Webster R., Oliver M.A., Geostatistics for Environmental Scientists. John Wiley & Sons Ltd, 2007, II edition. ISBN-13: 978-0-470-02858-2 (HB).
Plant R.E., Spatial data analysis in Ecology and Agriculture using R. CRC Press, Taylor & Francis Group, 2019. ISBN 978-0-8153-9275-0.
Oliver M.A., Webster R., Basic step in Geostatistics: the variogram and kriging. Springer, 2015. ISBN 978-3-319-15864-8.
Bivand R.S., Pebesma E., Gomez-Rubio V., Applied Spatial Data Analysis with R. Springer, II edition, ISBN 978-1-4614-7617-7.
Obiettivi Formativi
Lo studente acquisisce competenze per una corretta analisi dei fenomeni che presentano dipendenza spaziale ai fini della descrizione di fenomeni naturali complessi e della loro modellizzazione.
Prerequisiti
Conoscenze di Matematica, Informatica, Geologia, Ecologia raccomandate.
Metodi Didattici
Lavagna semplice, slides per proiettore, piattaforma Moodle, software R and Q-GIS.
Altre Informazioni
Lo studente è invitato ad usare il proprio portatile per le esercitazioni in aula.
Modalità di verifica apprendimento
Esame orale con presentazione di una elaborazione grafico-numerica con dati forniti dal docente. Almeno 3 domande sul programma del corso svolto.
Programma del corso
Descrizione univariata dei dati. Tabelle di frequenza e istogrammi. Diagrammi di probabilità. Statistiche di tendenza centrale e variabilità. Modelli di variabili casuali e dinamica dei processi naturali. Analisi bivariata, diagrammi a dispersione, covarianza e correlazione.
Descrizione di dati spaziali e concetto di continuità. Autocovarianza e h-scatter plots. I variogrammi. Il metodo del kriging per la costruzione di mappe ad isovalori.
Esempi di applicazione per lo studio di sistemi naturali complessi. Utilizzo di R e QGIS per le analisi dei dati.