高维数据的多尺度多类型空间贝叶斯分析及其在野火与迁徙中的应用

野火在美国（U.S.）显著增加，使得某些地区变得难以居住。这促使我们联合分析2020年7月至2021年6月期间的活跃野火和人口变化。可用数据以不同的尺度（或空间分辨率）和不同类型分布（称为多类型数据）记录。此外，野火已知具有反馈机制，会创建信噪比依赖。我们分析来自美国航天局（NASA）的点参考远程感知野火数据，以及美国普查局人口估计项目（PEP）提供的县级人口变化数据。我们发展了一种多尺度多类型空间贝叶斯模型，假设火花的平均数量为零膨胀正态分布，火花发生为伯利利分布，人口变化百分比为正态分布。这种高维数据集使得马尔可夫链蒙特卡罗（MCMC）实现不可行。我们通过扩展一种最近近期引入的计算高效贝叶斯框架，以直接抽样准后验分布来规避MCMC，该框架包括建模信噪比依赖的项。这种信噪比依赖已知存在于野火数据中，但通常未被考虑在内。使用仿真研究来突出方法的计算性能。在我们的分析中，我们获得了野火概率的预测，识别了几个有用的协变量，并发现火花较多的地区与人口变化相关。