基于INLA-SPDE贝叶斯空间模型预测土壤有机碳含量

摘要

采用嵌套拉普拉斯逼近积分——随机偏微分方程(INLA-SPDE)构建贝叶斯空间模型,用该模型对塔里木盆地北缘土壤有机碳含量的空间分布进行预测;采用Python语言PyMC库和R语言spBayes包构建基于马尔科夫链蒙特卡洛(MCMC)模拟的贝叶斯空间模型.比较了基于MCMC和INLA-SPDE两类贝叶斯空间模型的推断结果、预测准确性和计算时间,结果表明基于INLA-SPDE与MCMC的有机碳含量的贝叶斯空间模型具有相似的参数后验分布、后验预测分布以及预测准确度;INLA-SPDE模型比MCMC模型具有更快的运算速度.