揭示土地利用动态：基于层次贝叶斯时空模型的成分数据分析

土地利用模式的变化对环境和社会经济影响显著，对于了解其原因与后果具有重要意义。本研究作为欧洲 LAMASUS（Land Management for Sustainability，可持续性土地管理）项目的一部分，旨在通过政策制定者、土地使用者和研究人员之间的合作，发展支持欧盟气候中和目标的治理模型。我们提出了一种基于贝叶斯方法的土地利用数据处理方法综合，纳入空间和时空建模框架。该研究解决了分析土地利用变化的挑战，特别是存在零值以及大数据集计算问题。它引入联合模型结构以处理零值问题，采用顺序推断和共识方法解决大数据问题。空间下采样模型从聚合数据中近似更小尺度，规避了高分辨率数据带来的困扰。我们探讨了 Beta 回归和成分数据分析（CoDa）用于土地利用数据，综述相关空间和时空模型，并提出处理零值的策略。该论文通过仿真数据和 LAMASUS 项目中的实例演示了关键模型、下采样技术以及大数据解决方案的实现，为理解和管理土地利用变化提供了综合性框架。