मैंने अपने स्वयं के काम में इस पैटर्न पर ध्यान दिया है जब परस्पर दूरी में एक स्थानिक correlogram की जांच करके सहसंबंधों में एक U- आकार का पैटर्न उभरता है। अधिक विशेष रूप से, छोटी दूरी के डिब्बे में मजबूत सकारात्मक सहसंबंध दूरी के साथ कम हो जाते हैं, फिर किसी विशेष बिंदु पर एक गड्ढे तक पहुंचते हैं और फिर वापस ऊपर चढ़ते हैं।
यहां कंजर्वेशन इकोलॉजी ब्लॉग, मैक्रोइकोलॉजी खेल का मैदान (3) - स्थानिक स्वायत्तता से एक उदाहरण है ।
बड़ी दूरी पर ये मजबूत सकारात्मक ऑटो-सहसंबंध सैद्धांतिक रूप से टोबलर के भूगोल के पहले कानून का उल्लंघन करते हैं, इसलिए मैं उम्मीद करता हूं कि यह डेटा में कुछ अन्य पैटर्न के कारण होगा। मैं उनसे एक निश्चित दूरी पर शून्य तक पहुँचने की उम्मीद करूंगा और फिर आगे की दूरी पर (जो आमतौर पर कम क्रम वाले एआर या एमए शब्दों के साथ श्रृंखला श्रृंखला के भूखंडों में होता है) पर 0 के आसपास मंडराता है।
यदि आप एक Google छवि खोज करते हैं तो आप इसी प्रकार के पैटर्न के कुछ अन्य उदाहरण पा सकते हैं ( एक अन्य उदाहरण के लिए यहां देखें )। जीआईएस साइट पर एक उपयोगकर्ता ने दो उदाहरण पोस्ट किए हैं जहां पैटर्न मोरन के I के लिए दिखाई देता है, लेकिन गीरी के सी ( 1 , 2 ) के लिए प्रकट नहीं होता है । अपने स्वयं के काम के साथ संयोजन में, ये पैटर्न मूल डेटा के लिए अवलोकन योग्य हैं, लेकिन जब स्थानिक शर्तों के साथ एक मॉडल फिटिंग और अवशेषों की जांच करते हैं, तो वे लगातार दिखाई नहीं देते हैं।
मैं समय-श्रृंखला विश्लेषण में उदाहरणों में नहीं आया हूं जो एक समान दिखने वाले एसीएफ प्लॉट को प्रदर्शित करता है, इसलिए मैं अनिश्चित हूं कि मूल डेटा में किस पैटर्न के कारण यह होगा। इस टिप्पणी अनुमान लगाया कि एक में Scortchi sinusoidal पैटर्न उस समय सीरीज में छोड़े गए मौसमी पैटर्न की वजह से हो सकता है। क्या एक ही प्रकार की स्थानिक प्रवृत्ति एक स्थानिक कोरलोग्राम में इस पैटर्न का कारण बन सकती है? या क्या यह उस तरीके की कुछ अन्य कलाकृति है जिससे सहसंबंधों की गणना की जाती है?
यहाँ मेरे काम से एक उदाहरण है। नमूना काफी बड़ा है, और हल्की धूसर रेखाएँ संदर्भ वितरण को उत्पन्न करने के लिए मूल डेटा के 19 क्रमों का एक समूह हैं (इसलिए कोई भी देख सकता है कि लाल रेखा में विचरण काफी छोटा है)। इसलिए यद्यपि कथानक पहले दिखाए गए अनुसार बहुत नाटकीय नहीं है, फिर भी कथानक में गड्ढे और फिर आगे की दूरी बहुत आसानी से दिखाई देती है। (यह भी ध्यान दें कि खदान में गड्ढा नकारात्मक नहीं है, जैसा कि अन्य उदाहरण हैं, यदि वह भौतिक रूप से उन उदाहरणों को अलग बनाता है जो मुझे नहीं पता है।)
यहाँ डेटा का एक कर्नेल घनत्व नक्शा है जो स्थानिक वितरण को देखने के लिए कहा गया है जो कि correlogram का उत्पादन करता है।
