面向带质量标记的遥感观测的贝叶斯潜变量协同克里金模型
应用统计
2022-08-19 v1
摘要
遥感数据产品通常包含质量标记，告知用户相关观测的质量为好、可接受或不可靠。然而，此类关于数据保真度的信息在遥感数据分析中未被考虑。受 NASA 的 Aqua 卫星上大气红外探测仪（AIRS）观测的启发，我们提出了一种具有可分高斯过程的潜变量协同克里金模型，用于分析大型带质量标记的遥感数据集及其相关质量信息。我们通过插补机制增广后验分布，利用输入结构将大型协方差矩阵分解为可分别计算的高效分量。在增广后验内，我们开发了主要由条件分布直接模拟组成的马尔可夫链蒙特卡洛（MCMC）过程。此外，我们提出了一种计算高效的递归预测过程。我们将所提方法应用于 AIRS 仪器的气温数据。结果表明，与不考虑质量标记的模型相比，在我们的模型中纳入质量标记信息显著提升了预测性能。
引用
@article{arxiv.2208.08494,
title = {Bayesian Latent Variable Co-kriging Model in Remote Sensing for Observations with Quality Flagged},
author = {Bledar A. Konomi and Emily L. Kang and Ayat Almomani and Jonathan Hobbs},
journal= {arXiv preprint arXiv:2208.08494},
year = {2022}
}