Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "concentration coefficient" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
A new geostatistical tool for the analysis of the geographical variability of the indoor radon activity
Autorzy:
Loffredo, Filomena
Scala, Antonio
Adinolfi, Guido Maria
Savino, Federica
Quarto, Maria
Powiązania:
https://bibliotekanauki.pl/articles/147965.pdf
Data publikacji:
2020
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
geographical variability
geostatistics
Gini coefficient
Lorenz curve
radon concentration
variogram
Opis:
The population is continuously exposed to a background level of ionizing radiation due to the natural radioactivity and, in particular, with radon (222Rn). Radon gas has been classified as the second leading cause of lung cancer after tobacco smoke [1]. In the confined environment, radon concentration can reach harmful level and vary accordingly to many factors. Since the primary source of radon in dwellings is the subsurface, the risk assessment and reduction cannot disregard the identification of the local geology and the environmental predisposing factors. In this article, we propose a new methodology, based on the computation of the Gini coefficients at different spatial scales, to estimate the spatial correlation and the geographical variability of radon concentrations. This variability can be interpreted as a signature of the different subsurface geological conditions. The Gini coefficient computation is a statistical tool widely used to determine the degree of inhomogeneity of different kinds of distributions. We generated several simulated radon distributions, and the proposed tool has been validated by comparing the variograms based on the semi-variance computation with those ones based on the Gini coefficient. The Gini coefficient variogram is shown to be a good estimator of the inhomogeneity degree of radon concentration. Indeed, it allows to better constrain the critical distance below which the radon geological source can be considered as uniform at least for the investigated length scales of variability; it also better discriminates the fluctuations due to the environmental predisposing factors from those ones due to the random spatially uncorrelated noise.
Źródło:
Nukleonika; 2020, 65, 2; 99-104
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The spatial aspect of concentration of agricultural land prices in Poland
Koncentracja cen ziemi rolniczej w Polsce w aspekcie przestrzennym
Autorzy:
Pietrzykowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/864463.pdf
Data publikacji:
2013
Wydawca:
The Polish Association of Agricultural and Agribusiness Economists
Tematy:
spatial aspect
spatial analysis
Gini coefficient
concentration
agricultural land
price
Polska
Opis:
The article presents data for the prices of good, medium and low land from 1999 to 2012. In addition to the price of land, direct subsidies are also considered. Direct subsidies have been taken into account in accordance with the award period 2004-2012. The data used in this analysis come from the Central Statistical Office (CSO) and from the Agency for Restructuring and Modernization of Agriculture (ARMA). The aim of this study was to compare the diversity of spatial concentration of agricultural land prices in the years 1999-2012, taking the quality of land and direct subsidies into account. In order to obtain spatial concentration of agricultural land prices, the spatial Gini coefficient was calculated. For sake of comparison, the study was also based on the classical Gini coefficient.
Celem pracy było porównanie różnorodności przestrzennej koncentracji cen gruntów rolnych w latach 1999- 2012 z uwzględnieniem jakości ziemi i dopłat bezpośrednich. Do określenia koncentracji przestrzennej wykorzystano współczynnik Giniego uwzględniając odpowiednie wagi przestrzenne. Przedstawiono dane dotyczące cen gruntów rolnych (dobrych, średnich i słabych zgodnie z podziałem GUS) w latach 1999-2012. Uwzględniono także jednolite dopłaty bezpośrednie, które przyznawano latach 2004-2012. Dane wykorzystane do analizy pochodziły z GUS i z ARiMR. Dla porównania różnorodności wykorzystano klasyczne współczynniki Giniego.
Źródło:
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu; 2013, 15, 5
1508-3535
2450-7296
Pojawia się w:
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies