Multi-Resolution Spatial Methods on the Sphere: Efficient Prediction for Global Data

Huang, Hao-Yun

doi:10.1002/env.70092

Multi-Resolution Spatial Methods on the Sphere: Efficient Prediction for Global Data

2026-04-01

0

PRE

AI

DOI：10.1002/env.70092

原文链接

原文求助

摘要

En 中文

球面上的精确空间预测对于全球环境应用（如气候监测和海洋分析）至关重要。然而，现有方法通常难以平衡计算效率、预测精度以及处理异质性空间结构的能力。我们提出了一种多分辨率空间建模框架，将薄板样条（TPS）基函数与高斯过程建模相结合。该框架首先基于按光滑度排序的近似正交TPS基函数层次结构，构建固定效应表示，从而提供空间变异的多分辨率分解。这有助于高效捕捉大尺度模式同时保持可解释性。为表示局部依赖性，我们通过截断Matérn协方差控制的随机效应扩展模型，该效应在通过稀疏矩阵运算确保可扩展性的同时，建模了精细尺度结构。模型复杂度通过条件赤池信息准则（cAIC）自适应控制，该准则同时选择基函数数量并确定高斯过程成分的贡献。数值实验和全球海表温度应用表明，我们的方法在预测精度与计算可行性之间取得了平衡，确立了其在球面大规模空间建模中的强大解决方案角色。

Keyword:

conditional Akaike information criterion

covariance tapering

kriging

multi-resolution basis functions

thin-plate splines on the sphere

Multi-Resolution Spatial Methods on the Sphere: Efficient Prediction for Global Data

摘要

期刊

机构

引用论文