高斯过程数据中主导特征的识别及其在芬兰森林资源清查记录中的应用

在空间数据中，位置相关的变异导致称为特征的连通结构。变异发生于不同的空间尺度，并可能源自不同的潜在过程。这些尺度各自以其主导特征为表征。本文引入一种统计方法，用于从高斯过程数据中识别这些尺度及其主导特征。该识别通过尺度空间分解可信地辨识主导特征，并通过估计潜在过程的协方差函数参数及其与潜在驱动因子的关联来评估特征属性。我们使用该主导特征识别方法分析了 1920 年代的芬兰森林资源清查数据，识别出最常见芬兰树种（包括苏格兰松、挪威云杉、桦树及其他原生落叶树）的断面积估计中的变异尺度。通过比较这些树种中尺度依赖的特征及其属性，我们识别出土壤与人为驱动因子对其断面积空间分布的不同影响。这些数据首次从其变异尺度角度被分析，所得的尺度依赖地图与估计是对芬诺斯坎迪亚历史森林生态学的重要贡献。迄今为止，常规方法尚无法进行此类分析。