رأيت هذه المشاركة منذ بدايتها وقد كنت وقتها في سفر وقد حرصت على متابعتها أولاً بأول ولكن لم يكن لدي الوقت للتعليق فقد استمتعت بالمداخلات والتفاعل الإيجابي الواضح وبالمعلومات التي احتوتها هذه المشاركة أرشحها أن تكون مثال تطبيقي ومدخل لموضوع Spatial Interpolation
هذه المشاركة هي من أحب المشاركات إلى قلبي ليس لأن موضوعها يدخل ضمن اهتماماتي وإنما لأن السائل تفاعل مع الموضوع بجدية وأظهر بما لا يدع مجال للشك رغبته الأكيدة في التعرف على هذه الجزئية من هذا العلم وكلنا هنا نتعلم ونستفيد ولا أحد هنا يجزم بأنه أحاط بهذا العلم، فأسأل الله أن يبارك للسائل والمجيبين في علمهم وأن ينفعهم بهذا العلم وينفع بهم جميعاً وأتمنى لو كان ربع الأعضاء الذين يسألون مثلك في التفاعل مع السؤال الذي يسألونه كما أشكر كل من أفاد بمعلومة مفيدة وأسال الله لهم مزيداً من العلم النافع والعمل الصالح
عندما أرى هذه المشاركة أتذكر المنتديات الأجنبية مثل منتدى إزري حيث التفاعل الإيجابي من السائل والمجيب في الغالب الأعم، ولكن أنظر إلى الفوضى والغواغائية في المشاركات هنا في النادي مثلاً شيئ يفشل، وعندما توضح للعضو مشكلته وخطأه يزعل. إنني أجزم بأنننا لو حذفنا ثلاثة أرباع المشاركات لما تأثر النادي من حيث المحتوى العلمي، طبعاً أعتقد أننا هنا في النادي أفضل بكثير من المنتديات العربية العامة.

حقيقة عندما كنت أتابع الموضوع كانت لي بعض الإضافات التي كنت أود أن أذكرها في ذلك الوقت ولكنها طارت
من هذه الإضافات :



تأثير الارتفاع عن سطح الأرض على الأمطار
ورد في ثنايا الموضوع التقليل وعدم أهمية الارتفاع عن سطح البحر على كميات الأمطار الساقطة وأقول أن أشهر وأظهر وأعلم عامل مؤثر ثابت هو الارتفاع عن سطح البحر هناك عوامل أخرة مؤثرة ولكنها غير ثابتة لا بالنسبة للموقع (المكان) ولا يالنسبة للزمان خصوصاً في المنطقة المدارية حيث أنواع الأمطار معظمها من النوع rographic بل إن التوجه الحديث منذ فترة في الأبحاث التي مثل هذا الموضوع هو ربط الأمطار بالارتفاع ولو أرسلت هذا البحث إلى أي مجلة عالمية لطلبت منك ربط كمية الأمطار بالارتفاع.



ظهور القيم السالبة :
طرق الاستنباط أنواع وتقسيمات كثيرة سبق لي التطرق لبعق هذه التقسيمات في مشاركة سابقة اقتبستها من الفصل الثالث The principles of geodtatistical analysis وكذلك الفصل الخامس والسادس من كتاب إزري المسمى
Using ArcGIS Geostatistical Analysis طبعة 2001 للمؤلف كيفين جونستون ورفقاه، دوماً أركز على فهم الجانب النظري عند تطبيق أي نظرية، فخطوات تنفيذ العملية التحليلية باستخدام برامج نظم المعلومات الجغرافية سهل جداً مجرد النقر على بعض الأزرة وتظهر نتيجة التحليل ولكن خلف ذلك الكثير من العمليات الرياضية والافتراضات التي من المهم جداً معرفتها قبل الإقدام على تنفيذ أي عملية تحليلة كلُ بحسبه فالهدف من عملية إنشاء السطوح المنتصلة Generating Continuous Surfaces هو الحصول على أدق سطح يمثل الواقع (أقل خطأ تقديري )من خلال البيانات المتوفرة وباستخدام أنسب الطرق للظاهرة محل الدراسة، فبعض طرق الاستنابط - أو الاستكمال أو التقدير البيني تلتزم بأقل وأكبر قيمة في البيانات ولا تخرج عنها وهناك طرق أخرى لا تلتزم بمدى البيانات فتخرج عنه (Global or local interpolator ) لذلك في الأمطار نستخدم الطرق التي تلتزم بأقل وأعلى قيمة خشية ظهور القيم السالبة كما أن هتاك طرق عند مرورها بالقيم تتقيد بها وهناك طرق لا تتقيد بالقيم عند المرور بها (Exact or inexact interpolator) أيضاً بعض الطرق تشترط أن تتبع البيانات التوزيع الطبيعي (Normal Distribution) وأن تكون غير ملتوية (Non Skew) لذلك نلجأ إلى التحويل الأنسب (Optimum transformation)وهذه الخطوة قليل من يقوم بها رغم أهميتها، الموضوع طويل وأحيل من أراد الاستزادة والاستفادة إلى الكتاب سابق الذكر فهو الأفضل في مجاله من وجهة نظري.





القيم المدخلة (Input Parameters)
في المحلل المكاني (spayial Analys) يفترض أن القيم المدخلة جاهزة ومعروفة لدينا مسبقاً فلا يعطينا خيارات للعمليات المتقدمة مثل التقدير الآلي لبعض المدخلات ولا تقدير قيمة الخطأ ..... إلخ، الحل يكمن في استخدام المحلل الجيوإحصائي والذي يعطينا تحكم أكبر ومرونة أشمل ويساعدنا في الخروج بنتائج أفضل وعمل رسومات تساعدنا في المقارنة بين الطرق المختلفة وبين النتائج المختلفة عند إدخال قيم مختلفة من أمثلة المزايا التي يقدمها المحلل الإحصائي:

1 - التقدير الأمثل للمدخلات فمثلاً في طريقة (IDW) نحتاج قيمة الأس (Power) ففي المحلل الإجيو إحصائي يوجد زر اسمه (Optimize Power Value) حيث يعطيك المحلل الجيوإحصائي القيمة الأمثل لهذا البرامتر و يريحك من الاجتهادات الشخصية .

2- عمل (QQPlot) وهو رسم بياني يوضح مدى جودة ودقة التقدير في مكان النقاط المرصودة

3 - حساب قيمة الخطأ وتسمى (Predictor Errors) وهي قيم إحصائية تساعد على التعرف على جودة الطريقة المستخدمة مع البيانات محل الدراسة ومن هذه الإحصاءات (Mean standared Error) و (Root Mean Square Error) وغيرها من هذه الإحصاءات ذات العلاقة

4 - عمل ما يعرف بـ ( cross Validation ) والحديث عنها يطول ولكنها مفيدة جداً وعلى أساسها يتم التعرف على مدى جودة الطريقة المستخدمة

هذه بعض مزايا المحلل الجيوإحصائي وما يتميز به عن المحلل المكاني، إنني أشبه المحلل المكاني بالابن الأصغر غير الراشد للمحل الجيوإحصائي في هذا المجال
هذا بعض ما نعلمه في هذا المجال وما نجهله أكثر بكثير مما نعلمه يكفي أننا غير متخصصين في هذا المجال
لا أعتقد أن للحديث بقية لأنني خلاص تعبت من الكتابة أكملوا أنتم