多变量空间插值与空气污染物暴露

摘要 我们开发并应用了一种向量值随机响应场的空间插值方法。我们采用的贝叶斯方法使得关于基础模型的不确定性能够在表达结果插值的准确性时显现出来。这种方法在环境计量学中特别相关，因为向量值响应仅在指定地点的连续时间点上观察到。该理论允许在分层先验模型的第二层进行时空建模，从而在第一层充分表达对模型参数的不确定性。通过这种方式，我们避免了对推断准确性的过于乐观的估计。此外，先验模型可以随着任何可用的新数据升级，而过去的数据可以以系统的方式用于拟合模型参数。该理论基于多变量正态分布及其相关的联合分布。我们的分层先验模型导致的后验分布对选择先验（超参数）具有鲁棒性。我们通过一个涉及安大略省南部监测站的示例来说明我们的理论，该示例中的臭氧、硫酸盐和硝酸盐的月平均水平可用，并且在站点之间插值响应三重组。在这个例子中，我们使用了最近开发的空间相关场插值方法。