×
拉贾什·古哈尼约吉;安德鲁·芬利。;苏迪普托·班纳吉;理查德·科比奥（Richard K.Kobe）。

复杂空间相关性建模：低秩空间变化交叉协方差，应用于土壤养分数据。 （英语） Zbl 1303.62071号

《农业杂志》。生物与环境。斯达。 18，第3期，274-298（2013）.
摘要：地理空间技术的进步创造了数据丰富的环境，为理解生态学和自然科学中大型空间索引数据的复杂性提供了绝佳的机会。我们当前的应用涉及对哥斯达黎加La Selva生物站收集的土壤养分数据的分析，推断的兴趣在于捕捉养分之间的空间变化关系。这里的目标不仅是插值整个空间中的营养素，还插值假定在空间上变化的营养素之间的关联。这需要空间变化的互协方差模型。使用矩阵变量过程的完全基于过程的规范在理论上很有吸引力，但在计算上却令人望而却步。在这里，我们开发了基于全过程的低秩但非退化的空间变化互协方差过程，可以有效地在任意位置生成内插互协方差。我们展示了一种特殊的低秩过程，即被广泛用于建模大型地质统计数据集的预测过程，如何有效地应用于建模非退化互协方差过程。我们产生了实质性的推理工具，如非平稳交叉协变量图，这些工具构成了进一步机械建模的前提，迄今为止，环境科学家和生态学家还不容易获得。

引用于4文件

MSC公司：

62页第12页 统计在环境和相关主题中的应用
62立方米 空间过程推断

关键词：

高斯空间过程;多功能多媒体计算机;非平稳性;预测过程;热带土壤养分

软件：

贝叶斯DA;FRK公司;spBayes公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Guhaniyogi}等人，J.Agric。生物与环境。Stat.18，No.3，274--298（2013；Zbl 1303.62071）
全文： 内政部

参考文献：

[1] Apanasovich，T.V.和Genton，M.G.（2010），“基于潜在维度的多元随机场的交叉协方差函数”，《生物统计学》，97，15-30·Zbl 1183.62164号 ·doi:10.1093/biomet/asp078
[2] Banerjee，S.、Carlin，B.P.和Gelfand，A.E.（2004），空间数据的层次建模和分析，博卡拉顿：查普曼和霍尔/CRC出版社·Zbl 1053.62105号
[3] Banerjee，S.和Johnson，G.A.（2006），“核心区域化单分辨率和多分辨率空间变化生长曲线建模及其在杂草生长中的应用”，生物计量学，61，617–625·Zbl 1111.62115号 ·文件编号：10.1111/j.1541-0420.2005.00320.x
[4] Banerjee，S.、Gelfand，A.E.、Finley，A.O.和Sang，H.（2008），“大型空间数据集的高斯预测过程模型”，《皇家统计学会杂志》，B辑，70，825–848·Zbl 05563371号 ·文件编号：10.1111/j.1467-9868.2008.00663.x
[5] Banerjee，S.、Finley，A.O.、Waldmann，P.和Ericcson，T.（2010），“大型遗传试验中多性状的层次空间过程模型”，美国统计协会杂志，105，506–521·Zbl 1392.62316号 ·doi:10.1198/jasa.2009.ap09068
[6] Cressie，N.（1993），《空间数据统计》（第二版），纽约：Wiley·Zbl 0825.62477号
[7] Cressie，N.和Johannesson，G.（2008），“超大空间数据集的固定秩克里格”，《皇家统计学会期刊》，B辑，70，209-226·Zbl 05563351号 ·文件编号：10.1111/j.1467-9868.2007.00633.x
[8] Cressie，N.A.C.和Wikle，C.K.（2011），《时空数据统计》，纽约：Wiley出版社·Zbl 1273.62017年
[9] Daniels，M.J.和Kass，R.E.（1999），“协方差矩阵的非共轭贝叶斯估计及其在层次模型中的应用”，美国统计协会杂志，941254-1263·Zbl 1069.62508号 ·doi:10.1080/01621459.1999.10473878
[10] Diez，J.M.和Pulliam，H.R.（2007），“物种分布和丰度在环境梯度上的层次分析”，生态学，88，3144–3152·doi:10.1890/07-0047.1
[11] Finley，A.O.、Banerjee，S.和McRoberts，R.E.（2009年），“预测大范围树种组合的层次空间模型”，《应用统计年鉴》，第31052–1079页·Zbl 1196.62121号 ·doi:10.1214/09-AOAS250
[12] Finley，A.O.、Banerjee，S.、Ek，A.R.和McRoberts，R.E.（2008），“森林属性预测的贝叶斯多元过程建模”，《农业、生物和环境统计杂志》，13，60–83·兹比尔1306.62272 ·doi:10.1198/108571108X273160
[13] Finley，A.O.、Sang，H.、Banerjee，S.和Gelfand，A.E.（2009），“提高大型数据集预测过程建模的性能”，计算统计与；数据分析，53，2873–2884·兹比尔1453.62090 ·doi:10.1016/j.csda.2008.09.008
[14] Finzi，A.C.、van Breemen，N.和Canham，C.D.（1998），“温带森林内树冠-土壤相互作用：物种对pH值和碱性阳离子的影响”，《生态应用》，第8期，第447–454页。
[15] Gelfand，A.E.，and Banerjee，S.（2010），《多元空间过程模型》，摘自《空间统计手册》，编辑A.E.Gelfand、P.Diggle、P.Guttorp和M.Fuentes，《博卡拉顿：泰勒和弗朗西斯/CRC》，第495–516页。
[16] Gelfand，A.E.和Ghosh，S.K.（1998年），“模型选择：最小后验预测损失方法”，《生物统计学》，85，1-11·Zbl 0904.62036号 ·doi:10.1093/biomet/85.1.1
[17] Gelfand，A.E.、Schmidt，A.M.、Banerjee，S.和Sirmans，C.F.（2004），“通过空间变化的区域化进行非平稳多变量过程建模”（含讨论），测试，13，263–312·Zbl 1069.62074号 ·doi:10.1007/BF02595775
[18] Gelman，A.和Rubin，D.（1992），“使用多序列从迭代模拟中进行推断”，《统计科学》，第7457–511页·兹比尔1386.65060 ·doi:10.1214/ss/117701136
[19] Gelman，A.、Carlin，J.B.、Stern，H.S.和Rubin，D.B.（2004），贝叶斯数据分析（第二版），博卡拉顿：查普曼和霍尔/CRC出版社。
[20] Gneiting，T.和Guttorp，P.（2010），“连续参数随机过程理论”，《空间统计手册》，编辑A.E.Gelfand、P.Diggle、P.Guttorp和M.Fuentes，《博卡拉顿：泰勒和弗朗西斯/CRC》，第17-28页。
[21] Gneiting，T.、Kleiber，W.和Schlather，M.（2010），“多元随机场的Matérn交叉协方差函数”，美国统计协会杂志，105，1167–1177·Zbl 1390.62194号 ·doi:10.1198/jasa.2010.tm09420
[22] Guhaniyogi，R.、Finley，A.O.、Banerjee，S.和Gelfand，A.E.（2011），“大型空间数据集的自适应高斯预测过程模型”，环境计量学，22，997–1007·doi:10.1002/env.1131
[23] Harville，D.A.（1997），《统计学家视角下的矩阵代数》，纽约：施普林格出版社·Zbl 0881.15001号
[24] Henderson，H.V.和Searle，S.R.（1981），“关于矩阵求和的逆运算”，《SIAM评论》，第23、53–60页·Zbl 0451.15005号 ·数字对象标识代码：10.1137/1023004
[25] Hodges，J.S.和Reich，B.J.（2010），“添加空间相关错误会破坏你喜欢的固定效果”，美国统计学家，64，335-344·Zbl 1217.62095号 ·doi:10.1198/tast.2010.10052
[26] Holste，E.K.、Kobe，R.K.和Vriesendorp，C.F.（2011），“潮湿热带森林下层土壤养分对幼苗生长的影响”，生态学，92，1828–1838·数字对象标识代码：10.1890/10-1697.1
[27] Houlton，B.Z.、Wang，Y.P.、Vitousek，P.M.和Field，C.B.（2008），“陆地生物圈固氮的统一框架”，《自然》，454327–331·doi:10.1038/nature07028
[28] Kang，E.L.和Cressie，N.（2011），“空间随机效应模型的贝叶斯推断”，《美国统计协会杂志》，106，972-983·Zbl 1229.62008号 ·doi:10.1198/jasa.2011.tm09680
[29] Kobe，R.K.和Vriesendorp，C.F.（2009），“采样单元的大小对潮湿热带森林中幼苗限制的检测有很大影响”，《生态学快报》，1220-228·doi:10.1111/j.1461-0248.2008.01278.x
[30] Majumdar，A.、Paul，D.和Bautista，D.（2010），“多元非平稳空间过程的广义卷积模型”，《统计》，第20期，第675–695页·Zbl 1187.62153号
[31] McCarthy Neumann，S.和Kobe，R.K.（2010），“同种植物-土壤反馈减少热带树木幼苗的存活和生长”，《生态学杂志》，98396–407·文件编号：10.1111/j.1365-2745.2009.01619.x
[32] Ovaskainen，O.、Hottola，J.和Siitonen，J.（2010），“通过多元Logistic回归建立物种共现模型产生真菌相互作用的新假设”，生态学，92414-2521。
[33] Paciorek，C.J.（2010），“尺度对空间回归估计器的空间混淆偏差和精度的重要性”，《统计科学》，107-125·Zbl 1328.62596号
[34] Pourahmadi，M.（1999），“纵向数据应用的联合均值协方差模型：无约束参数化”，《生物统计学》，86，677-690·Zbl 0949.62066号 ·doi:10.1093/biomet/86.3.677
[35] Rao，C.R.（1973），《线性统计推断及其应用》（第二版），纽约：Wiley出版社·Zbl 0256.6202号
[36] Robert，C.P.和Casella，G.（2010），《蒙特卡罗方法与R的介绍》，纽约：施普林格出版社·兹比尔1196.65025
[37] Roberts，G.O.和Rosenthal，J.S.（2009），“自适应MCMC的示例”，《计算与图形统计杂志》，第18、349–367页·doi:10.1198/jcgs.2009.06134
[38] Royle，J.A.和Berliner，L.M.（1999），“多元空间建模和预测的层次方法”，《农业、生物和环境统计杂志》，第4期，第29–56页·doi:10.2307/1400420
[39] Sang，H.、Jun，M.和Huang，J.Z.（2011），“应用于多气候模型误差的大型多元空间数据集协方差近似”，《应用统计学年鉴》，42519-2548·Zbl 1234.62071号 ·doi:10.1214/11-AOAS478
[40] Stein，M.L.（1999），《空间数据插值：克里格的一些理论》，纽约：斯普林格出版社·Zbl 0924.62100号
[41] –（2008），“大型空间数据集建模方法”，《韩国统计学会杂志》，37，3–10·Zbl 1196.62123号 ·doi:10.1016/j.jkss.2007.09.001
[42] Townsend，A.R.、Asner，G.P.和Cleveland，C.C.（2008），“热带土壤的生物地球化学异质性”，《生态与环境趋势》；进化，23424-431·doi:10.1016/j.tree.2008.04.009
[43] Wackernagel，H.（2006），《多元地质统计学：应用简介》（第三版），纽约：斯普林格出版社·Zbl 0912.62131号
[44] Waddle，J.H.、Dorazio，R.M.、Walls，S.C.、Rice，K.G.、Beauchamp，J.、Schuman，M.J.和Mazzotti，F.J.（2010），“估算相互作用物种共现的新参数化”，《生态学应用》，第20期，第1467–1475页·doi:10.1890/09-0850.1
[45] Walker，T.W.和Syers，J.K.（1976），“磷在土壤发生过程中的命运”，《地质学》，第15、1–19页·doi:10.1016/0016-7061（76）90066-5
[46] Wardle，D.A.、Walker，L.R.和Bardgett，R.D.（2004），“与长期时序相反的生态系统特性和森林衰退”，《科学》，305，509–512·doi:10.1126/science.1098778
[47] Yaglom，A.M.（1987），《平稳和相关随机函数的相关理论》，第一卷，纽约：施普林格出版社·Zbl 0685.62077号
[48] Zhang，H.（2007），“多元空间线性区域化模型的最大似然估计”，环境计量学，18，125–139·doi:10.1002/env.807
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。