Уважаемые коллеги, доброго времени суток! Представляем вам нидерландское научное издание Spatial Statistics. Журнал имеет второй квартиль, издается в Elsevier BV, его SJR за 2020 г. равен 0,888, импакт-фактор - 2,06, электронный ISSN - 2211-6753, предметные области - Компьютеры в науках о земле, Статистика и вероятность, Управление, мониторинг, политика и право. Вот так выглядит обложка:
Редактором является Альфред Штейн, контактные данные - a.stein@utwente.nl, spasta@elsevier.com.
К публикации принимаются статьи по теории и применению пространственной и пространственно-временной статистики. Предпочтение отдается рукописям, которые представляют теорию, порожденную новыми приложениями, или в которых новая теория применяется к важному практическому случаю. Чисто теоретические исследования публикуются редко. Только тематические исследования без методологической разработки не принимаются для публикации. Пространственная статистика касается количественного анализа пространственно-временных данных, включая их статистические зависимости, точность и неопределенности. Методология пространственной статистики обычно используется в теории вероятностей, стохастическом моделировании и математической статистике, а также в информатике. Пространственная статистика используется при картировании, оценке качества пространственных данных, оптимизации дизайна выборки, моделирование структур зависимости и построение достоверных выводов из ограниченного набора пространственно-временных данных. Области применения включают физические области, например, сельское хозяйство, геологию, почвоведение, гидрологию, экологию, горнодобывающую промышленность, океанографию, лесное хозяйство, качество воздуха, дистанционное зондирование, а также социальные / экономические области, например, пространственную эконометрию, эпидемиологию и картирование болезней.
Адрес издания - https://www.journals.elsevier.com/spatial-statistics
Пример статьи, название - Modeling spatial correlation that grows on trees, with a stream network application. Заголовок (Abstract) - Spatial data on a network, like spatial data on a Euclidean domain, may exhibit nonstationarity. This article develops two classes of nonstationary models for continuously indexed data on directed tree networks, such as stream networks, that are adaptations of models used previously for nonstationary temporal or spatial data on Euclidean domains. These classes, called elastic models and spatially varying moving average models, allow the spatial dependence between observations at sites any fixed distance apart to grow monotonically as one moves either up or down the network. The process variance, or components thereof, may also be allowed to grow monotonically. An example of trout density data from a stream network in Wyoming, USA indicates that the proposed nonstationary models fit those data much better than their existing stationary or quasi-stationary counterparts. Keywords: Covariance function; Elastic model; Geostatistics; Spatial moving average model; Nonstationarity