基于最大-平滑方法的高分辨率空间非层次化的近似贝叶斯推断
统计方法学
2024-07-17 v1 应用统计
摘要
本文解决在细粒度空间层面获取精确人口信息的挑战，这是规划局部公共服务(如水分配网络)或理解地方人类对生态系统影响的必要条件。虽然人口规模通常仅为大行政区域(如印度的选区)提供，但实际应用往往需要在更小的空间尺度上了解人口密度。我们探讨了整合替代数据源的方法， Specifically 指的是卫星衍生产品，包括土地覆盖、土地利用、街道密度、建筑高度、植被覆盖率和排水密度。以班加罗尔市印度为例，拥有 198 个选区的人口数据集和覆盖 786,702 个像素(分辨率为 30mX30m)的卫星衍生数据源。我们提出一种半参数贝叶斯空间回归模型，用于获取像素级的人口估计。鉴于问题的高维，精确贝叶斯推断被认为是不可行的；我们讨论一种基于最近提出的 max-and-smooth 方法的近似贝叶斯推断方案，该方法结合了拉普拉斯近似和马尔可夫链蒙特卡洛。模拟研究验证了推断方法的合理性能。将像素级估计映射到选区层面表明，我们的方法在捕捉人口规模的空间分布方面有效。虽然本案例研究聚焦于人口学应用，但此处开发的方法 readily 可应用于来自各种科学领域的计数类空间数据集，其中可获得高分辨率的替代数据源。
引用
@article{arxiv.2407.11173,
title = {Approximate Bayesian inference for high-resolution spatial disaggregation using alternative data sources},
author = {Anis Pakrashi and Arnab Hazra and Sooraj M Raveendran and Krishnachandran Balakrishnan},
journal= {arXiv preprint arXiv:2407.11173},
year = {2024}
}
备注
30 pages, 7 figures, 3 tables