海量全球卫星数据的非平稳空间建模
应用统计
2021-11-29 v1
摘要
地球观测卫星仪器每天获取海量观测数据。例如，中分辨率成像光谱仪（MODIS）每天在全球范围内收集数千万条海表温度（SST）观测数据。尽管规模庞大，此类数据集仍不完整且含噪声，需要进行空间统计推断以获得具有量化不确定性的完整、高分辨率场。由于计算成本高、环境过程在全球尺度上的非平稳行为以及影响 SST 依赖性的陆地屏障，此类推断具有挑战性。在本工作中，我们开发了高斯过程（GP）的多分辨率近似（M-RA），其非平稳全局协方差函数是通过局部拟合获得的。M-RA 需要区域划分，可根据具体应用进行设置。在 SST 案例中，我们有目的地划分区域以考虑并削弱跨陆地屏障的依赖性。我们的 M-RA 实现专为高性能计算环境中的分布式内存计算而定制。我们分析了包含超过 4300 万条观测数据的 MODIS SST 数据集，据我们所知，这是有史以来使用概率 GP 模型分析的最大的数据集。我们表明，基于局部拟合的非平稳模型相较于平稳方法提供了显著提升的预测性能。
引用
@article{arxiv.2111.13428,
title = {Nonstationary Spatial Modeling of Massive Global Satellite Data},
author = {Huang Huang and Lewis R. Blake and Matthias Katzfuss and Dorit M. Hammerling},
journal= {arXiv preprint arXiv:2111.13428},
year = {2021}
}