具有未观测触发事件的高分辨率贝叶斯滑坡灾害制图
统计方法学
2020-06-16 v1
摘要
滑坡灾害的统计模型通过利用高空间分辨率下可用的地貌协变量，能够绘制风险因素和滑坡发生强度图。然而，触发事件（例如，降水或地震）的空间分布通常无法直接观测。在本文中，我们使用不同类型的对数高斯Cox过程，为滑坡发生的点模式开发了贝叶斯空间分层模型。从一个通过坡面单元分辨率的空间随机效应来捕捉未观测降水触发因素的竞争性基线模型出发，我们探索了新颖的复杂模型结构，这些结构考虑了小空间尺度上出现的事件簇，以及非线性或空间变化的协变量效应。针对2009年意大利西西里岛约4000起由降水引发的滑坡事件，我们展示了如何使用集成嵌套拉普拉斯近似（INLA）高效拟合我们提出的模型，并从统计和应用角度严格比较了模型的性能。在此背景下，我们认为模型比较不应基于单一标准，不同复杂度的模型可能为同一应用问题的互补方面提供见解。在我们的应用中，我们发现我们的模型大多具有相同的空间预测性能，这意味着成功预测的关键是包含一个捕捉降水触发因素的坡度单元分辨率随机效应。有趣的是，一个简洁的空间变化坡度效应公式反映了降水触发因素的物理解释：在触发因素较弱的子区域，坡度陡峭程度被证明大多无关紧要。
引用
@article{arxiv.2006.07902,
title = {High-resolution Bayesian mapping of landslide hazard with unobserved trigger event},
author = {Thomas Opitz and Haakon Bakka and Raphaël Huser and Luigi Lombardo},
journal= {arXiv preprint arXiv:2006.07902},
year = {2020}
}