Time-space Kriging to address the spatiotemporal misalignment in the large datasets.
Time-space Kriging to address the spatiotemporal misalignment in the large datasets.
复制标题
DOI：
10.1016/j.atmosenv.2013.02.034
复制
发表时间：
2013-06-01
影响因子：
5
通讯作者：
Kumar, Naresh
中科院分区：
文献类型：
--
作者：
Liang, Dong;Kumar, Naresh
关键词：
本文提出了一种贝叶斯层次时空插值方法，称为马尔可夫立方体克立格（MCK）。经典的克里格方法在计算上变得困难，特别是对于大数据集，由于O（n3）矩阵分解。MCK提供了新的和计算效率高的解决方案，以解决时空错位，时空尺度的不匹配和缺失值在空间和时间在大型时空数据集。MCK是灵活的，因为它允许在分层时空尺度上的非分离时空结构和非平稳协方差。采用MCK，我们开发了2000年至2009年克利夫兰都市统计区2.5 km空间网格处空气动力学直径≤2.5 μm的细颗粒物（PM2.5）日浓度的估计值。我们的验证和交叉验证表明，MCK实现了强大的预测时空随机效应和潜在的层次和非平稳的时空结构的空气污染数据。MCK对环境流行病学和环境科学具有重要意义，可用于不同时空尺度的不同来源的暴露量化和数据配置。
This paper presents a Bayesian hierarchical spatiotemporal method of interpolation, termed as Markov Cube Kriging (MCK). The classical Kriging methods become computationally prohibitive, especially for large datasets due to the O(n3) matrix decomposition. MCK offers novel and computationally efficient solutions to address spatiotemporal misalignment, mismatch in the spatiotemporal scales and missing values across space and time in large spatiotemporal datasets. MCK is flexible in that it allows for non-separable spatiotemporal structure and nonstationary covariance at the hierarchical spatiotemporal scales. Employing MCK we developed estimates of daily concentration of fine particulates matter ≤2.5 μm in aerodynamic diameter (PM2.5) at 2.5 km spatial grid for the Cleveland Metropolitan Statistical Area, 2000 to 2009. Our validation and cross-validation suggest that MCK achieved robust prediction of spatiotemporal random effects and underlying hierarchical and nonstationary spatiotemporal structure in air pollution data. MCK has important implications for environmental epidemiology and environmental sciences for exposure quantification and collocation of data from different sources, available at different spatiotemporal scales.
登录
查看更多内容
影响因子：
4.4
作者：
Levy, Robert C.;Remer, Lorraine A.;Dubovik, Oleg
通讯作者：
Dubovik, Oleg
影响因子：
1.8
作者：
Hartman, Linda;Hossjer, Ola
通讯作者：
Hossjer, Ola
影响因子：
1.9
作者：
Schmid, V;Held, L
通讯作者：
Held, L
DOI：
10.1111/j.1467-9868.2008.00663.x
发表时间：
2008-09-01
期刊：
Journal of the Royal Statistical Society. Series B, Statistical methodology
影响因子：
--
作者：
Banerjee S;Gelfand AE;Finley AO;Sang H
通讯作者：
Sang H
影响因子：
1.8
作者：
De Iaco, S;Myers, DE;Posa, D
通讯作者：
Posa, D