基于 SPDE 方法的意大利 $\text{PM}_{10}$ 日浓度时空建模
应用统计
2021-02-24 v1
摘要
本文展示了使用一组分布于意大利境内的 410 个监测站点、针对 2015 年以日分辨率对 浓度进行时空插值过程的主要结果。该插值过程基于贝叶斯层次模型,其中空间分量通过随机偏微分方程(SPDE)方法表示,并带有滞后 1 的时间自回归分量(AR1)。推断通过集成嵌套拉普拉斯近似(INLA)执行。我们的模型包含 11 个空间与时空预测变量,包括气象变量与气溶胶光学厚度。由于预测变量的影响随月份变化,回归基于 12 个月度模型,具有相同的协变量集。预测模型性能已通过交叉验证研究进行分析。我们的结果显示预测值与观测值吻合良好(相关系数范围:0.79 - 0.91;偏差:0.22 - 1.07 ;RMSE:4.9 - 13.9 )。模型最终输出为覆盖意大利的 365 幅网格化(1km 1km)每日 地图,并附有不确定性度量。空间预测性能表明该插值过程能够再现大尺度数据特征,且在生成的 表面上无虚假伪影。本文还给出了两个实际应用的示例:超标概率图与人口暴露图。
引用
@article{arxiv.2009.10476,
title = {Spatio-temporal modelling of $\text{PM}_{10}$ daily concentrations in Italy using the SPDE approach},
author = {Guido Fioravanti and Sara Martino and Michela Cameletti and Giorgio Cattani},
journal= {arXiv preprint arXiv:2009.10476},
year = {2021}
}