基于具有次渐近标记分布的空间标记点过程对滑坡数量与规模进行联合建模

为了准确量化土耳其某地区的滑坡危险性，我们在贝叶斯层次框架内开发了新的标记点过程模型，用于滑坡数量与规模的联合预测。为了适应少数最大滑坡在聚合规模中的主导作用，我们利用有极值理论充分依据的标记分布，从而桥接了极值统计与标记点模式这两个广阔领域。在数据层，我们假设滑坡数量服从泊松分布，同时比较不同的“次渐近”分布以灵活建模滑坡规模的上尾和下尾。在潜变量层，泊松强度与规模分布的中位数随空间在固定效应和随机效应方面变化，其中共享的空间分量捕捉滑坡数量与规模之间的互相关。我们使用内蕴条件自回归先验对空间依赖性进行稳健建模。我们的新模型使用定制的自适应马尔可夫链蒙特卡罗算法高效拟合。我们表明，对于我们的数据集，与更传统的选择相比，次渐近标记分布改进了对大型滑坡规模的预测。为了展示联合发生-规模模型的好处并说明其在风险评估中的用处，我们绘制了主要道路沿线的滑坡危险性图。