基于花粉数据的过去土地覆盖贝叶斯重建：模型鲁棒性与对辅助变量的敏感性
应用统计
2018-11-06 v2
摘要
调查史前环境变化、人为毁林影响以及长期土地覆盖-气候反馈需要真实的过去土地覆盖描述。基于观测的过去土地覆盖重建很少见，而常用的基于模型的重建表现出显著差异。最近\citet[Spatial Statistics, 24:14--31,][]{PirzaLPG2018_24}开发了一种统计插值方法，可从花粉组合产生空间完整的过去土地覆盖重建。这些重建整合了若干辅助数据集，引发了关于该方法对不同辅助数据集敏感性的疑问。本文通过对北欧三个时期（1900 CE、1725 CE 和 4000 BCE）进行空间重建来检验该方法的敏感性。考虑的辅助数据集包括最常用的过去土地覆盖数据来源——例如由动态植被（DVM）和人为土地覆盖变化（ALCC）模型产生的估计值。考虑了五种不同的辅助数据集，包括驱动 DVM 的不同气候数据和不同的 ALCC 模型。所得重建结果也使用交叉验证对所有时期进行了评估。对于近期时期 1900 CE，将不同的土地覆盖重建与当今森林图进行了比较。验证确认该统计模型提供了一种鲁棒的空间插值工具，对辅助数据的差异敏感性低，并且能高度捕获基于花粉的代用数据中的信息。具有高空谱细节的进一步辅助数据改善了模型在地形复杂或观测稀少区域的性能。
引用
@article{arxiv.1703.06719,
title = {Bayesian reconstruction of past land-cover from pollen data: model robustness and sensitivity to auxiliary variables},
author = {Behnaz Pirzamanbein and Anneli Poska and Johan Lindström},
journal= {arXiv preprint arXiv:1703.06719},
year = {2018}
}