采用嵌套拉普拉斯逼近積分——隨機(jī)偏微分方程(INLA-SPDE)構(gòu)建貝葉斯空間模型,用該模型對(duì)塔里木盆地北緣土壤有機(jī)碳含量的空間分布進(jìn)行預(yù)測;采用Python語言PyMC庫和R語言spBayes包構(gòu)建基于馬爾科夫鏈蒙特卡洛(MCMC)模擬的貝葉斯空間模型。比較了基于MCMC和INLA-SPDE兩類貝葉斯空間模型的推斷結(jié)果、預(yù)測準(zhǔn)確性和計(jì)算時(shí)間,結(jié)果表明基于INLA-SPDE與MCMC的有機(jī)碳含量的貝葉斯空間模型具有相似的參數(shù)后驗(yàn)分布、后驗(yàn)預(yù)測分布以及預(yù)測準(zhǔn)確度;INLA-SPDE模型比MCMC模型具有更快的運(yùn)算速度。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1四個(gè)約束細(xì)分Delaunay三角網(wǎng)

圖1所示的是構(gòu)建的4個(gè)三角網(wǎng)，它們均比土壤采樣點(diǎn)的范圍要大，目的是避免邊界效應(yīng)的發(fā)生[3,15]。Mesh2的三角形邊長值較大，三角形數(shù)量少，三角頂點(diǎn)總數(shù)有204個(gè)；Mesh4是4個(gè)三角網(wǎng)中最密的，三角頂點(diǎn)總數(shù)最多，有772個(gè)（表1）。圖2所示的是基于4個(gè)三角網(wǎng)的INLA-S....

圖2基于4個(gè)三角網(wǎng)的INLA-SPDE貝葉斯空間模型參數(shù)的后驗(yàn)邊緣密度函數(shù)

圖3是土壤有機(jī)碳含量的后驗(yàn)均值與后驗(yàn)標(biāo)準(zhǔn)偏差的空間分布圖。INLA-SPDE和MCMC(spBayes和PyMC）對(duì)鹽土土壤有機(jī)碳含量的預(yù)測結(jié)果極為相近，后驗(yàn)均值的范圍分別為2.1～6.4g·kg-1、2.0～6.7g·kg-1、2.3～6.7g·kg-1；后驗(yàn)均值的平....

圖3基于INLA-SPDE和MCMC(spBayes和PyMC）貝葉斯空間模型預(yù)測的土壤有機(jī)碳含量（g·kg-1）后驗(yàn)均值和預(yù)測標(biāo)準(zhǔn)偏差

貝葉斯空間預(yù)測的不確定性可以用變量的后驗(yàn)預(yù)測標(biāo)準(zhǔn)偏差來度量。INLA-SPDE的預(yù)測標(biāo)準(zhǔn)偏差值的范圍為4.6～5.5g·kg-1，低于spBayes方法的標(biāo)準(zhǔn)差范圍（5.5～6.1g·kg-1），大于PyMC方法的標(biāo)準(zhǔn)偏差范圍（0.4～1.4g·kg-1）。INLA-S....

本文編號(hào)：3970924