Àwọn Àkójọpọ̀ Nínú Ìmọ̀ Ayíká
Ìmọ̀ sáyẹ́ǹsì àyíká ń ṣe àyẹ̀wò àwọn ìbáṣepọ̀ dídíjú láàrín àwọn ohun alààyè (ẹ̀mí) àti àwọn ohun èlò abiotic (omi, afẹ́fẹ́, ilẹ̀, ojú ọjọ́), títí kan bí àwọn ìgbòkègbodò ènìyàn ṣe ní ipa lórí ìwọ́ntúnwọ̀nsì àdánidá. Ìṣòro yìí túmọ̀ sí pé àwọn dátà àyíká máa ń jẹ́ onírúurú, tóbi, àti pé wọ́n sábà máa ń jẹ́ aláìpé—fún àpẹẹrẹ, pípadánù dátà nítorí àìṣiṣẹ́ ẹ̀rọ, àwọn ìyàtọ̀ àsìkò tó lágbára, tàbí àwọn ìyàtọ̀ nínú àwọn ipò ilẹ̀ ayé. Ibí ni àwọn statistiki ti ń kó ipa pàtàkì: ó ń ran àwọn onímọ̀ sáyẹ́ǹsì àyíká lọ́wọ́ láti yí dátà tí kò ṣe kedere padà sí ìwífún tó ní ìtumọ̀, láti dán àwọn àbá wò ní ọ̀nà tó tọ́ , àti láti ṣètìlẹ́yìn fún ìpinnu tó dá lórí ẹ̀rí fún ìtọ́jú àti ètò ìṣèlú gbogbogbòò.
Ipa ti Awọn iṣiro: lati Data si Awọn ipinnu
Àwọn ìṣirò nínú ìmọ̀ nípa àyíká ju ṣíṣírò àròpọ̀ tàbí ṣíṣẹ̀dá àwọn àwòrán lọ. Ó pèsè ìlànà fún ṣíṣe àgbékalẹ̀ ìkójọpọ̀ dátà, ṣíṣàyẹ̀wò àìdánilójú, ṣíṣàpẹẹrẹ àwọn ìlànà àdánidá, àti ṣíṣe àsọtẹ́lẹ̀. Fún àpẹẹrẹ, nígbà tí ìjọba bá fẹ́ ṣe àyẹ̀wò bóyá dídára afẹ́fẹ́ ń sunwọ̀n síi lẹ́yìn tí wọ́n bá ti ṣe ìlànà ìdíwọ́ ìtújáde, àwọn ìṣirò ń ran lọ́wọ́ láti mọ ìyàtọ̀ tí ìlànà náà ń fà àti àwọn ìyípadà àdánidá tí àwọn àkókò, afẹ́fẹ́, tàbí àwọn ìtẹ̀sí ìgbà pípẹ́ ń fà.
Àwọn ìṣirò tún tẹnu mọ́ èrò àìdánilójú. Nínú àyíká, àìdánilójú sábà máa ń wà nítorí pé ó ṣòro láti ṣàkóso àwọn ètò àdánidá, gẹ́gẹ́ bí ó ti wà nínú yàrá ìwádìí. Nípa lílo àwọn irinṣẹ́ ìṣirò, àwọn olùwádìí lè fi àwọn àbájáde hàn pẹ̀lú ìgbẹ́kẹ̀lé, fún àpẹẹrẹ nípa lílo àwọn àkókò ìgbẹ́kẹ̀lé tàbí àwọn ìṣeeṣe pàtó, èyí tí ó ń jẹ́ kí a ṣe ìpinnu tí ó ṣe kedere àti èyí tí ó ní ìdáhùn.
Àwọn Irú Dátà Àyíká àti Àwọn Ìpèníjà Wọn
Awọn data ayika wa ni ọpọlọpọ awọn ọna:
1. Dátà ààyè: dátà tí ó ní ìsopọ̀ pẹ̀lú ibi tí a wà, bí ìpínkiri ibojú igbó, àwọn máàpù ìbàjẹ́ ilẹ̀, tàbí ìpele àwọn ohun tí ó ní ìbàjẹ́ ní oríṣiríṣi ibi nínú odò kan.
2. Dátà ìgbà díẹ̀: dátà ìpele àkókò, bíi ìwọ̀n otútù ojoojúmọ́ lórí ọgbọ̀n ọdún, òjò oṣooṣù, tàbí ìwọ̀n PM2.5 ní wákàtí kan.
3. Dátà nípa ẹ̀dá alààyè: fún àpẹẹrẹ, iye àwọn irú ẹ̀dá, ọ̀pọ̀lọpọ̀ plankton, àtọ́ka onírúurú, tàbí ìwọ̀n ìwàláàyè àwọn ènìyàn kan.
4. Àwọn ìwádìí kẹ́míkà àti ti ara: pH omi, ìwọ̀n nitrate, DO (atẹ́gùn tí ó ti yọ́), iyọ̀, tàbí àwọn irin tí ó wúwo.
5. Dátà ìmòye láti ọ̀nà jíjìn: àwòrán sátẹ́láìtì tí ó ń mú dátà tí ó tóbi púpọ̀ àti tí ó ní ìpele gíga jáde.
Àwọn ìpèníjà pàtàkì ni àìdọ́gba (ìyípadà dátà láti ibì kan sí ibòmíràn), ìbáṣepọ̀ ara-ẹni (àwọn ìwọ̀n tí ó wà ní ẹ̀gbẹ́ ara wọn sábà máa ń jọra), dátà tí ó le koko (ìkún omi, iná, ìgbì ooru), àti àìdúróṣinṣin (àwọn ìlànà ìṣirò máa ń yípadà nígbà tí àkókò bá ń lọ nítorí ìyípadà ojúọjọ́ tàbí ìyípadà lílo ilẹ̀). Láìsí ọ̀nà ìṣirò tí ó tọ́, ìṣàyẹ̀wò lè jẹ́ ẹ̀tanú tàbí ẹ̀tàn.
Apẹẹrẹ Àpẹẹrẹ: Ìpìlẹ̀ tó lágbára fún Ìṣàyẹ̀wò
Kí a tó ṣe àgbéyẹ̀wò, ìgbésẹ̀ pàtàkì jùlọ ni ṣíṣe àgbéyẹ̀wò àyẹ̀wò. Nínú àyíká, kò ṣeé ṣe láti wọn gbogbo ojú ibi nínú igbó, odò, tàbí afẹ́fẹ́. Nítorí náà, àyẹ̀wò gbọ́dọ̀ jẹ́ àfihàn àwọn ipò gidi.
Àwọn ọgbọ́n kan tó wọ́pọ̀ ni:
– Àyẹ̀wò àìròtẹ́lẹ̀ tí ó rọrùn: a yan àwọn ojú ìwòye láìròtẹ́lẹ̀.
– Àyẹ̀wò Ìpínyà: a pín agbègbè náà sí àwọn ìpele (fún àpẹẹrẹ òkè odò– àárín– ìsàlẹ̀ odò tàbí ìlú– agbègbè ìgbèríko– agbègbè ìgbèríko), lẹ́yìn náà a mú àwọn àpẹẹrẹ láti inú ìpele kọ̀ọ̀kan.
– Àyẹ̀wò onípele: a máa ń ṣe àwọn ìwọ̀n ní àkókò tí a yàn, fún àpẹẹrẹ ní gbogbo kìlómítà 1 ní ẹ̀bá ọ̀nà.
– Àbójútó ìgbà pípẹ́: àwọn àkíyèsí tí a ń ṣe ní ibi kan náà láti rí àwọn àṣà.
Àwọn ìṣirò ń ran lọ́wọ́ láti mọ ìwọ̀n àyẹ̀wò tó dára jùlọ, dín owó tí a ná kù, àti láti rí i dájú pé àbájáde náà ṣeé ṣe. Ó ṣòro láti ṣàtúnṣe àwọn àṣìṣe àpẹẹrẹ nígbà ìpele ìṣàyẹ̀wò.
Àlàyé Àlàyé : Lílóye Àwọn Àwòrán Ìpìlẹ̀
Àwọn ìgbésẹ̀ àkọ́kọ́ ti ìwádìí sábà máa ń ní àwọn statistiki àpèjúwe : mean, median, variance, standard divasion, percentiles, àti visuals bíi histograms, boxplots, thematic map, àti heatmaps. Àwọn statistiki àpèjúwe máa ń ran lọ́wọ́ láti mọ àwọn ìlànà àkókò, ìyàtọ̀ láàrín àwọn ibi, àti wíwà àwọn outliers, èyí tí ó lè dúró fún àwọn ìṣẹ̀lẹ̀ líle tàbí àṣìṣe ìwọ̀n.
Nínú ìwádìí dídára omi, fún àpẹẹrẹ, àwòrán àpótí lè fihàn pé ìwọ̀n phosphate máa ń pọ̀ sí i ní àsìkò òjò nítorí omi tó ń ṣàn ní oko. Nínú ìwádìí nípa otútù ìlú, àwòrán àkànṣe lè fi ipa ooru ìlú hàn ní àárín ìlú ní ìfiwéra pẹ̀lú àwọn agbègbè ìlú.
Ìwádìí Àkójọpọ̀: Dídánwò Àwọn Àbájáde Ní Òótọ́
Àkójọpọ̀ ìṣirò yìí fún àwọn olùwádìí láyè láti dáhùn àwọn ìbéèrè bíi: “Ǹjẹ́ ìwọ̀n àwọn ohun tó ń ba ẹ̀gbin jẹ́ ní Odò A ga ju ti Odò B lọ?” tàbí “Ǹjẹ́ àtúnṣe igi máńgòrò máa ń mú kí onírúurú ohun alààyè pọ̀ sí i?”
Àwọn ọ̀nà tí a sábà máa ń lò ni:
– T-test tàbí Mann–Whitney láti fi àwọn ẹgbẹ́ méjì wéra.
– ANOVA tàbí Kruskal–Wallis láti fi wé àwọn ẹgbẹ́ tó ju méjì lọ.
– Idanwo Chi-square fun awọn ẹka, fun apẹẹrẹ ipin ogorun awọn ipo ti o kọja boṣewa didara.
– Àárín ìgbẹ́kẹ̀lé láti pèsè ọ̀pọ̀lọpọ̀ àwọn iye tó ṣeé ṣe.
Sibẹsibẹ, data ayika nigbagbogbo ma n tako awọn ero kilasika gẹgẹbi deede ati ominira. Nitorinaa, awọn oluwadi nigbagbogbo lo awọn iyipada data, awọn ọna ti kii ṣe parametric, tabi awọn ọna atunṣe ayẹwo bii bootstrapping.
Àtúnṣe àti Ṣíṣe Àwòrán: Ṣíṣàlàyé Àwọn Ìbátan àti Ṣíṣe Àsọtẹ́lẹ̀
Ọ̀kan lára àwọn àfikún tó ga jùlọ nínú àwọn statistiki ni àwòṣe. Pẹ̀lú ìfàsẹ́yìn, àwọn olùwádìí lè ṣe ìkẹ́kọ̀ọ́ nípa ìbáṣepọ̀ láàárín oníyípadà ìdáhùn (fún àpẹẹrẹ, ìwọ̀n àwọn ohun tó ń ba àyíká jẹ́) àti àwọn àsọtẹ́lẹ̀ (òjò, lílo ilẹ̀, jíjìnnà sí ilé iṣẹ́, iyàrá afẹ́fẹ́).
Àwọn àpẹẹrẹ ọ̀nà tí ó wọ́pọ̀:
– Ìfàsẹ́yìn onílànà fún àwọn ìbáṣepọ̀ tí ó rọrùn.
– Ìfàsẹ́yìn púpọ̀ fún ọ̀pọ̀lọpọ̀ nǹkan ní àkókò kan náà.
– Àwọn Àwòrán Onílà Gíga Jùlọ (GLM) fún ìkà (Poisson) tàbí ìṣàfihàn ìwọ̀n (binomial).
– Àwọn Àwòrán Àfikún Gbogbogbò (GAM) fún àwọn ìbáṣepọ̀ tí kì í ṣe ti ìlà tí ó rọrùn.
– Àwọn àwòṣe àdàpọ̀-ìṣe fún ìwífún tí a tún ṣe tàbí ti ìpele-ìpele (fún àpẹẹrẹ àwọn ìwọ̀n ní ọ̀pọ̀lọpọ̀ ibùdó ní ọ̀pọ̀lọpọ̀ ọdún).
Nínú ìyípadà ojúọjọ́, àwọn àpẹẹrẹ ìṣirò ń ran lọ́wọ́ láti so ìbísí òtútù pọ̀ mọ́ ìgbà tí ìgbì ooru bá ń gbilẹ̀. Nínú ẹ̀kọ́ nípa ẹ̀dá, GLM lè sọ àsọtẹ́lẹ̀ iye àwọn irúgbìn tó pọ̀ ní ìbámu pẹ̀lú ìwọ̀n otútù, ewéko, àti wíwà omi.
Ìṣàyẹ̀wò Àkókò àti Àwọn Ìṣẹ̀lẹ̀ Àyíká
Ọ̀pọ̀lọpọ̀ ìṣẹ̀lẹ̀ àyíká máa ń yípadà bí àkókò ti ń lọ. A ń lo ìṣàyẹ̀wò àkókò láti ṣàwárí àwọn àṣà, àwọn ìlànà àkókò, àti àwọn ìṣẹ̀lẹ̀ àìdára. Àwọn ọ̀nà bíi ìbàjẹ́ àkókò, ARIMA, tàbí àwọn àpẹẹrẹ ipò-ayé ni a lè lò láti ya àwọn àmì ìgbà pípẹ́ kúrò nínú àwọn ìyípadà àkókò.
Fún àpẹẹrẹ, a kò le lóye ìlọsíwájú nínú ìṣọ̀kan CO₂ kárí ayé láti inú dátà ojoojúmọ́ nìkan nítorí pé àkókò àsìkò tó lágbára wà. Àwọn ìṣirò ń ran àwọn àṣà ìgbà pípẹ́ lọ́wọ́ láti ya àwọn àṣà ìgbà pípẹ́ sọ́tọ̀ àti láti wọn ìwọ̀n ìyípadà wọn.
Àwọn Àkójọ Àyíká àti Àwọn Àkójọ Àyíká: Ṣíṣe Ìṣiṣẹ́ Dátà Tí Ó Dá lórí Ipò
Nítorí pé ààyè ní ipa lórí àyíká gidigidi, àwọn ìṣirò ààyè ṣe pàtàkì. Àwọn dátà tí ó wà ní ẹ̀gbẹ́ wọn sábà máa ń ní ìbáṣepọ̀, èyí sì máa ń bàjẹ́ ìfojúsùn òmìnira. Àwọn ìṣirò ilẹ̀ ayé ní àwọn ọ̀nà bíi:
– Kíkọ láti fi àwọn iye sí àwọn ibi tí a kò tíì wọ̀n.
– Variogram láti ṣe àwòṣe ìṣètò ìbáṣepọ̀ ààyè.
– Ìbáṣepọ̀ aládàáṣe ààyè (Moran's I) láti ṣe àyẹ̀wò ìṣọ̀pọ̀ àpẹẹrẹ.
Àwọn ohun èlò tó wúlò ni ṣíṣírò ìpínkiri àwọn irin tó wúwo nínú ilẹ̀ láti inú àwọn àyẹ̀wò díẹ̀, lẹ́yìn náà ṣíṣẹ̀dá àwòrán ewu láti pinnu àwọn ibi tí a ti lè ṣe àtúnṣe pàtàkì.
Ìṣàyẹ̀wò Ewu, Ààlà, àti Ìṣàyẹ̀wò Ipa Rẹ̀
Àwọn ìṣirò tún ṣe pàtàkì nínú ìṣàyẹ̀wò ewu àti ìṣàyẹ̀wò ipa àyíká. Fún àpẹẹrẹ, a lè ṣírò ìṣeeṣe ìkún omi líle nípa lílo ìmọ̀ iye gíga. Ìṣàyẹ̀wò yìí ń ran àwọn ọ̀nà ìṣàpẹẹrẹ, láti pinnu àwọn ìwọ̀n ìṣàn omi, tàbí láti ṣàlàyé àwọn agbègbè tí ó lè fa àjálù.
Nígbà tí a bá ń pinnu àwọn ìlànà dídára, a máa ń lo àwọn statistiki láti ṣírò ìgbà tí àwọn nǹkan bá pọ̀ jù àti láti pinnu bóyá omi kan ti bàjẹ́. Èyí máa ń yọrí sí àwọn ìlànà tó dára jù nítorí pé wọ́n dá lórí dátà, kì í ṣe àbá.
Ìsopọ̀mọ́ra pẹ̀lú Dátà Òde Òní àti Ẹ̀kọ́ Ẹ̀rọ
Ìdàgbàsókè àwọn sensọ̀ tí ó ní owó pọ́ọ́kú, IoT, àti àwòrán satẹlaiti ti mú “ìròyìn ńlá” nípa àyíká wá. Àwọn ìṣirò òde òní ń ṣiṣẹ́ pẹ̀lú ẹ̀kọ́ ẹ̀rọ fún ìpínsísọ ilẹ̀, àsọtẹ́lẹ̀ iná igbó, àti wíwá ìbàjẹ́. Síbẹ̀síbẹ̀, àwọn ìlànà ìṣirò ṣì ṣe pàtàkì: ìfọwọ́sowọ́pọ̀-ìdánilójú, ìdarí ẹ̀tanú, ìtumọ̀ àwòṣe, àti ìròyìn àìdánilójú.
Láìsí òye nípa àwọn statistiki, àwọn àwòṣe tí ó dàbí pé wọ́n péye gan-an lè jẹ́ ẹ̀tàn, fún àpẹẹrẹ nítorí pé ìdánilẹ́kọ̀ọ́ àti ìdánwò kò dá lórí ààyè tàbí nítorí pé àwọn ìyípadà wà nínú àwọn ìlànà ojú ọjọ́ tí ó lè fa kí àwòṣe náà kùnà lọ́jọ́ iwájú.
Penutup
Àwọn statistiki jẹ́ èdè oníwọ̀n tó ń jẹ́ kí ìmọ̀ nípa àyíká lè ṣàlàyé, dán wò, àti sọ àsọtẹ́lẹ̀ àwọn ìṣẹ̀lẹ̀ àdánidá ní ọ̀nà tí a lè wọ̀n. Láti àpẹẹrẹ àpẹẹrẹ, ìṣàyẹ̀wò àpèjúwe, ìdánwò àbájáde, àwòṣe ìpadàsẹ̀yìn, ìtòlẹ́sẹẹsẹ àkókò, sí ìṣàyẹ̀wò ààyè—gbogbo wọn ń ran lọ́wọ́ láti túmọ̀ àwọn ìwádìí àyíká tó díjú àti èyí tí kò dájú. Ní àkókò ìṣòro ojú ọjọ́, ìbàjẹ́ ibùgbé, àti ìfúnpá tí ń pọ̀ sí i lórí àwọn ohun àdánidá, lílo statistiki tó yẹ jẹ́ pàtàkì sí ṣíṣe àgbékalẹ̀ àwọn ìlànà àti ìgbésẹ̀ ìtọ́jú tó gbéṣẹ́, tó ṣe kedere, àti tó dá lórí ẹ̀rí.
Tí o bá fẹ́, mo lè yí àpilẹ̀kọ yìí padà sí ẹ̀dà ẹ̀kọ́ pẹ̀lú àwọn ìtọ́kasí, fi àwọn àpẹẹrẹ ìkẹ́kọ̀ọ́ kún un (fún àpẹẹrẹ dídára omi odò, ìbàjẹ́ afẹ́fẹ́ ìlú, tàbí pípa igbó run), tàbí fi àwọn fọ́múlá àti ìgbésẹ̀ ìṣàyẹ̀wò kún un nípa lílo R/Python.
