و در نتیجه به­کـارگیری سرشـماری در چنین شرایط معقول نیست.

به دلیل وجود مشکلات بالا، پژوهشگران، گاه پژوهش خود را محدود به نمونۀ کـوچک از جامعۀ مورد مطالعه می­سـازند. واضـح اسـت کـه در تعیـین نمونـه و نحـوۀ انتخـاب آن بایـد روش­هایی را به کار گرفت که نمونۀ انتخاب شـده بتوانـد معـرف خـوبی بـرای جامعـۀ خـود باشد و با حداقل هزینۀ ممکن، دقت مورد نظر را تأمین نماید. یکی از رایجترین هدف­های آمـارگیری نمونـه­ای، بـرآورد پارامترهـایی ماننـد میـانگین یـا نسـبت صفت مورد نظر در جامعه است. در این صورت بـا انتخـاب یـک نمونـه از جامعـه و محاسـبۀ آمارۀ مربوط، از آن به عنوان برآوردی از پارامتر صفت مورد نظر در جامعـه استفاده می شـود. در سـالهای گذشـته، اطلاعـات مـا دربـارۀ مشخصـه­های جامعـه­های مـورد بررسـی اغلـب از طریـق نمونه­برداری فـراهم شـده اسـت، امــا تـا قبـل از سـال ١٩۴٠مـیلادی بـه روش و نظریــۀ نمونه­برداری توجه چندان نشده بود. با توسعه­ی علم احتمـال و آمـار و ارتبـاط آن بـا نمونـه­برداری، شاخۀ نمونه­برداری برای برآورد مشخصه­های جامعۀ تحت مطالعـه و بررسـی ویژگی­هـای ایـن گونه برآوردها به سرعت گسترش یافـت بـه طـوری کـه امـروزه در بسـیاری از علـوم دیگر ماننـد علــوم اجتمـاعی، اقتصـادی، پزشـکی، روانشناسی، کشـاورزی، آموزشی و … آمارگیری­های نمونه­ای کاربرد وسیع دارد. نتیجۀ نمونه­برداری­ها به شرط رعایت اصول و ضوابط آن، از دقـت بالایی برخـوردار اسـت. از مزیت­های استفاده از روش نمونه­برداری نسـبت بـه سرشـماری بـه مـواردی ماننـد صـرفه­جویی در وقت، انرژی و هزینه و جلوگیری از افزایش احتمال پیش آمدن خطاهای غیرنمونه­برداری می تـوان اشاره کرد.

در گذشته برای به ‌دست آوردن یک نمونۀ نماینده از جامعه، از روش­های نمونه­برداری غیر احتمالی استفاده می­شد. این روش­ها در دهه­های ۱۹۲۰ و ۱۹۳۰ مورد استفاده بودند. در آن زمان، تجربه و استفاده از افراد خبره در زمینه­های مورد مطالعه، در انتخاب یک نمونه از جامعه کاربرد فراوان داشت. نمونه­برداری “سهمیه­ای” از جمله این روشهاست که در دهه­های ۱۹۳۰ و ۱۹۴۰ برای پیش­بینی انتخابات، نظر­خواهی­های عمومی و بررسی­های بازار­یابی استفاده فراوان می­شد. بعد از شکست این روش در پیش­بینی انتخابات ریاست جمهوری آمریکا در سال ۱۹۴۸ و نیز پیشرفت علم احتمال و آمار و تشخیص معایب روش­های نمونه­برداری غیر احتمالی توسط آماردانها، حدود ۶۰ ،۷۰ سال پیش (نیمه دوم دهه ۱۹۳۰ و دهه ۱۹۴۰) تکنیک­های نمونه­برداری مبتنی بر احتمال به تدریج ابداع و بکار رفتند. در سال ۱۹۳۴ نیمن مقاله­ای ارائه داد که در آن فواید استفاده از نمونه­برداری تصادفی را نسبت به نمونه­برداری غیر احتمالی شرح داده است. بدین ترتیب روش­های نمونه­برداری احتمالی جایگزین روشهای نمونه­برداری غیر احتمالی شدند. معمولاً محققان روش­های نمونه­برداری احتمالی را به روش­های غیر احتمالی ترجیح می‌دهند و این گونه در مورد آن­ها برداشت می‌شود که با دقت و موشکافانه عمل می‌کنند. با این ‌وجود در تحقیقات اجتماعی کاربردی، ممکن است شرایطی موجود باشد که به طور عملی یا تئوری، نمونه­برداری احتمالی قابل اجرا نباشد. این جاست که دامنه وسیعی از نمونه‌برداری های غیر احتمالی به کار می­آید. در دسترس نبودن یک چارچوب خوب و یا هزینه زیاد، می‌توانند از علت­های دیگر استفاده از نمونه­برداری غیر احتمالی باشند.

 

 

در صورتی که محقق قصد شناخت جمعیت آماری را از طریق مطالعۀ نمونه­ای از آن دارد باید حتماً روش احتمالی را برای گزینش نمونه انتخاب کند تا نمونه از این طریق با جامعه مشابهت داشته باشد و صفات آن­ها بر یکدیگر مطابقت نماید و و نمونه معرف جامعه باشد.

 

بنابراین روش­های انتخاب نمونه را می‌توان به دو گروه احتمالی و غیر احتمالی (تصادفی و غیر تصادفی) تقسیم کرد. در روش احتمالی این امکان وجود دارد که بر اساس نتایج حاصل از نمونه با اعتماد قابل اندازه‌گیری درباره پارامترهای جامعه قضاوت کرد. در صورتی که نمونه­‌برداری غیر احتمالی فاقد این خاصیت است. انتخاب نمونه در نمونه‌­برداری غیر احتمالی بر اساس تشخیص و صلاح محقق انجام می‌گیرد نه بر اساس تصادف و احتمال تعیین شده قبلی. می‌توان گفت، تفاوت نمونه­برداری احتمالی و غیر احتمالی در این است که در نمونه­برداری غیر احتمالی شانس (تصادف) دخیل نیست. به عبارت دیگر نمونه­های غیر احتمالی نمی‌توانند به تئوری احتمال وابسته باشند (برای تعیین میزان خطای برآورد، نمی‌توان از روشهای آماری مبتنی بر اصول احتمال استفاده کرد). البته این بدان معنا نیست که نمونه­های غیر احتمالی”نماینده” جامعه نیستند (دلاور، ۱۳۸۷).

۱-۴ گستره­های نمونه­برداری[۳]

مفهوم گستره­های نمونه­برداری، در حقیقت، تعمیم و گسترش منطقی ایده و مفهوم جمعیت است. درک و شناخت مفهوم گستره­های نمونه­برداری به منظور طراحی و اجرای صحیح و موفقیت­آمیز برنامه­های نمونه­برداری و پردازش آماری (کلاسیک و آماری) مؤثر، از اهمیت بسیار زیادی برخوردار است. اختلاط گستره­های نمونه­برداری، دریچه­ای به سوی خطاها و دشواری­های مربوط به پردازش و تفسیر نتایج حاصل خواهد بود. در علوم محیطی، شناخت دقیق گستره­های نمونه­برداری و جداسازی صحیح آن­ها بسیار مهم می­باشد. یک مثال ساده از جداسازی گستره­های نمونه­برداری در شکل زیر نشان داده شده است. همان گونه که ملاحظه می­گردد، گسترۀ کلی نمونه­برداری، شامل چینه­ها یا لایه­های آبدۀ چندگانه می­باشد. در این وضعیت، آلودگی سطحی می­تواند بیشترین اثر را بر لایه­های سطحی بر جای گذارد؛ در حالی که واحدهای تحتانی و عمیق­تر، تأثیر نسبتاً اندکی را بر خود می­بینند. حتی در شرایطی که تمامی لایه­ها در برگیرندۀ آلودگی معنی­داری باشند؛ نمونه­برداری لایه­ها به ویژه برای اندازه­گیری تخلخل و آب­گذری (به عنوان دو فاکتور مهم در مدل­های هیدرولیکی) می­بایستی به طور جداگانه صورت گیرد. فرض شرایط و خصوصیات یکسان در آبخوان­های متشکل از لایه­ها و چینه­بندی مختلف و متفاوت، فرضی بسیار نادرست و همراه با ریسک خواهد بود.

تیل یخچالی
شیل
سنگ آهک

درز و شکافدار

شیل
ماسه سنگ

شکل ۱-۱: نمایش شماتیک گستره­های مطالعاتی (منبع: محمدی، ۱۳۸۶)

 

ناحیه مدیریت

پساب

جاده دسترسی شمالی
ناحیه تصفیه پساب
ناحیه مطالعات راهنما
ناحیه تالابی
ناحیه

جدایش

تشخیص و تعیین گستره­های نمونه­برداری در فضای جغرافیایی مورد مطالعه نیز حائز اهمیت است. در شکل ۱-۲ گستره­های مختلف جغرافیایی در یک محدودۀ مطالعاتی که توسط  آلوده شده است، نشان داده شده­اند. این گستره­ها شامل محدوده­های مدیریت ضایعات[۴]، خاک­های مرطوب[۵] و غیره می­باشند.

 

شکل ۱-۲: نمونه­ای از چگونگی تشخیص و تعیین گستره­های نمونه­برداری در فضای جغرافیایی مورد مطالعه (منبع: محمدی، ۱۳۸۶)

هیستوگرام داده­های مربوط به غلظت  در گستره­های مدیریت ضایعات و اراضی مرطوب در اشکال ۱-۳ و ۱-۴ نشان داده شده­اند. همان گونه که ملاحظه می­گردد؛ توزیع داده­ها در هر دو گسترۀ نمونه­برداری، دارای چولگی به سمت راست است. بنابراین، تعداد نمونه­ها و شکل توزیع در دو گستره متفاوت می­باشند. تعداد نمونه­ها در محدوده­های مدیریت ضایعات و اراضی مرطوب، به ترتیب برابر ۱۳۰۰ و ۲۰۰ می­باشند. مهم­ترین تفاوت، شامل اختلاف آماره­های محاسبه شده در هر دو محدوده است.

شکل ۱-۳: هیستوگرام داده­های  در محدوده­های مدیریت ضایعات (منبع: محمدی، ۱۳۸۶)

 

شکل ۱-۴: هیستوگرام داده­های  در گسترۀ خاک­های مرطوب (منبع: محمدی، ۱۳۸۶)

 

مقدار عددی میانگین، واریانس و انحراف معیار آلاینده مورد نظر در محدوده­های مدیریت ضایعات، به ترتیب برابر ۲/۳۶۵، ۳۲۳۹۷۰۱ و ۱۸۰۰ می­باشند. این در حالی است که مقادیر میانگین، واریانس و انحراف معیار غلظت  در محدودۀ مربوط به خاک­های مرطوب، به ترتیب برابر ۸۹/۰، ۷۵/۹ و ۱۲/۳ می­باشند. بدین ترتیب می­توان نتیجه­گیری نمود که دو جمعیت آماری مختلف وجود دارند و لذا جداسازی آن­ها و پردازش جداگانۀ آن­ها ضروری است.

علاوه بر اهمیت و ضرورت توجه به گستره­های مکانی (جغرافیایی) نمونه­برداری، گستره­های زمانی[۶] از اهمیت بسیار زیادی برخوردار هستند. بسیاری از فرآیندها و پدیده­های محیطی، علاوه بر تغییرات مکانی، دارای رفتارهای متفاوت و متغیر در واحدهای مختلف زمانی هستند. برای نمونه، می­توان به تغییرات روزانۀ آلاینده­های مختلف در محیط زیست، تغییرات فصلی سطوح و کیفیت آب­های زیرزمینی، وارونگی هوا در فصول مختلف و تغییرات زمانی در تخلیۀ آلاینده­های مختلف به محیط نام برد. شکل ۱-۵ متوسط تغییرات ماهیانۀ مونواکسیدکربن در طی چهار سال را نشان می­دهد.

شکل ۱-۵: نمونه­ای از گستره­های زمانی متوسط تغییرات ماهیانۀ مونواکسیدکربن در طی چهار سال (منبع: محمدی، ۱۳۸۶)

 

علاوه بر تغییرات مکانی و زمانی گستره­های نمونه­برداری، در برخی از شرایط، این گستره­ها تحت تأثیر عوامل فیزیکی و محیطی دیگری قرار می­گیرند و موجب ایجاد تفاوت­های آماری در چگونگی توزیع آماری مقادیر عددی حاصل از نمونه­ها می­گردند. شکل ۱-۶ چگونگی پراکنش نمونه­های خاک، به منظور اندازه­گیری غلظت کادمیوم در اطراف سه کارخانۀ تولید روی در بخش شمال شرقی کشور بلژیک….را نشان می­دهد. مقایسۀ خصوصیات آماری نمونه­های مجاور هر کارخانه، حاکی از شدت­های مختلف آلودگی در اطراف کارخانه­های مزبور است. ویژگی­های فیزیکی و فنی هر کارخانه و عوامل محیطی، باعث بروز چنین تفاوت­هایی شده­اند. برای نمونه، میانگین غلظت کادمیوم برای سه کارخانۀ مزبور، برابر با ۰۵/۳، ۳۲/۳ و ۵۷/۴ میلی­گرم در کیلوگرم خاک است.

شکل ۱-۶: چگونگی پراکنش نمونه­های کادمیوم خاک در اطراف سه کارخانۀ تولید روی در بخش شمال­شرقی کشور بلژیک (منبع: محمدی، ۱۳۸۶)

 

ایدۀ گستره­های نمونه­برداری و بررسی تفاوت­های آماری بین آن­ها می­تواند تحلیل­گر را به یکی از مباحث بسیار مهم در مبانی آمار، تحت عنوان “فرضیۀ ایستایی” (مکانی، زمانی و فیزیکی) رهنمون سازد. از نقطه­نظر نمایشی و بصری، اختلاط دو گسترۀ نمونه­برداری یا جمعیت نمونه­برداری، موجب تولید هیستوگرام­هایی با دو و یا بیش از دو نقطۀ اوج یا نما (مد) می­شود. در پردازش مکانی و پهنه­بندی، اختلاط گستره­های نمونه­برداری، موجب اختلاط ساختارهای هم­بستگی مکانی بین داده­ها و در نتیجه، پوشانده شدن ساختارهای تغییرپذیری واقعی داده­ها و عدم امکان دست­یابی و مدل­سازی آن­ها می­گردد (محمدی، ۱۳۹۶).

۱-۵ تعاریف مختلف برای نمونه­برداری و اهداف آن

گال و همکاران (۲۰۰۳) می نویسند: پژوهشگرانی که از تحقیقات کمی استفاده می­نمایند، تلاش می­کنند از طریق مطالعه گروهی بسیار کوچک، در مورد یک گروه بزرگ از افراد اطلاعات به دست آورند. گروه بزرگ که قصد دارند در مورد آن اطلاعات کسب کنند، جمعیت، و گروه کوچک که در واقع مورد مطالعه قرار می­گیرند، نمونه نامیده می­شود.

نصر و همکاران (۱۳۸۴) می­نویسند: صرف جویی در وقت و هزینه لازم برای مطالعه تمام جامعه، دلیل انتخاب یک نمونه کوچک از جامعه مورد نظر می­باشد.در تحقیق کمی، به فرآیند انتخاب یک نمونه از جامعه تعریفـــ شده با این هدف که نمونه دقیقاً معرف جامعه مورد نظر باشد، نمونه­برداری گفته می­شود. اگر نمونه­برداری به طور صحیح انجام گیرد، می­توان از نمونه، خصوصیات تمام جامعه را با احتمال بسیار ناچیز خطا استنباط نمود.

به نظر جان بست (۱۹۸۳)، هدف اصلی تحقیق کشف اصولی است که در همه موارد صادق باشد، اما مطالعه تمامی جامعه به گونه­ای که به یک قاعده کلی بینجامد اگر محال نباشد، دست کم عملی نیست. برخی از جامعه­ها به اندازه­ای بزرگ هستند که نمی­توان مشخصات آنها را اندازه گرفت، زیرا قبل از اینکه اندازه­گیری پایان پذیرد جامعه تغییر خواهد یافت. گاه حجم زیاد مستلزم کار هزاران محقق ، خرج هزینه بالا، و صرف صدها هزار ساعت کار لازم است.

شریفی (۱۳۸۴) می­نویسد: فرآیند نمونه­برداری، استخراج نتایج و استنباط قواعد کلی متغیر را براساس مشاهده دقیق متغیرها در گروه نسـبتاً کوچکی از جامعه میسـر ساخته است. مقـدار اندازه­گیری شده مربوط به یک نمونه، شاخص آماری نامیده می­شود.

محمدی (۱۳۸۶) نمونه و نمونه­برداری را چنین تعریف کرد: “نمونه عبارت است از تعدادی از افراد جامعه که صفات آن­ها با صفات جامعه مشابهت داشته و معرف جامعه بوده، از تجانس و همگنی با افراد جامعه برخوردار باشند”؛ از این رو نمونه­برداری، عبارت است از مجموعه اقداماتی که برای انتخاب تعدادی از افراد جامعه به نحوی که معرف آن باشند، انجام می­پذیرند.

اگر چه فرآیند نمونه­برداری، بخش همیشگی مطالعات و تحقیقات محیطی است و به کرات صورت می­پذیر؛ لیکن، تجارب نشان می­دهند که نمونه­برداری غیر صحیح نیز به کرات اتفاق می­افتند. نمونه­ها در حقیقت، پنجره­هایی به سوی دنیای پیرامون ما (پدیدۀ مورد مطالعه) می­گشایند. همان گونه که شکل نشان می­دهد، یک محقق از یک نمونه کوچک، درخواست­ها و انتظارات بسیار زیادی را مطالبه می­کند. به دیگر سخن، یک نمونه با حجم کوچک، تعیین کنندۀ سرنوشت گستره­های بسیار وسیع­تر و با حجم بسیار بزرگ­تر است.

از آن جایی که کیفیت ویژگی عرصه­های مطالعاتی و ارزیابی مسالۀ مورد نظر، وابسته به کیفیت نمونه­ها است؛ توجه به مولفۀ نظریه­ها و شیوه­های نمونه­برداری که به نحوی دلایل و ریشه­های خطا و عدم قطعیت در نمونه­برداری را منعکس می­سازد، از اهمیت زیادی برخوردار است. اهداف اساسی نظریه­ها و شیوه­های نمونه­برداری، عبارتند از:

– تعیین و تفکیک خصوصیات ساختاری و غیرساختاری نمونه­ها

– تجزیه و تحلیل و پردازش ناهمگنی­های محیط و فضای نمونه­برداری و نمونه­ها

– تفکیک و تقسیم خطاهای نمونه­برداری در طبقات و کلاس­های مناسب و صحیح

– ارزیابی صحت ابزارهای نمونه­برداری

– ارائۀ یک طرح و الگوی نمونه­برداری به منظور به حداقل رساندن خطاهای نمونه­برداری

– کاهش تغییرپذیری بین نمونه­های تکراری

۱۰۰۰۰ تن
پسماند خطرناک؟
نمونه
یک چهارم
یک گرم
(آنالیز شده)
وسیله آنالیز
ما واقعا چه می­دانیم؟

شکل ۱-۷: مفهوم نمونه­برداری (منبع: محمدی، ۱۳۸۶)

 

گال و همکاران (۲۰۰۳) چهار ملاک برای نمونه­برداری مشخص کردند که عبارتند از :

 

– باید توصیف روشنی از جامعه­ای که نتایج به آن تعمیم داده خواهد شد ارائه شود .

– شیوه نمونه­برداری باید با جزئیات کامل بیان شود به طوری که یک پژوهشگر دیگر بتواند همان شیوه را تکرار کند، این جزئیات باید حداقل شامل موارد زیر باشد:

– نمونه­برداری

– حجم نمونه

– منطقه جغرافیایی

با توجه به نوع مطالعه، داده­های توصیفی دیگر مانند جنس، سن ، پایه تحصیلی و وضعیت اقتصادی و اجتماعی نیز باید ارائه شود                                                           .

– چهارچوب نمونه­برداری یعنی فهرست­ها، شاخص­ها یا مدارک ثبت شده دیگری که نمونه از آن انتخاب نشده، باید مشخص گردد .

– نرخ تکمیل که عبارت است از نسبت نمونه شرکت کننده به تعدادی که قصد بوده در پژوهش شرکت کنند باید مشخص گردد.

۱-۶ طرح نمونه­برداری

آمارگیری نمونه­ای می­تواند تعهد سنگینی باشد که مستلزم صرف وقت و منابع بسیار زیادی چه از نظر مادی و چه از نظر انسانی است. در آمارگیری نمونه­ای، مؤلفه­های آماری عمده را طرح نمونه می­نامند که هم برنامۀ نمونه­برداری و هم شیوۀ برآورد را شامل می­شود. برنامۀ نمونه­برداری، روش­شناسی است که برای انتخاب نمونه از جامعه مورد استفاده قرار می­گیرد. شیوه­های برآورد، الگوریتم­ها یا معادلاتی هستند که برای به دست آوردن برآوردهایی از مقدارهای جامعه از روی داده­های نمونه و نیز برای برآورد کردن قابلیت اعتماد این برآوردهای جامعه­ای به کار می­روند.

[۱] Sample Frame

[۲] Geostatistics

[۳] Population and Domains of Sampling

[۴] Waste Management Area

[۵] Wetland Area

[۶] Temporal Domains

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “نمونه برداری فضایی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

امتیازات کاربران

میانگین امتیازات کاربران به ویژگی های محصول
0 امتیاز 5 ستاره
0 امتیاز 4 ستاره
0 امتیاز 3 ستاره
0 امتیاز 2 ستاره
0 امتیاز 1 ستاره

پرسش و پاسخ

برای ارسال پرسش یا پاسخ باید در سایت وارد شوید. ورود به حساب کاربری
لطفا متن پرسش/پاسخ خود را وارد کنید

اطلاعات فروشنده

  • فروشنده: admingk
  • هنوز امتیازی دریافت نکرده است.