Ketergantungan spasial adalah hubungan spasial dari nilai-nilai variabel (untuk tema yang ditetapkan saling berdekatan, seperti curah hujan) atau lokasi (untuk tema yang ditetapkan sebagai objek, seperti perkotaan). Ketergantungan spasial diukur sebagai ketergantungan statistik dalam sebuah kumpulan variabel acak, masing-masing variabel tersebut terkait dengan lokasi geografis yang berbeda. Ketergantungan spasial sangat penting dalam berbagai aplikasi yang memungkinkannya membuat postulat dari keberadaan hubungan sekumpulan variabel acak pada lokasi yang belum termasuk dalam sampel. Sehingga curah hujan bisa diukur dari kumpulan curah hujan di berbagai lokasi, dan setiap pengukuran bisa dianggap sebagai hasil dari variabel acak, tapi curah hujan benar-benar terjadi pada lokasi lain dan akan kembali menjadi acak. Karena curah hujan menunjukan sifat autokorelasi, teknik interpolasi spasial bisa digunakan untuk memperkirakan jumlah curah hujan pada lokasi yang dekat dengan lokasi pengukuran.
Sebagaimana jenis lain dari ketergantungan statistik, kehadiran ketergantungan spasial secara umum membawa menuju perkiraan nilai rata-rata sampel yang kurang akurat dibandingkan sampel yang langsung diukur secara independen, meskipun jika ketergantungan negatif yang ada pada rata-rata sampel bisa lebih baik daripada kasus independen. Masalah yang berbeda dibandingkan perkiraan rata-rata secara keseluruhan adalah dari interpolasi spasial: disini masalahnya adalah untuk memperkirakan hasil acak dari variable yang tak teramati pada lokasi menengah terhadap berbagai tempat dimana pengukuran dilakukan. Dalam hal tersebut ada ketergantungan spasial antara variable acak teramati dan tak teramati.
Alat-alat untuk mengeksplorasi ketergantungan spasial meliputi: korelasi spasial, fungsi kovarians spasial dan semivariograms.
Metode untuk interpolasi spasial meliputi: kriging, yang merupakan jenis best linier unbiased prediction (BLUD).
Topik ketergantungan spasial sangat penting untuk geostatistik dan analisis spasial.
Lihat juga
- Analisis Spasial
- Geostatistik
Referensi
- Journel, A G and Huijbregts, C J, Mining Geostatistics, Academic Press Inc, London