نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

:

سلامت و توسعه ارتباط پیچیده ای دارند. اگرچه هند در چند دهه اخیر پیشرفت قابل توجهی در بخش بهداشت و رشد کلی در تولید ناخالص داخلی داشته است، اما هنوز تفاوت های منطقه ای بزرگی هم در سلامت و هم در توسعه وجود دارد. هدف اصلی این مقاله توسعه تکنیک‌هایی برای پیش‌بینی شاخص‌های سلامت برای تمام مناطق هند و بررسی همبستگی بین سلامت و توسعه است. سطح برق رسانی و تولید داخلی منطقه (DDP) به عنوان دو شاخص اساسی توسعه در این تحقیق در نظر گرفته شده است. این داده‌ها به همراه معیارهای سلامت و اطلاعات دو تصویر ماهواره‌ای شبانه برای پیشنهاد مدل‌ها مورد استفاده قرار گرفتند. اینها با موفقیت شاخص های سلامت را با خطای کمتر از 7 تا 10 درصد پیش بینی کردند. معیارهای سلامت انتخاب شده، مانند نرخ خام تولد (CBR) و نرخ مرگ و میر مادران (MMR)، برای کل کشور در سطح منطقه ترسیم شد. این معیارها همبستگی بسیار قوی با شاخص های توسعه (ضرایب همبستگی از 0.92 تا 0.99 در فاصله اطمینان 99٪) نشان دادند. این اولین تلاش برای استفاده از تصاویر رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) (ماهواره) در یک مطالعه اجتماعی-اقتصادی است. این مقاله این مشاهدات را تأیید می‌کند که مناطق با DDP و سطح برق‌رسانی بالاتر، شرایط سلامت کلی بهتری دارند. این اولین تلاش برای استفاده از تصاویر رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) (ماهواره) در یک مطالعه اجتماعی-اقتصادی است. این مقاله این مشاهدات را تأیید می‌کند که مناطق با DDP و سطح برق‌رسانی بالاتر، شرایط سلامت کلی بهتری دارند. این اولین تلاش برای استفاده از تصاویر رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) (ماهواره) در یک مطالعه اجتماعی-اقتصادی است. این مقاله این مشاهدات را تأیید می‌کند که مناطق با DDP و سطح برق‌رسانی بالاتر، شرایط سلامت کلی بهتری دارند.
کلید واژه ها: 

GIS سلامت ; اطلس سلامت ؛ توسعه ؛ فناوری جغرافیایی ؛ چراغ های شب ; رصد زمین ماهواره ای ; سنجش از دور ؛ مدل سازی ; سلامت عمومی

 

1. مقدمه

سلامت و توسعه اقتصادی دست به دست هم می دهند. برنامه ریزی سلامت بخشی جدایی ناپذیر از برنامه ریزی اجتماعی-اقتصادی در هند از زمان استقلال آن بوده است [ 1 ]. در طول سال‌ها توصیه‌هایی از سوی کمیته‌های بهداشتی وجود داشته است که به سیاست‌های سلامت ترجمه شده است [ 2 ]. در کنار این، هند در اقتصاد جهانی نیز پیشرفت کرده است. تولید ناخالص داخلی سرانه کشور از حدود 142 دلار آمریکا در سال های 1950-1951 به حدود 720 دلار آمریکا در سال های 2010-2011 (مقادیر با قیمت های ثابت 2004-2005) افزایش یافته است [ 3 ].
طی 30 سال گذشته، این کشور با دستاوردهایی مانند ریشه کنی بیماری های واگیر از جمله فلج اطفال [ 3 ]، پیشرفت های قابل توجهی در زیرساخت های بخش بهداشت داشته است. با این حال، بخش بهداشت اغلب یکی از مناطق نادیده گرفته شده در سناریوی برنامه ریزی هند بوده است [ 4 ]. هند یکی از کشورهایی است که کمترین هزینه عمومی را در بخش سلامت دارد [ 5 ]. در آغاز دهه گذشته (2000)، تنها یک درصد از تولید ناخالص داخلی در هند به بخش بهداشت اختصاص داشت [ 4 ]. در سال 2013، هزینه های عمومی در بخش سلامت 1.1 درصد از تولید ناخالص داخلی است [ 5 ]. افزایش امکانات بهداشتی خصوصی غیرقانونی در کشور وجود دارد [ 4]، و بیش از 70 درصد از هزینه های مراقبت های بهداشتی هزینه های خارج از جیب است [ 5 ]. همه این عوامل باعث شده است که هند هر ساله حدود 6 درصد از تولید ناخالص داخلی خود را به دلیل مرگ‌های زودرس و بیماری‌های قابل پیشگیری از دست بدهد [ 5 ]، و این کشور 21 درصد از بار جهانی بیماری‌ها را به خود اختصاص داده است.
به منظور استفاده از توسعه اقتصادی برای بهبود سلامت جمعیت، نیاز به داده های تفکیک شده برای حمایت از برنامه ریزی و سیاست در بخش سلامت وجود دارد. داده های سطح ایالت اغلب مناطقی را که مستحق توجه ویژه برای توسعه مراقبت های بهداشتی هستند، پنهان می کند. در نتیجه، اداره ثبت عمومی هند طرحی را برای بررسی سالانه سلامت در سال 2005 تدوین کرد. این برنامه قرار بود از سال 2010 تا 2013 در 9 ایالت منتخب هند با بالاترین نرخ رشد جمعیت انجام شود. اینها عبارتند از: بیهار، جارکند، اوتار پرادش، اوتاراکند، مادیا پرادش، چاتیسگار، اوریسا، راجستان و آسام. با این حال، این نظرسنجی عمدتاً از طریق مصاحبه با خانوارها در 284 ناحیه (واحدهای اداری که یک ایالت هند را تشکیل می‌دهند) توسط شمارش‌کنندگان انجام شد. ثانیاً
هدف اصلی این مقاله پیش‌بینی شاخص‌های سلامت در سطح منطقه برای کل هند است. همبستگی بین شاخص‌های سلامت (به‌دست‌آمده از گزارش‌های بررسی سالانه سلامت (AHS)) و معیارهای توسعه (درصد خانه‌های دارای دسترسی به برق و محصول داخلی منطقه (DDP)) مورد بررسی قرار گرفت. اطلاعات حاصل از دو تصویر ماهواره‌ای شبانه همراه با این داده‌ها برای ارائه مدل‌ها مورد استفاده قرار گرفت. برخلاف آثار قبلی نویسندگان [ 6 ، 7]، این تحقیق برای تهیه مدل ها، شاخص های توسعه را به همراه اطلاعات تصاویر ماهواره ای به عنوان متغیرهای پیش بینی در نظر می گیرد. مدل‌ها با موفقیت شاخص‌های سلامت را با دقت بالا (خطای کمتر از 7 تا 10 درصد) پیش‌بینی می‌کنند. معیارهای سلامت، مانند نرخ خام تولد و نرخ مرگ و میر مادران، همبستگی قوی با معیارهای توسعه، با ضرایب همبستگی از 0.92 تا 0.99 در فاصله اطمینان 99٪ نشان داد.
مقاله به سه قسمت تقسیم می شود. بخش اول به بررسی همبستگی بین DDP و سطح برق‌رسانی با شاخص‌های سلامت می‌پردازد. بخش دوم مقاله بر ساخت مدل ها تمرکز دارد و بخش پایانی اطلس سلامت هند را آماده می کند و ارتباط بین سلامت و توسعه را ایجاد می کند.

2. منطقه مطالعه

بخش اول این مطالعه بر روی تمام مناطق بیهار، جارکند، اوتار پرادش، اوتاراکند، مادهیا پرادش، چاتیسگار، اودیشا، راجستان و آسام انجام شد. در بخش دوم، مدل‌هایی برای پیش‌بینی شاخص‌های سلامت با استفاده از داده‌های پنج ایالت آسام، بیهار، جارکند، اودیشا و راجستان (142 ناحیه) پیشنهاد شد. اطلاعات مربوط به DDP برای این پنج ایالت به صورت رایگان در دسترس بود. این مدل‌ها در نهایت برای پیش‌بینی شاخص‌های سلامت برای تمام مناطق هند مورد استفاده قرار گرفتند.

3. داده های مورد استفاده

مطالعه حاضر از تصاویر ماهواره‌ای و همچنین داده‌های سرشماری هند، بررسی سالانه سلامت هند و بررسی اقتصادی هند استفاده کرد.
در این تحقیق از دو نوع تصویر ماهواره ای گرفته شده در شب استفاده شد. اولین تصویر از ماهواره F18 DMSP-OLS در سال 2010 به دست آمد. در این مقاله از محصول نور پایدار ماهواره استفاده شد. این محصولات با ترکیب بخش‌های مداری بدون ابر در نیمه وسط نوار، بدون نور خورشید و مهتاب ایجاد شدند [ 8 ]. این فرآیند با فیلتر کردن نویز و منابع نور گذرا مانند آتش سوزی دنبال شد. اندازه سلول شبکه ای این تصاویر 30 ثانیه قوسی یا 1 کیلومتر مربع در خط استوا بود [ 8 ]]. با این حال، مناطق روشن، مانند هسته های شهری، در این تصاویر اشباع شده بودند و تغییرات در توزیع درخشش در این مناطق غیرقابل تشخیص بود. دومین تصویر شبانه در سال 2011 توسط دستگاه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) روی ماهواره مشارکت قطبی ملی Suomi (SNPP) گرفته شد. ناسا و NOAA این ماهواره را به طور مشترک در سال 2011 پرتاب کردند [ 8 ]. کامپوزیت های داده با استفاده از داده های باند روز/شب VIIRS (DNB) جمع آوری شده در شب هایی با نور ماه صفر تولید شدند. غربالگری ابر بر اساس تشخیص ابرها در باند حرارتی VIIRS M15 انجام شد [ 8 ]. مقادیر تشعشع اولیه در یک میلیارد ضرب شده است، و بنابراین، واحدهای درخشندگی به دست آمده از تصاویر نانو وات/cm2 / sr [9 ].
داده‌های مربوط به درصد خانوارهایی که به برق دسترسی دارند و جمعیت کل ولسوالی‌ها از سرشماری هند، 2011 به‌دست آمدند. این داده ها برای 9 ایالت آسام، بیهار، چاتیسگر، جارکند، اوریسا، مادهیا پرادش، اوتار پرادش، راجستان و اوتاراکند جمع آوری شد. اطلاعات تولیدات داخلی منطقه از گزارش های بررسی اقتصادی ایالت های مربوطه به دست آمده است. داده های DDP در قیمت پایه 2004-2005 در این مطالعه استفاده شد.
سنسور DMSP-OLS بیش از 40 سال است که تصاویری از زمین در شب گرفته است. داده ها به طور گسترده در مطالعات مختلف تحقیقاتی استفاده شده است. برای برآورد جمعیت کشورهای جهان [ 10 ، 11 ، 12 ] و در تخمین جمعیت بدون دسترسی به برق [ 13 ] استفاده شده است. اولین نقشه جهانی برابری قدرت خرید تولید ناخالص داخلی (GDP-PPP) [ 14 ] و شعله های گاز [ 15 ] از داده های DMSP-OLS کالیبره شده درخشندگی برای نقشه برداری از محدوده شهری و حومه شهرها استفاده کرد [ 16 ، 17 ]]. در مقیاس فضایی کوچکتر، مجموعه داده DMSP-OLS برای تخمین جمعیت و سایر معیارهای اجتماعی-اقتصادی برای ایالت ماهاراشترا در هند استفاده شد [ 7 ، 18 ، 19 ، 20 ، 21 ] و برآوردهای تولید ناخالص داخلی [ 22 ].
سنسور ماهواره VIIRS مدار قطبی مشابه تصویر DMSP-OLS و وسعت 3000 کیلومتر دارد. همچنین دارای همان گذر باند طیفی با باند تصویربرداری کم نور DMSP-OLS (0.5-0.9 um) است. با این حال، DMSP-OLS دارای زمان عبور از حدود 19:30 است، در حالی که VIIRS بعد از نیمه شب حدود ساعت 01:30 می گذرد [ 9 ].
داده های VIIRS نسبتاً جدید هستند [ 23 ] و عمدتاً برای تشخیص شبانه و شناسایی منابع احتراق، مانند انتشارات ناشی از شعله های گاز، سوزاندن زیست توده، سایت های صنعتی و آتشفشان ها استفاده شده است [ 24 ، 25 ].

4. روش

4.1. مرحله اول: پردازش تصویر ماهواره ای

تصویر ماهواره ای DMSP–OLS برای سال 2010 یک تصویر هشت بیتی با مقادیر پیکسلی از 0 تا 63 است، در حالی که تصویر VIIRS یک تصویر 14 بیتی است. در هر دو تصویر، نواحی با نورهای پایدار دارای مقادیر پیکسل بالاتری هستند. اینها با مناطق جمعیتی بالاتر در سطح مطابقت دارند و به عنوان نقشه های جانشین شهرها و شهرک ها عمل می کنند. زیر مجموعه های هر یک از 9 ایالت از تصاویر ماهواره ای گرفته شده است. به دنبال آن تصحیح هندسی تصویر و بهبود تصویر انجام شد. تصاویر DMSP-OLS از طرح سیستم جغرافیایی جهانی (WGS) به طرح مخروطی Conformal Lambert با مبدأ، WGS 1984 مجدداً پخش شدند. تصاویر DMSP-OLS با کنتراست افزایش یافتند و یک کشش انحراف استاندارد اعمال شد.

4.2. مرحله دوم: پردازش منابع داده ثانویه

تجزیه و تحلیل ها با محاسبه میانگین معیارهای سلامت، درصد خانه های دارای برق و DDP برای هر ایالت آغاز شد. بررسی سالانه سلامت شامل نرخ خام زاد و ولد (CBR)، نرخ مرگ و میر خام، نرخ رشد طبیعی، نرخ مرگ و میر نوزادان (IMR)، نرخ مرگ و میر نوزادان، نرخ مرگ و میر پس از تولد، نرخ مرگ و میر زیر 5، نسبت جنسیتی در تولد، نسبت جنسیتی (0-4 سال)، میزان مرگ و میر مادران (MMR) و نسبت جنسیتی نرخ مرگ و میر مادر و غیر مادری. این نرخ‌های مرگ‌ومیر مادری و غیر مادری فقط برای زیرمجموعه‌های منطقه‌ای در داخل یک ایالت در دسترس بود و نه برای هر ناحیه [ 26 ].
به منظور بررسی ماهیت توزیع شاخص های سلامت بر روی ایالت ها، آزمون های آماری برای توزیع نرمال انجام شد. برای ارزیابی گرافیکی توزیع این معیارها، هیستوگرام رسم شد. علاوه بر این، چولگی و کشیدگی نیز محاسبه شد. چولگی معیاری برای تقارن در داده ها است، در حالی که کشیدگی به اوج توزیع داده ها اشاره دارد. به منظور محاسبه اینکه آیا مقدار صفر برای هر دو چولگی و کشیدگی در فاصله اطمینان 95 درصد قرار دارد، z-score چولگی و کشیدگی محاسبه شد. در یک توزیع کاملا نرمال، مقادیر چولگی و کشیدگی صفر است. مقدار مطلق این نمرات بیشتر از 1.96 به طور قابل توجهی با توزیع نرمال در فاصله اطمینان بیش از 95٪ متفاوت است. از این رو، همه متغیرهای با امتیاز z کمتر از 1.96 به طور معمول توزیع می شوند. نتایج توزیع به انتخاب معیارهای سلامت برای مدل‌سازی کمک کرد.
جدول 1 میانگین، انحراف معیار، چولگی، کشیدگی و z-score چولگی و کشیدگی را نشان می دهد. مشاهده شد که تنها IMR و میزان مرگ و میر زیر 5 سال (U5MR) دارای توزیع نرمال (نمرات z کمتر از 1.96) هستند.
جدول
جدول 1. چولگی و کشیدگی معیارهای سلامت. CBR، نرخ خام تولد؛ IMR، نرخ مرگ و میر نوزادان؛ MMR، میزان مرگ و میر مادران.
جدول
جدول 2. چولگی و کشیدگی معیارهای سلامت (ورود به سیستم نرمال).
به منظور کاهش اوج و افزایش تقارن داده ها، معیارها به مقادیر لگاریتمی تبدیل شدند. مقادیر لگاریتمی بر اساس مقادیر “e” یا “log-normal” محاسبه شد. این به طور قابل توجهی نتایج را بهبود بخشید. پس از تبدیل به مقادیر log، مشاهده شد که CBR، CDR و MMR به طور معمول توزیع شده اند ( جدول 2 ).
در مرحله بعد همبستگی بین معیارهای سلامت و شاخص های توسعه (درصد خانوارهای دارای برق و DDP) به دست آمد. همبستگی این معیارها با میانگین نور پایدار و تابش متوسط ​​نیز محاسبه شد. بر اساس نتایج حاصل از این همبستگی‌ها، CBR و MMR برای تحلیل‌ها و مدل‌سازی بیشتر انتخاب شدند.

4.3. مرحله سوم: مدل ها

به منظور تهیه اطلس سلامت هند (نقشه های معیارهای سلامت برای مناطق کشور)، مدل های رگرسیون چندگانه پیشنهاد شد. با توجه به در دسترس بودن اطلاعات DDP در پنج حالت، مدل‌ها بر روی داده‌های آن حالت‌ها محاسبه شدند. آنها شامل ایالت های آسام، بیهار، جارکند، اودیشا و راجستان (142 ناحیه) می شوند. صد منطقه به طور تصادفی برای ساخت مدل‌ها انتخاب شدند و نتایج در 42 منطقه پنهان‌شده اعتبارسنجی شدند. همچنین مدل هایی برای پیش بینی DDP آماده شدند. این مدل برای پیش‌بینی DDP برای نواحی هند که داده‌های آن در دسترس نبود استفاده شد.

4.4. مرحله چهارم: آماده سازی اطلس

با استفاده از مدل‌ها، CBR و MMR برای تمام مناطق هند پیش‌بینی شد. یک همبستگی قوی بین داده های پیش بینی شده و درصد خانوارهای دارای برق و DDP برای همه ولسوالی ها مشاهده شد. ضرایب همبستگی بیش از 0.92 در اطمینان 99 درصد بین معیارهای سلامت و شاخص های توسعه مشاهده شد.

5. بهداشت و توسعه

5.1. وضعیت سلامت در هند

هند تصویر پیچیده ای را در بخش بهداشت به نمایش می گذارد. تنوع منطقه ای زیادی از شاخص های سلامت در داخل کشور وجود دارد. شاخص های سلامت برخی از ایالت های جنوبی، مانند کرالا و تامیل نادو، قابل مقایسه با کشورهای توسعه یافته است [ 27 ]. با این حال، ایالت ها مانند اوتار پرادش، مادهیا پرادش، بیهار، جارکند، چاتیسگار و اودیشا از پیشرفت کلی در بخش بهداشت عقب مانده اند [ 27 ]. این ایالت ها پرجمعیت ترین ایالت های کشور هستند و بیش از 50 درصد از کل جمعیت در این مناطق زندگی می کنند. علاوه بر این، 70 درصد از مرگ نوزادان و 62 درصد از مرگ مادران برای کشور از این مناطق ثبت شده است [ 26 ].
اهداف توسعه هزاره (MDGs) پیشنهاد شده توسط سازمان ملل متحد در اجلاس هزاره سازمان ملل متحد [ 28 ] به تدوین الگوی زیرساخت سلامت کشور کمک کرد. اهداف توسعه هزاره مرتبط با سلامت شامل فقر و گرسنگی (MDG 1)، سلامت کودکان و ایمن سازی (MDG 4)، سلامت مادر و باروری (MDG 5)، HIV/AIDS، مالاریا و سایر بیماری ها (MDG 6)، پایداری محیط زیست (MDG 7) است. ) و مشارکت جهانی برای توسعه (MDG 8) [ 29 ]. دولت هند تعهد خود را برای دستیابی به این اهداف اعلام کرده است [ 27 ]. پیشرفت کشور به سمت اهداف توسعه هزاره توسط یک سیستم ثبت نمونه در هند پیگیری می شود. این یک سیستم در سطح ایالتی و ملی است که برای جمع آوری داده ها در مورد باروری و مرگ و میر طراحی شده است.30 ].
IMR اندازه گیری تعداد مرگ و میر نوزادان کمتر از یک سال است. بالاترین IMR در هند در ایالت مادیا پرادش و کمترین آن در کرالا یافت می شود. کرالا (12) و تامیل نادو (28) قبلاً به هدف توسعه هزاره (MDG) IMR 28 دست یافته اند [ 30 ]. ایالت های دهلی (33)، ماهاراشترا (31) و بنگال غربی (33) در رتبه های بعدی قرار دارند. IMR در هند در 20 سال گذشته 30 واحد کاهش یافته است، با کاهش متوسط ​​سالانه 1.5 واحد [ 30 ]. نسبت مرگ و میر مادران (MMR) تعداد زنان 15 تا 49 ساله را اندازه گیری می کند که به دلایل مادری در هر 100000 تولد زنده می میرند [ 30 ]]. کاهش MMR حدود 17 درصد در کل هند طی دهه گذشته وجود دارد. ایالت های تامیل نادو، کرالا و ماهاراشترا به هدف MDG MMR 109 رسیده اند. ایالت های آندرا پرادش، بنگال غربی، گجرات و هاریانا به هدف نزدیک هستند [ 30 ].
جدول 3 شاخص های بهداشتی را برای 9 ایالت هند که در AHS ثبت شده است نشان می دهد. CBR که به عنوان نسبت تعداد تولدهای زنده در یک سال به جمعیت میانسال ضرب در 1000 تعریف می شود [ 26 ]، برای ایالت بیهار بالاترین میزان است (26.3). IMR و نرخ مرگ و میر زیر پنج سال برای ایالت اوتار پرادش بالاترین و برای جارکند کمترین میزان است. اوتاراکند با 995 زن در هر 1000 مرد بهترین نسبت جنسیتی را دارد.
همچنین تغییرات درون ایالتی این معیارها وجود دارد. به عنوان مثال، در اوتار پرادش، بالاترین CBR (بیش از 40) در نواحی Shrawasti، Siddharthnagar و Balrampur یافت می شود. در آسام، 15 منطقه دارای CBR از 15 تا 22 است. در بیهار، CBR از 21 تا 32 متغیر است که اکثر مناطق دارای 24 تا 26 CBR هستند. ناحیه باگشوار اوتاراکند دارای کمترین میزان CBR است. IMR برای نواحی شراوستی و فیض آباد اوتار پرادش، بالانگیر از اودیشا و پانا در مادهیا پرادش بالاترین میزان است. این مناطق دارای مقادیر IMR بیش از 90 هستند. کمترین IMR (20) در نواحی Pithoragarh، Almora و Rudraprayag از Uttarakhand مشاهده شده است. MMR بالاترین (بیش از 435) برای مناطق فیض آباد، بارابانکی و آمبدکار ناگار اوتار پرادش است. کمترین میزان MMR در نواحی رودراپرایاگ، چامولی و دهرا دون اوتاراکند ثبت شده است. به طور کلی، ایالت اوتاراکند در مقایسه با سایر ایالت های در نظر گرفته شده در نظرسنجی AHS، شاخص های بهداشتی بهتری را نشان می دهد.
جدول
جدول 3. شاخص های سلامت 9 ایالت که از نظرسنجی دور دوم سالانه سلامت (AHS)، 2011-2012 به دست آمده است.

5.2. نرخ برق در هند

دسترسی به منابع مدرن انرژی یکی از عوامل کلیدی توسعه است. در سال 2011، منبع اصلی انرژی در ایالت های هند برق بود. 51 درصد از کل مصرف انرژی [ 31 ]، زغال سنگ و زغال سنگ و زغال سنگ (25 درصد) و نفت خام (20 درصد) را به خود اختصاص داده است. بخش داخلی بیشترین سهم را در مصرف برق داشته است. رشد مصرف برق در این بخش بین سال‌های 2009-2010 و 2010-2011، 15.91 درصد بوده است. با این حال، نابرابری های منطقه ای مشخص در سطح برق رسانی در داخل کشور مشاهده می شود. بیش از 90 درصد خانوارها در ایالت های گجرات، هاریانا، سیکیم، پنجاب، هیماچال پرادش، چاندیگار و ایالت های جنوبی کرالا، آندرا پرادش، تامیل نادو و کارناتاکا به برق دسترسی دارند [ 32 ].]. تقریباً همه خانوارها (بیش از 99٪) در منطقه پایتخت ملی دهلی و سرزمین های اتحادیه لاکشادویپ و دامان و دیو از برق به عنوان منبع اصلی انرژی برای روشنایی استفاده می کنند [ 32 ]. در مقابل، ایالتی مانند بیهار تنها 16.4 درصد از خانوارهای خود به برق دسترسی دارند. توزیع برق در ایالت های اوتار پرادش (36.8٪)، آسام (37.1٪)، اودیشا (43٪)، جارکند (45.8٪)، راجستان (67٪) و مادهیا پرادش (67.1٪) کمی بهتر است [ 32 ]. ].
شکل 1 ماهیت توزیع برق را در ایالت های زیر نشان می دهد: (i) آسام. (ii) بیهار; (iii) چاتیسگار; (IV) Jharkhand; (v) اودیشا. (vi) راجستان؛ (vii) مادهیا پرادش. (viii) اوتار پرادش؛ و (ix) اوتاراکند. از بین این 9 ایالت، به طور متوسط، اوتاراکند 85.13 درصد از خانوارهای دارای دسترسی به برق دارد و پس از آن ایالت های چاتیسگار (71.68 درصد)، مادهیا پرادش (66.26 درصد) و راجستان (64.95 درصد) قرار دارند. اودیشا تنها حدود 40 درصد از خانوارها از برق به عنوان منبع اصلی تامین برق استفاده می کنند. کمترین میزان برق رسانی در ایالت بیهار مشاهده می شود که تنها 16 درصد از خانوارها از برق به عنوان منبع برق خانگی خود استفاده می کنند.
تغییرات سطح ناحیه در میزان برق رسانی نیز در این 9 ایالت مشاهده می شود. در آسام، ولسوالی های دیبروگره، جرحات و تینسوکیا بیش از 50 درصد از خانوارهای برق دارند. ولسوالی های کاچار شمالی، سیبساگر، نالبری، کامروپ، گلپارا، کاچار و گلاغات دارای سطح برقی بیش از 35 درصد هستند. ولسوالی ظبری به تنهایی کمتر از 20 درصد از خانوارها به برق دسترسی دارند. در بیهار، بیش از 57 درصد خانوارها فقط در ناحیه پایتخت پاتنه به برق دسترسی دارند. بقیه ولسوالی ها کمتر از 35 درصد نرخ برق رسانی دارند. در مقابل، بیش از 50 درصد از ولسوالی های چاتیسگر دارای بیش از 80 درصد خانوارهایی هستند که از برق به عنوان منبع اصلی برق استفاده می کنند. ناحیه جانگیر-چمپا در چاتیسگر دارای نرخ برق رسانی در حدود 90 درصد است. نوع مشابهی از برق رسانی نیز در ایالت اوتاراکند یافت می شود. ده ولسوالی از 13 ولسوالی بیش از 80 درصد خانوارها به برق دسترسی دارند که بالاترین آن در مرکز دهرادون (96 درصد) است. اگرچه نواحی ایندور و بوپال در مادیا پرادش بیش از 90 درصد برق‌رسانی دارند، اکثر نواحی حدود 60 تا 85 درصد برق‌رسانی دارند. در راجستان، بالاترین نرخ برق رسانی در مناطق کوتا، جیپور، چیتاورگار و اجمر (بیش از 80 درصد) مشاهده می شود. با این حال، اکثر ولسوالی‌های ایالت، 50 تا 75 درصد خانوارها به برق دسترسی دارند. در اوتار پرادش، 30 تا 70 درصد خانوارها در اکثر مناطق به برق دسترسی دارند.
Ijgi 03 00693 g001 1024
شکل 1. سطح برق رسانی در 9 ایالت هند: ( الف ) آسام. ( ب ) بیهار; ( ج ) چاتیسگار; ( د ) جارخند؛ ( ه ) اودیشا; ( و) راجستان ؛ ( ز ) مادهیا پرادش; ( ح ) اوتار پرادش; ( من ) اوتاراکند.

5.3. کمک DDP ایالات

محصول داخلی همواره به عنوان شاخص توسعه در نظر گرفته شده است [ 33 ]. با توجه به وزارت آمار و اجرای برنامه، دولت هند [ 33 ]، تولید ناخالص داخلی (GDP) را می توان با استفاده از سه رویکرد تعریف کرد: رویکرد تولید، رویکرد درآمد و رویکرد هزینه. در آمار حساب‌های ملی هند، رویکرد تولید تخمین محکم‌تری در نظر گرفته می‌شود. «رویکرد تولید GDP مجموع ارزش افزوده کلیه فعالیت‌های اقتصادی در قلمرو کشور (مجموع تولید منهای مصرف میانی) به اضافه مالیات‌های غیرمستقیم منهای یارانه محصولات را اندازه‌گیری می‌کند .]. حساب های دولتی توسعه حساب های ملی در سطح منطقه ای است. در سطح ایالتی، مهم ترین کل، تولید داخلی دولتی (SDP) و در سطح منطقه، تولید داخلی ناحیه (DDP) است [ 33 ]. آنها نیز دقیقاً به همان ترتیبی که تولید داخلی برای کشور محاسبه می شود.
از 9 ایالت، DDP ها با قیمت های ثابت (2004-2005) برای ایالت های آسام [ 34 ]، بیهار [ 35 ]، راجستان [ 36 ]، اودیشا [ 37 ] و جارکند [ 38 ] به دست آمد. این داده‌ها برای پیشنهاد مدل‌ها و پیش‌بینی شاخص‌های DDP و سلامت برای سایر ایالت‌ها در سطح منطقه استفاده شد.
شکل 2 توزیع DDP را در نواحی پنج ایالت نشان می دهد. میانگین DDP در قیمت‌های ثابت 2004-2005 برای ایالت راجستان (57878.46 میلیون INR) و پس از آن ایالت اودیشا (38617.18 میلیون INR) بالاترین میزان است. ایالت بیهار دارای کمترین DDP (19,845.17 میلیون INR) است، در حالی که هر دو Assam و Jharkhand به ترتیب میانگین DDP 26,154.86 و 26,212.42 میلیون INR دارند.
Ijgi 03 00693 g002 1024
شکل 2. توزیع DDP در 9 ایالت هند: ( الف ) آسام. ( ب ) بیهار; ج ) جارخند; ( د ) اودیشا; ( ه ) راجستان.
تغییرات درون ایالتی در سهم DDP نشان می دهد که بالاترین DDP در ایالت جیپور در راجستان (بیش از 300000 میلیون روپیه) و به دنبال آن ایالت های الوار و جودپور در راجستان ثبت شده است. منطقه Sundargarh بیشترین مشارکت را در اودیشا دارد (بیش از 100000 میلیون روپیه). منطقه لاخیسارای بیهار دارای بالاترین DDP (بیش از 82000 میلیون روپیه) است. کمترین ارقام DDP برای ایالت های خاگاریا، نالاندا، بوجپور، شئوهار و بیگوسارای بیهار (کمتر از 4000 میلیون روپیه) ثبت شده است.

5.4. همبستگی شاخص ها

در مرحله بعد، CBR، IMR، MMR و DDP با درصد خانوارهای دارای دسترسی به برق، میانگین تابش به‌دست‌آمده از تصویر VIIRS و میانگین چراغ‌های پایدار همبستگی داشتند. با توجه به در دسترس بودن داده های DDP برای پنج ایالت آسام، بیهار، جارکند، اودیشا و راجستان، همبستگی ها فقط در آن مناطق انجام شد. نتایج حاصل از همبستگی ها در جدول 4 نشان داده شده است.
جدول
جدول 4. نتایج همبستگی بین معیارهای سلامت و نرخ برق رسانی، میانگین نورهای پایدار و متوسط ​​تابش. VIIRS، مجموعه رادیومتر تصویربرداری مادون قرمز مرئی.
Ijgi 03 00693 g003 1024
شکل 3. همبستگی بین شاخص های سلامت و میانگین نورهای پایدار، متوسط ​​درخشندگی و DDP: ( الف ) CBR; ( ب ) IMR; ( ج ) MMR; ( د ) DDP.
درصد خانوارهای دارای برق و DDP با CBR و MMR همبستگی معناداری دارد. با هر دوی این متغیرها همبستگی منفی وجود دارد. این نشان می دهد که با افزایش درصد برق رسانی و DDP، CBR و MMR این مناطق کاهش می یابد. همبستگی ها در سطح اطمینان 99 درصد معنی دار است. اما IMR با این شاخص ها همبستگی معنی داری نشان نمی دهد.
همبستگی با میانگین نورهای پایدار و درخشندگی به‌دست‌آمده از تصاویر VIIRS در سال‌های 2010 و 2011 نیز مورد بررسی قرار گرفت. ماهیت همبستگی ها در شکل 3 نشان داده شده است . ضرایب همبستگی از 0.2 ± تا 0.6 ± در هر دو فاصله اطمینان 99٪ و 95٪ متغیر بود. CBR با درصد خانوارها با برق، متوسط ​​تابش (همبستگی ضعیف)، میانگین چراغ‌های پایدار و DDP (همبستگی ضعیف) در سطح اطمینان 99 درصد همبستگی معنی‌داری دارد. همچنین با کل جمعیت در فاصله اطمینان 95 درصد همبستگی مثبت و معنادار نشان می دهد. IMR همبستگی قابل توجهی را با میانگین نور پایدار ( r = -0.32، p > 0.01) و متوسط ​​تابش ( r = -0.18،p > 0.05). MMR به طور قابل توجهی با میانگین چراغ های پایدار ( r = -0.23، p > 0.01)، درصد خانوارهای دارای برق ( r = -0.32، p > 0.01) و DDP ( r = -0.27، p > 0.01) مرتبط است. از جدول 3 مشاهده شد که تمامی شاخص های سلامت با میانگین نور پایدار همبستگی معنی داری نشان می دهند.
همچنین مشاهده شد که CBR و MMR با درصد خانوارهای دارای دسترسی به برق، متوسط ​​چراغ‌های پایدار و متوسط ​​تابش در بازه اطمینان 99 درصد همبستگی معنی‌داری داشتند. در نتیجه، این دو معیار سلامت برای تحلیل‌ها و مدل‌سازی بیشتر انتخاب شدند.

6. مدل هایی برای پیش بینی شاخص های سلامت

6.1. مدل ها

به منظور ارائه مدل‌ها، 100 منطقه از 142 منطقه با استفاده از نمونه‌گیری تصادفی انتخاب شدند. لاگ به پایه “e” (log نرمال) مقادیر برای همه شاخص ها محاسبه شد. مدل‌های رگرسیون چندگانه برای پیش‌بینی DDP و همچنین شاخص‌های سلامت برای هر منطقه پیشنهاد شد. DDP برای مناطقی که داده ها به راحتی در دسترس نبود پیشنهاد شد.
Ijgi 03 00693 g004 1024
شکل 4. مقادیر واقعی و پیش بینی شده CBR، IMR و DDP: ( a ) CBR; ( ب ) MMR; ( ج ) DDP.
مدل های رگرسیون چندگانه در این تحقیق با استفاده از روش حذف به عقب محاسبه شد. در این روش برای شروع از تمامی متغیرهای مستقل برای برازش در معادله رگرسیون استفاده شد. فرضیه صفر برای هر یک از ضرایب همبستگی جزئی مورد آزمون قرار گرفت. زمانی که فرضیه صفر رد شد، تمامی متغیرهای مستقل برای مدل در نظر گرفته شدند. اما اگر فرضیه صفر درست بود، متغیر مستقل با کمترین |t| مقدار از معادله حذف شد و متغیرهای باقی مانده به گونه ای در نظر گرفته شدند که با معادله رگرسیون چندگانه مطابقت داشته باشند. این مرحله ادامه یافت، تا زمانی که تمام ضرایب رگرسیون جزئی معنی دار شدند [ 39 ].

6.1.1. مدل هایی برای پیشنهاد DDP

میانگین نورهای پایدار، کل جمعیت، درصد خانوارهایی که به برق دسترسی دارند و متوسط ​​تابش از تصویر VIIRS به عنوان متغیرهای ورودی برای محاسبه مدل برای پیشنهاد DDP برای مناطق استفاده شد ( شکل 4 ). تابش متوسط ​​از تصویر VIIRS در محاسبه مدل ادغام شد. مدل رگرسیون چندگانه دارای مقدار r 2 تعدیل شده 0.54 است.
مدل پیشنهادی برای محاسبه DDP در جدول 5 نشان داده شده است .
جدول
جدول 5. مدل برای پیش بینی DDP.

6.1.2. مدل هایی برای پیشنهاد شاخص های سلامت

برای پیش‌بینی شاخص‌های سلامت، مدل‌های رگرسیون چندگانه پیشنهاد شد. در این مورد از روش حذف به عقب نیز استفاده شد. متغیرهایی که ادغام شده و در مدل ها گنجانده شده اند در جدول 5 نشان داده شده است.
همه مدل‌ها در سطح 05/0p> معنی‌دار بودند.
از جدول 6 مشاهده می شود که نورهای DDP و متوسط ​​پایدار به عنوان ورودی در هر دو مدل استفاده شده است. تابش از تصویر VIIRS تنها به عنوان ورودی در مدل پیش‌بینی MMR استفاده شد. r2 تعدیل شده برای مدل پیش بینی کننده CBR (0.30) بالاترین میزان بود.
جدول
جدول 6. متغیرهای ترکیب شده و در مدل ها برای پیش بینی CBR و MMR گنجانده شده اند.
مدل های پیشنهادی برای پیش بینی شاخص های سلامت در جدول 7 نشان داده شده است. ایالت هایی که بررسی AHS برای آنها انجام شد، کمتر توسعه یافته ترین ایالت های هند هستند. آنها بیشترین جمعیت را دارند و عمدتاً روستایی هستند. هیچ مرکز شهری عمده ای در این ایالت ها وجود ندارد. پایتخت ها و شهرک ها در مقایسه با کلان شهرهای کشور کوچکتر هستند. در نتیجه، درخشندگی کلی و نورهای پایدار ثبت شده توسط تصاویر شبانه بر فراز این ایالت ها در مقایسه با شهرک های بمبئی و دهلی، نسبتاً کم است. بنابراین، مقادیر r2 تعدیل‌شده مدل ، اگرچه معنی‌دار است، اما در مقایسه با سایر نقاط کشور پایین است، همانطور که نویسندگان در انتشارات قبلی خود مشاهده کردند [ 6 ، 7 ،18 ، 20 ]. علاوه بر این، داده های بهداشتی بر روی یک جمعیت نمونه از ولسوالی ها محاسبه شد. این داده‌های نمونه در مدل‌های با اطلاعات نوری به‌دست‌آمده برای کل منطقه استفاده شد. این احتمالاً دلیل دیگری برای تنظیم پایین r 2 مدل ها بود.
جدول
جدول 7. مدل های پیش بینی CBR و MMR.

6.2. اعتبارسنجی مدل

مدل‌های پیشنهادی در 42 ناحیه از ایالت‌های چاتیسگر، اوتار پرادش، مادهیا پرادش و اوتاراکند اعتبارسنجی شدند.
مقادیر واقعی و پیش بینی شده CBR و MMR در شکل 4 نشان داده شده است. اکثر مناطق CBR را در محدوده اطمینان 95% پیش بینی کرده اند. برای MMR، چند نقطه پرت وجود دارد. علاوه بر این، در مورد MMR، برخی از مناطق نمایش داده شده مقادیر پیش بینی شده متفاوتی برای مقادیر واقعی یکسان داشتند. به عنوان مثال، ولسوالی های هزاری باغ و لخی سرای دارای MMR واقعی 368.00 بودند، در حالی که MMR پیش بینی شده آنها به ترتیب 269.79 و 291.47 بود. مورد مشابهی نیز برای مناطق نابارنگاپور، گودا و جالوره یافت شد. همه این مناطق دارای MMR 297.00 AHS هستند، در حالی که MMR های پیش بینی شده به ترتیب 284.89، 288.31 و 299.03 بودند.
نتایج اعتبارسنجی مدل در شکل 5 نشان داده شده است. میانگین خطای پیش‌بینی CBR 0.59٪ و MMR -0.24٪ بود. برای IMR، میانگین درصد خطا 1.59- بود. تفاوت بین مقادیر واقعی و پیش بینی شده برای هر دو CBR و MMR کمتر از 10±٪ بود.
Ijgi 03 00693 g005 1024
شکل 5. نتایج اعتبارسنجی مدل. ( الف ) CBR؛ ( ب ) MMR.

7. اطلس سلامت هند

مدل‌ها برای پیش‌بینی CBR و MMR برای تمام مناطق هند مورد استفاده قرار گرفتند. نقشه هایی که توزیع CBR و MMR را نشان می دهد در شکل 6 ارائه شده است.
نقشه ها روندهای زیر را در توزیع CBR و MMR نشان می دهد:

  • CBR ها از 7.00 تا 10.00 به صورت تکه هایی در برخی از مناطق هیماچال پرادش، پنجاب، آندرا پرادش، گوا، لاکشادویپ، ناگالند، پوندیچری، دامان و دیو و منطقه پایتخت ملی دهلی یافت می شوند.
  • بالاترین CBR (بیش از 25) در مناطق بیهار، اوتار پرادش، جارکند و اودیشا یافت می شود.
  • MMR کمتر از 70 در منطقه پایتخت ملی دهلی و در مناطق آندرا پرادش، کرالا، ماهاراشترا و پنجاب یافت می شود.
  • بالاترین مقادیر (بیش از 250) در بیهار، آروناچال پرادش، جارکند، اوریسا و اوتار پرادش یافت می شود.
نتایج پیش‌بینی‌شده CBR و MMR همبستگی قوی با DDP و درصد خانوارهایی که به برق دسترسی دارند نشان می‌دهد. ضرایب همبستگی از -0.92 تا -0.99 در سطح معنی داری 0.01 متغیر است. همبستگی ها در شکل 7 نشان داده شده است. نتایج نشان می‌دهد که معیارهای سلامت و شاخص‌های توسعه دست به دست هم می‌دهند و همبستگی بسیار قوی با یکدیگر دارند.
Ijgi 03 00693 g006 1024
شکل 6. CBR و MMR برای تمام مناطق هند. ( الف ) نرخ خام تولد؛ ( ب ) میزان مرگ و میر مادران.
Ijgi 03 00693 g007 1024
شکل 7. همبستگی بین معیارهای سلامت (CBR و MMR) و شاخص های توسعه (نرخ برق رسانی و DDP) برای هند. ( الف ) CBR و برق؛ ( ب ) MMR و برق. ( ج ) CBR و DDP. ( د ) MMR و DDP.

8. نتیجه گیری

این مقاله نشان می دهد که سلامت بهتر با توسعه کلی یک منطقه در ارتباط است. این مطالعه بر اساس معیارهای سلامت موجود از دور دوم گزارش سالانه بررسی سلامت هند، 2011-2012، و داده های سرشماری، 2011 است. به دلیل محدودیت های لجستیکی، داده های بهداشتی در هند تنها برای 9 ایالت بررسی شد. با این حال، اهمیت در دسترس بودن داده های بهداشتی تفکیک شده را نمی توان نادیده گرفت. این مقاله از تکنیک‌های سنجش از دور برای مدل‌سازی شاخص‌های سلامت در سطح زیرملی استفاده کرد. مدل‌ها با استفاده از اطلاعات دو تصویر شبانه پیشنهاد شدند. علاوه بر تغییرات بین ایالت‌ها، تفاوت‌های سطح ناحیه در معیارهای سلامت در ایالت‌ها نیز در این مقاله برجسته شد. مدل‌ها با استفاده از اطلاعات حاصل از تصاویر ماهواره‌ای و معیارهای سرشماری به عنوان متغیرهای پیش‌بینی‌کننده پیشنهاد شدند. شاخص های سلامت انتخاب شده برای نشان دادن تغییرات فضایی در کل کشور ترسیم شدند. همبستگی بین شاخص های سلامت و توسعه برای همه ایالت ها مورد بررسی قرار گرفت. نتایج نشان می دهد:

  • ارتباط بسیار قوی بین سلامت و توسعه وجود دارد، با مناطق توسعه یافته تر، مانند منطقه پایتخت ملی دهلی، مناطق شهری و ایالت ها، مانند کرالا، که معیارهای بهداشتی بهتری نسبت به مناطق دیگر دارند.
  • تصاویر شبانه گرفته شده توسط هر دو حسگر DMSP-OLS و VIIRS برای نقشه برداری شاخص های سلامت در سطح زیر ملی مفید هستند.
روش پیشنهادی در این مقاله برای پیش‌بینی معیارها در مقیاس فضایی کوچک‌تر مانند تالوک‌ها و روستاها نیز مفید است. این داده های پیش بینی شده تفکیک شده برای برنامه ریزی سلامت در سطح خرد و تدوین سیاست های توسعه روستایی بسیار ارزشمند خواهد بود. علاوه بر این، شاخص‌های سلامت را می‌توان بیشتر از اندازه‌های موجود در سرشماری که هر 10 سال یک بار انجام می‌شود، ترسیم کرد. هر چند وقت یکبار که داده های ماهواره ای در دسترس هستند، می توان معیارها را پیش بینی و ترسیم کرد. این نیز در ثبت روند تغییر در شاخص های سلامت مفید است. برای کشوری مانند هند، که در آن جمع‌آوری دستی داده‌ها فرآیندی دشوار، زمان‌بر و پرهزینه است، روش پیشنهادی در این مطالعه پتانسیل استفاده بسیار زیاد را دارد.

منابع

  1. میشا، سی. پیوند فقر، تعادل انرژی و سلامت. Ind. J. Commun. پزشکی: خاموش. انتشار Ind. Assoc. قبلی Soc. پزشکی 2012 ، 37 . [ Google Scholar ] [ CrossRef ]
  2. دولت هند. بررسی اقتصادی هند ; دولت هند: دهلی نو، هند، 2012.
  3. یونیسف ریشه کنی فلج اطفال در دسترس آنلاین: http://www.unicef.org/india/health_3729.htm (دسترسی در 3 فوریه 2014).
  4. Duggal، R. برنامه ریزی بهداشت در هند. در دسترس آنلاین: http://www.cehat.org/go/uploads/Publications/a168.pdf (در 3 فوریه 2014 قابل دسترسی است).
  5. استراتژی همکاری کشوری سازمان بهداشت جهانی در یک نگاه: هند. در دسترس آنلاین: http://www.who.int/countryfocus/cooperation_strategy/ccsbrief_ind_en.pdf?ua=1 (در 3 فوریه 2014 قابل دسترسی است).
  6. رویچودوری، ک. جونز، اس. اروسمیت، سی. Reinke، K. مقایسه تصاویر ماهواره ای DMSP/OLS با بهره بالا و کم برای مطالعه معیارهای اجتماعی-اقتصادی. جی. سل. بالا. رصد زمین. Remote Sens. 2010 . [ Google Scholar ] [ CrossRef ]
  7. رویچودوری، ک. جونز، اس. اروسمیت، سی. Reinke، K. سرشماری هند با استفاده از تصاویر ماهواره ای: آیا می توان از داده های DMSP-OLS برای مناطق اداری کوچک استفاده کرد؟ در فرآیندهای رویداد 2011 مشترک سنجش از دور شهری، مونیخ، آلمان، 11-13 آوریل 2011.
  8. باگ، ک. الویج، سی دی; قوش، ت. Ziskin, D. توسعه محصول 2009 Stable Lights با استفاده از داده های DMSP-OLS. در کارگاه آموزشی مجموعه مقالات شبکه پیشرفته آسیا و اقیانوسیه (APAN)، هانوی، ویتنام، 25-27 نوامبر 2010.
  9. الویج، سی دی; باگ، ک. ژیژین، م. Hsu، FC چرا داده‌های VIIRS برای نقشه‌برداری نورهای شبانه نسبت به DMSP برتر هستند. Proc. آسیا پک Adv. شبکه 2013 . [ Google Scholar ] [ CrossRef ]
  10. الویج، سی دی; باگ، KE; هابسون، VR؛ Kihn، EA; کروهل، HW; دیویس، ای آر. Cocero، D. موجودی ماهواره ای سکونتگاه های انسانی با استفاده از تشعشعات تشعشعات شبانه: کمکی برای جعبه ابزار جهانی. گلوب. چانگ. Biol. 1997 ، 3 ، 387-395. [ Google Scholar ]
  11. الویج، سی دی; باگ، KE; Kihn، EA; کروهل، HW; دیویس، ER نقشه‌برداری چراغ‌های شهر با داده‌های شبانه از سیستم خطوط عملیاتی DMSP. فتوگرام مهندس Remote Sens. 1997 , 63 , 727-734. [ Google Scholar ]
  12. ایمهوف، ام ال. لارنس، WT; Stutzer، DC; Elvidge، CD تکنیکی برای استفاده از داده های ماهواره ای ترکیبی DMSP/OLS “City Lights” برای نقشه برداری از مناطق شهری. سنسور از راه دور محیط. 1997 ، 61 ، 361-370. [ Google Scholar ] [ CrossRef ]
  13. عروسک، CNH؛ Pachauri، S. برآورد جمعیت روستایی بدون دسترسی به برق در کشورهای در حال توسعه از طریق تصاویر ماهواره ای نور شبانه. سیاست انرژی 2010 . [ Google Scholar ] [ CrossRef ]
  14. عروسک، CNH؛ مولر، جی پی. Elvidge، CD تصاویر شبانه به عنوان ابزاری برای نقشه برداری جهانی پارامترهای اجتماعی-اقتصادی و انتشار گازهای گلخانه ای. آمبیو جی. هوم. محیط زیست 2000 ، 29 ، 157-162. [ Google Scholar ]
  15. الویدج، سی. زیسکین، دی. باگ، ک. تاتل، بی. قوش، ت. پک، دی. اروین، ای. Zhizhin، M. رکورد پانزده ساله شعله ور شدن گاز طبیعی جهانی که از داده های ماهواره ای به دست آمده است. انرژی 2009 ، 2 ، 595-622. [ Google Scholar ] [ CrossRef ]
  16. رویچودوری، ک. جونز، SD; Arrowsmith، C. نقشه برداری مناطق شهری هند از تصاویر شبانه DMSP/OLS. در مجموعه مقالات کنفرانس بین المللی دوسالانه مؤسسه نقشه برداری و علوم فضایی، آدلاید، SA، استرالیا، 28 سپتامبر 2009.
  17. رویچودوری، ک. تاوبن باک، اچ. جونز، اس. تعیین مناطق شهری، حومه و روستایی با استفاده از تصاویر شبانه Landsat و DMSP-OLS. در مجموعه مقالات 2011 رویداد مشترک سنجش از دور شهری، مونیخ، آلمان، 11-13 آوریل 2011.
  18. رویچودوری، ک. جونز، اس. Arrowsmith، C. ارزیابی کاربرد تصاویر شبانه DMSP/OLS برای مشخص کردن شهرنشینی هند. در مجموعه مقالات 2009 رویداد مشترک سنجش از دور شهری، شانگهای، چین، 20-22 مه 2009. صص 1-7.
  19. رویچودوری، ک. جونز، اس جی. اروسمیت، سی. Reinke، K. نورهای شبانه و سطوح توسعه: مطالعه با استفاده از تصاویر شبانه DMSP-OLS در سطح زیر ملی. در مجموعه مقالات کنگره XXII ISPRS، ملبورن، VIC، استرالیا، 25 اوت تا 1 سپتامبر 2012. ص 93-98.
  20. رویچودوری، ک. جونز، SD; اروسمیت، سی. Reinke، K. مقایسه تصاویر ماهواره ای DMSP/OLS با بهره بالا و کم برای مطالعه معیارهای اجتماعی-اقتصادی. IEEE J. Sel. بالا. Appl. رصد زمین. Remote Sens. 2011 ، 4 ، 35-42. [ Google Scholar ] [ CrossRef ]
  21. موسسه جهانی سازگاری شاخص سازگاری جهانی (بهره): اندازه گیری آنچه مهم است: ایجاد انعطاف پذیری در برابر تغییرات آب و هوا و نیروهای جهانی ؛ موسسه جهانی انطباق: واشنگتن، دی سی، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  22. بنداری، ل. Roychowdhury، K. نورهای شب و فعالیت اقتصادی در هند: مطالعه ای با استفاده از تصاویر شبانه DMSP-OLS. Proc. آسیا پک Adv. شبکه 2012 . [ Google Scholar ] [ CrossRef ]
  23. باگ، ک. Hsu، FC; الویج، سی دی; Zhizhin، M. ترکیب نورهای شبانه با استفاده از باند روز-شب VIIRS: نتایج اولیه. Proc. آسیا پک Adv. شبکه 2013 . [ Google Scholar ] [ CrossRef ]
  24. الویج، سی دی; باگ، ک. ژیژین، م. Hsu، FC چه چیزی در مورد داده های شبانه VIIRS برای تشخیص و شناسایی منابع احتراق عالی است؟ Proc. آسیا پک Adv. شبکه 2013 . [ Google Scholar ] [ CrossRef ]
  25. ژیژین، م. الویج، سی دی; Hsu، FC; Baugh, K. استفاده از موج کوتاه مادون قرمز برای تشخیص شبانه منابع احتراق در داده های VIIRS. Proc. آسیا پک Adv. شبکه 2013 . [ Google Scholar ] [ CrossRef ]
  26. اداره ثبت احوال. بررسی سالانه سلامت (AHS) در 8 ایالت EAG و برگه اطلاعات سطح منطقه آسام-انتشار 2010-2011 ؛ وزارت امور داخله، دولت هند: دهلی نو، هند، 2012. [ Google Scholar ]
  27. هازاریکا، I. هند در تقاطع اهداف توسعه هزاره 4 و 5. آسیا و اقیانوسیه. J. بهداشت عمومی 2012 ، 24 ، 450-463. [ Google Scholar ]
  28. برنامه توسعه سازمان ملل متحد اهداف توسعه هزاره: هشت هدف برای سال 2015. در دسترس آنلاین: http://www.undp.org/content/undp/en/home/mdgoverview/ (در 19 نوامبر 2013 قابل دسترسی است).
  29. مخزن داده های رصدخانه بهداشت جهانی سازمان جهانی بهداشت. در دسترس آنلاین: http://apps.who.int/gho/data/node.main.519?lang=en (در 3 فوریه 2014 قابل دسترسی است).
  30. دفتر ثبت کل مرگ و میر مادران و کودکان و نرخ باروری کل: سیستم ثبت نمونه (SRS). در دسترس آنلاین: http://www.censusindia.gov.in/vital_statistics/SRS_Bulletins/MMR_release_070711.pdf (در 21 نوامبر 2013 قابل دسترسی است).
  31. اداره مرکزی آمار. آمار انرژی ; دولت هند: دهلی نو، هند، 2012. [ Google Scholar ]
  32. دفتر دفتر ثبت عمومی منبع روشنایی (2001-2011). در دسترس آنلاین: http://www.censusindia.gov.in/2011census/hlo/Data_sheet/India/Source_Lighting.pdf (دسترسی در 4 فوریه 2014).
  33. وزارت آمار و تطبیق برنامه. آمار حساب‌های ملی: کتابچه راهنمای برآورد درآمد ایالتی و ناحیه‌ای . دولت هند: دهلی نو، هند، 2008.
  34. اداره برنامه ریزی و توسعه. بررسی اقتصادی آسام 2011–2012 ; دولت هند: دهلی نو، هند، 2012.
  35. وزارت دارایی. بررسی اقتصادی، بیهار 2011–2012 ; دولت هند: دهلی نو، هند، 2012.
  36. اداره برنامه ریزی و توسعه. بررسی اقتصادی راجستان دولت هند: دهلی نو، هند، 2012.
  37. بخش برنامه ریزی و هماهنگی بررسی اقتصادی، اودیشا 2011–2012 ; دولت اودیشا: بوبانشوار، هند، 2013.
  38. ریاست اقتصاد و آمار. GSDP & NSDP 2009-2010، 2010-2011 (P)، 2011-2012 (Q) & 2012-2013 (A) ; دولت هند: دهلی نو، هند، 2012.
  39. Zar, JH Biostatistical Analysis , 5th ed.; Pearson Education Inc: Upper Saddle River، NJ، USA، 2010. [ Google Scholar ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370