Hierarchical Clustering and Dissimilarity Polygon Analyses. Optimizing the Polish Deposition Network.
Abstract
The potential re-design of the current deposition monitoring network in Poland was assessed by hierarchical clustering analysis. This statistical method determines the inherent or natural groupings of datasets, and/or to provide a summarization of data into groups using different metrics to assess the (di)similarity. The metrics are based on the correlation, to assess the temporal similarity, the Euclidean distance, to assess the magnitude similarity, and the combination of both. This method was used to assess the areas with similar deposition patters across the country based on measurement and model data for acidic compounds and heavy metals. The analysis clearly identified stations potentially redundant or measuring unique deposition patters and regions that represent the potential location of a single station. Den potensielle re-designen av det nåværende avsetningsovervåkingsnettverket i Polen ble vurdert ved hierarkisk klyngeanalyse. Denne statistiske metoden bestemmer de iboende eller naturlige grupperingene av datasett, og/eller for å gi en oppsummering av data i grupper ved å bruke forskjellige beregninger for å vurdere (u)likheten. Beregningene er basert på korrelasjonen, for å vurdere den tidsmessige likheten, den euklidiske avstanden, for å vurdere størrelseslikheten og kombinasjonen av begge. Denne metoden ble brukt til å vurdere områdene med lignende avsetningsmønster over hele landet basert på måle- og modelldata for sure forbindelser og tungmetaller. Analysen identifiserte klart stasjoner som potensielt var overflødige eller målte unike avsetningsmønstre og regioner som representerer den potensielle plasseringen til en enkelt stasjon.