A Bayesian spatiotemporal model for reconstructing climate from multiple pollen records
全新世（过去12，000年）的温度变化，包括从最后一个冰河时代到温暖气候的过渡，在芬兰南部，瑞典和爱沙尼亚的多个地点根据湖泊沉积物岩心的花粉化石数据进行重建。提出了一种新的贝叶斯统计方法，允许重建的温度历史，通过共享的环境响应参数和空间依赖性进行交互。过去温度的先验分布部分基于数值气候模拟。重建中的特征与基于更常用的重建技术的定量气候重建一致。结果表明，新的时空方法可以提供更平滑，更少的不确定性和更真实的比特定地点的个人重建的定量重建。
2015-11-05 stat.AP
Linking climate and dengue in the Philippines using a two-stage Bayesian spatio-temporal model
本研究采用两阶段贝叶斯时空模型结合INLA方法，分析菲律宾气候与登革热的关联，发现温度总体呈正相关但极端高温有负效应，降雨影响因干湿季特征而异。
2025-06-27 stat.AP
Bayesian Inference for Stochastic Predictions of Non-Gaussian Systems with Applications in Climate Change
针对非高斯气候系统建模的复杂性，本论文提出利用UKF、EnKF和UPF的贝叶斯框架处理一维与二维随机气候模型，发现选择合适方法比单纯增加数据更重要，为真实气候场景应用提供了见解。
2024-06-20 physics.ao-ph stat.AP
Spatial Clustering of Curves with Functional Covariates: A Bayesian Partitioning Model with Application to Spectra Radiance in Climate Study
在气候变化研究中，气候变化的红外光谱特征近年来已被概念化，并被广泛应用于识别和归因大气成分变化。提出了一种基于函数协变量和局部特征的高维函数数据空间聚类的贝叶斯层次模型。我们耦合的功能混合效应模型与广义空间分区方法：（1）产生空间连续的集群的高维空间功能数据;（2）提高计算效率，通过并行计算的子区域或多级分区;和（3）捕捉数据驱动的分区的近边界的模糊性和不确定性。我们提出了一种广义的分区方法，它对空间簇的形状限制较少。参数空间的降维也是通过贝叶斯小波来实现的，以减轻由聚类引入的模型复杂性的增加。该模型很好地捕捉到了大气和云的光谱辐射测量的区域性影响。结果阐述了利用空间连续分区识别区域效应和小尺度变异的重要性。
2016-03-19 stat.AP
Bayesian analysis of extreme values in economic indexes and climate data: Simulation and application
极值和随机效应的混合建模是相对未开发的主题。混合模型的极大似然方法的计算困难以及极大似然方法使用现有数据而不使用先验信息的事实促使我们使用贝叶斯方法。我们的模拟研究表明，当异质性存在时，随机效应建模产生更可靠的估计。将该模型应用于气候数据和一些经济指标的回归值，揭示了与模拟结果相同的模式，并证实了随机效应和极值混合建模的有效性。由于气候和经济数据的性质是海量的，而且总是有可能遗漏相当一部分数据，因此保存过去数据中包含的信息是有用的。我们的模拟研究和应用表明，贝叶斯方法的好处，保存信息从过去的数据到后验分布的参数，作为信息的先验分布，以适应未来的数据。我们发现，从过去的数据中获得的信息先验分布有助于块极大值方法和风险价值和预期短缺的峰值超过阈值的方法估计的收益率水平，比使用无信息的先验分布更小的偏差。
2019-07-04 stat.AP
A Bayesian Ensemble Projection of Climate Change and Technological Impacts on Future Crop Yields
本研究提出全概率下的贝叶斯层次建模框架，扩展计量作物产量模型纳入国别误差方差，分解预测不确定性来源，在全球小麦产量分析中显著提升预测校准度与概率准确性，为农业气候战略制定提供风险敏感的决策支持。
2025-07-29 econ.EM stat.AP
Bayesian Functional Emulation of CO2 Emissions on Future Climate Change Scenarios
Politecnico di Milano（米兰理工大学）；Università degli Studi di Milano Bicocca（米兰比可卡大学）；European Commission, Joint Research Centre (JRC)（欧盟委员会联合研究中心）
本文提出基于函数回归框架的统计模拟器，用于气候-经济确定性综合评估模型集合。通过混合效应分层模型进行参数推断，并采用自回归参数化协方差矩阵，实现对离散输出的连续时间评估。
2022-09-13 econ.EM stat.AP stat.ME
On Bayesian Modelling of the Uncertainties in Palaeoclimate Reconstruction
我们概述了一个模型和算法来执行推断的古气候和古气候波动的花粉代用数据。我们使用了一种新的多元非线性非高斯状态空间模型，该模型由一个将气候与代理数据联系起来的观测方程和一个驱动气候随时间变化的演化方程组成。Salter-Townshend和Haslett（2012年）以及Sweeney（2012年）开发的预先校准的正演模型界定了气候与代用数据之间的联系。气候变化是由一个时间上不确定的正态-逆高斯-列维过程表示的，它能够在保持时间一致的同时捕捉到多变量气候的大跳跃。前向模型的预校准性质使我们能够在观测和演化方程之间切断反馈，从而完全整合状态变量，同时进行最小的简化假设。这种方法的一个关键部分是创建混合的边际数据后验，代表从每个单独的时间点获得的有关气候的信息。我们的方法允许一个非常有效的MCMC算法，我们证明了从Sluggan沼泽，安特里姆郡，北爱尔兰的花粉核心。
2012-06-21 stat.AP
Estimating Climate Sensitivity Using Bayesian Model Averaging for CMIP Models
Emory University（埃默里大学）；The Ohio State University（俄亥俄州立大学）
该研究采用贝叶斯模型平均法（BMA），基于CMIP6的37个气候模式，结合观测数据估算TCRE，得出的TCRE范围与IPCC AR6重叠但均值更高、标准差更低，2100年变暖预测更明确且不确定性更小，参数不确定性为主要方差来源。
2026-08-05 stat.AP stat.ME
Bayesian palaeoclimate reconstruction from zero-inflated count-compositional pollen data: A case study of Lago Grande di Monticchio in southern Italy
Hamilton Institute and Department of Mathematics and Statistics, Maynooth University（梅努斯大学汉密尔顿研究所与数学统计系）；School of Mathematics and Statistics, University College Dublin（都柏林大学学院数学统计学院）；Department of Biosciences, Durham University（杜伦大学生物科学系）
提出贝叶斯模块化框架，利用零膨胀计数成分花粉数据和贝叶斯加性回归树，结合切割后验分布与采样重要性重采样，实现古气候重建并量化不确定性。
2026-09-09 stat.AP stat.CO stat.ME
Kumaraswamy-Teissier Distribution: Bayesian and Non-Bayesian Inference, Regression Modeling and Climate Application
Indian Institute of Technology Mandi（印度技术学院曼迪分校）；Cytel Innovation Team, Cytel Pune（Cytel 浦那创新团队）
提出KTD-VARMA混合框架，用新型Kumaraswamy-Teissier分布刻画极端降雨并变换数据，结合VARMA建模时空依赖，在喜马拉雅西北部实现更优拟合与预测。
2026-10-06 stat.AP stat.ME
Physics-guided probabilistic modeling of extreme precipitation under climate change
地球系统模式（ESM）是预测气候变化影响的最新技术。然而，在模拟区域和当地极端降水和相关过程的能力方面长期存在的不确定性阻碍了决策。对相关时空尺度上极端降水量变化的概率预测将是对利益攸关方的最佳支持。在这里，我们提出了一个经验贝叶斯模型，扩展了现有的技能和共识为基础的加权框架和测试的假设，非平凡的，物理指导的措施ESM技能可以帮助产生可靠的概率特征的气候极端。具体而言，该模型利用温度，大气湿度容量和极端降水强度之间的物理关系的知识，迭代加权和结合ESM和估计概率分布的回报水平。样本外验证表明，贝叶斯模型是推导可靠概率预测的可靠方法。除了极端降水之外，该框架还可以作为一种通用的、以物理学为指导的方法的基础，用于对一般气候变量、极端气候变量或其他气候变量的概率分布进行建模。
2017-07-18 stat.AP
A Full Bayesian Model to Handle Structural Ones and Missingness in Economic Evaluations from Individual-Level Data
根据个人数据进行经济评价是技术评估过程的一个重要组成部分，目的是为资源分配决定提供信息。这些分析中的一个关键问题是，有效性和成本数据通常都存在一定的复杂性（如非正态性、峰值和缺失），应使用适当的方法加以解决。然而，在常规分析中，通常使用简单的标准化方法，可能导致有偏见的推论。我们提出了一个通用的贝叶斯框架，可以处理的复杂性。我们展示了使用我们的方法的好处，一个激励的例子，MenSS试验，其中有尖峰在一个有效性和缺失的两个结果。我们对比了一组日益复杂的模型，并进行了敏感性分析，以评估结论对一系列合理缺失假设的稳健性。本文强调了采用综合建模方法进行经济评估的重要性，以及在贝叶斯框架内构建这些复杂模型的战略优势。
2018-01-30 stat.AP
Combining Climate Models using Bayesian Regression Trees and Random Paths
Battelle Memorial Institute（巴特尔纪念研究所）；The Ohio State University（俄亥俄州立大学）；Washington University in St. Louis（圣路易斯华盛顿大学）；Indiana University（印第安纳大学）
本文提出随机路径BART模型，通过引入随机路径分配实现平滑权重函数，以整合多个气候模型并提高预测性能。
2026-01-24 stat.ME
Bayesian Modeling of Long-Term Dynamics in Indian Temperature Extremes
本文提出耦合连续时间随机游走模型分析印度1901–2017年年最高温度数据，并与贝叶斯谱分析回归模型比较，以捕捉长期趋势和季节波动，揭示气候变化对极端温度动态的影响。
2025-07-02 stat.AP
A Nonparametric Bayesian Model to Adjust for Monitoring Bias with an Application to Identifying Environments Stressed by Climate Change
提出基于单调样条的非参数贝叶斯模型以纠正事件时间估计中的监测偏差，在物候学应用中证明常用方法平均低估盛花期48天，揭示了此前未检测到的异常开花日期。
2025-03-06 stat.AP
Nonstationary Bayesian modeling for a large data set of derived surface temperature return values
长期极端气温造成的热浪对全球人类健康构成重大风险。鉴于极端温度观测的局限性，气候模型通常用于描述全球极端温度的特征，从中可以得出返回值等数量，以总结任意地理位置的低概率事件的大小。然而，虽然这些导出的量本身是有用的，但是将空间统计模型应用于这样的数据也常常是重要的，以便例如，了解返回值的空间依赖性如何随空间变化，并模拟气候模型，以生成具有相应统计特性的其他空间场。对于这些目标，在建模全局数据时，使用非平稳协方差函数至关重要。此外，鉴于现代全球气候模式的输出可以是$\mathcal{O}(10^4)$的数量级，利用近似高斯过程方法进行推断是很重要的。在本文中，我们展示了Risser和Turek（2020）中介绍的方法的应用，对来自全球气候模型集合的20年回归值的大型数据集进行非平稳和完全贝叶斯分析，该数据集具有超过50，000个空间位置。该分析使用了免费的BayesNSGP软件包，用于R。
2020-04-27 stat.AP stat.ME
FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation
本文提出贝叶斯能量平衡模拟器 FaIRGP，将数据驱动机器学习灵活性与物理温度响应方程结合，实现可信的全球及空间地表温度模拟和不确定性量化。
2024-03-04 stat.AP stat.ML
Significance Tests in Climate Science
气候文献中的大部分论文都错误地使用了显著性检验。一个贝叶斯分析，突出的意义，显着性检验和为什么会发生典型的误用。它的结论是，显着性检验很少提供有用的定量信息。显著性统计量并不是一个量化的指标，用来衡量我们对给定结果的“真实性”有多有信心。
2010-03-15 physics.ao-ph physics.data-an stat.AP
Rejoinder
对J.N.“频率论和贝叶斯方法对调查抽样实践的影响：选择性评价”的反驳。K.拉奥[arXiv：1108.2356]
2011-08-19 stat.ME
On constraining projections of future climate using observations and simulations from multiple climate models
数值气候模式用于预测未来由于人为和自然原因造成的气候变化。不同气候模式的预测之间的差异是未来气候不确定性的主要来源。当与历史观测相结合时，多个气候模型共享的紧急关系有可能限制我们的不确定性。我们将13个气候模型的预测与观测数据相结合，以量化21世纪末北极未来变暖预测的紧急关系的影响。我们提出了一个分层贝叶斯框架的基础上的气候模型和地球系统之间的关系的coexchanged表示。我们展示了如何紧急约束适合coexchanged表示，并将其扩展到考虑内部变化模拟的模型和地球系统的自然变化。我们的分析表明，北极某些地区的预计变暖可能会降低2摄氏度以上，当受到历史观测的限制时，我们的不确定性降低了30%。还提供了与现有多模型投影框架的详细理论比较。特别是，我们表明，预测可能是有偏见的，如果我们不考虑气候模型预测的内部变异。
2020-02-05 physics.ao-ph stat.AP
Climate & BCG: Effects on COVID-19 Death Growth Rates
多项研究表明，COVID-19的传播受到气候、卡介苗接种、污染和血型〈动〉<动>等因素的影响。我们使用机器学习和贝叶斯方法，使用全球40个地区的死亡增长率对这些因素进行联合研究。我们发现温度和相对湿度作为COVID-19传播因素的证据很弱，不显著（< 3 $σ$），但BCG疫苗接种率或$\text{PM}_{2.5}$污染的证据很少或没有。在统计学显著水平（>3 $σ$）检测到的唯一变量是COVID-19检测阳性率，较高的阳性率与较高的每日死亡增长相关。
2020-07-10 q-bio.PE stat.AP
Appraisal of data-driven and mechanistic emulators of nonlinear hydrodynamic urban drainage simulators
Swiss Federal Institute of Aquatic Science and Technology, Eawag（瑞士联邦水科学与技术研究所（Eawag））
许多基于模型的科学和工程方法，如系统辨识、敏感性分析、优化和控制，都需要大量的模型评估。特别是，基于模型的实时控制的城市水基础设施和在线洪水报警系统需要快速预测的网络响应在不同的驱动和/或参数值。一般用途的城市排水模拟器对于这种应用来说太慢了。快速代理模型，即所谓的仿真器，为这种效率需求提供了解决方案。仿真器很有吸引力，因为它们为了速度而牺牲了不必要的准确性。然而，它们必须被微调以令人满意地预测系统行为。此外，一些仿真器无法推断出训练集之外的系统行为。虽然，有许多策略开发仿真器，到目前为止，选择的仿真策略仍然是主观的。因此，在本文中，我们比较了两个家庭的模拟器的性能为明渠流量的背景下，城市排水模拟器。我们比较仿真器，明确使用知识的模拟器的方程，即基于高斯过程的机械仿真器，与纯粹的数据驱动的仿真器使用矩阵分解。我们的研究结果表明，在许多城市应用中，天真的数据驱动的仿真优于机械仿真。然而，我们讨论的场景中，我们认为，机械仿真可能有利于i）外推的时间和ii）处理稀疏和不均匀的采样数据。我们还提供了许多关于机器学习领域进展的参考资料，这些进展尚未渗透到贝叶斯环境科学社区。
2017-02-03 cs.CE cs.LG stat.ME
Bayesian model selection for the glacial-interglacial cycle
古气候科学中的一个流行观点是，单一的古气候记录所包含的信息不足以区分大多数相互竞争的解释模型。我们在这里提出的结果表明相反。使用SMC ^[2]并结合新的布朗桥类型的状态轨迹建议，我们表明，即使是相对较短的时间序列，也有可能估计贝叶斯因子到足够的精度，以便能够在竞争模型之间进行选择。结果表明，蒙特卡罗方法和计算机能力现在已经先进到这样一个点，一个完整的贝叶斯分析的概念气候模式的广泛类现在是可能的。这些结果也突出了在进一步的统计分析之前估计气候记录年代的问题，这是古气候科学中常见的做法。使用两个数据集的基础上相同的记录，但不同的估计年表的结果在相互矛盾的结论的轨道强迫的重要性的冰川周期，并对内部动力学产生的冰川周期，即使两个估计年表之间的差异是一致的测年不确定性。这突出表明，有必要在联合统计程序中处理年表估计和其他推理问题。
2015-11-11 stat.AP
A Model-Based Approach to Climate Reconstruction Using Tree-Ring Data
量化长期历史气候是了解近期气候变化的基础。大多数仪器记录的气候数据只能获得过去200年的数据，因此通常会考虑自然档案中的替代观测。我们描述了一个基于模型的方法来重建定义的原始树木年轮测量数据，同时占非气候和气候变化的气候。在这种方法中，我们指定了一个联合模型的树木年轮数据和气候变量，我们适合使用贝叶斯推断。我们考虑了一系列的先验密度和比较建模方法，目前的方法使用的苏格兰松从Tornetrask，瑞典重建生长季节温度的一个例子。我们描述了当前的方法如何转化为特定的模型假设。我们探讨如何在基于模型的方法中的各种组件的变化影响所得到的重建。我们发现，模型规格的微小变化对模型拟合的影响很小，但会导致预测的大变化。特别是，相对较暖和较冷的温度的周期在模型之间是鲁棒的，但所产生的温度的大小高度依赖于模型。这种敏感性在传统方法中可能不明显，因为基础统计模型通常被隐藏或描述不佳。
2015-10-09 stat.AP
A Bayesian latent Gaussian conditional autoregressive copula model for analyzing spatially-varying trends in rainfall
本文提出一种基于贝叶斯隐高斯条件自回归Copula模型的空间变化降雨趋势分析方法，用于评估气候变化对降雨的影响。
2025-12-16 stat.AP
Green Finance and Carbon Emissions: A Nonlinear and Interaction Analysis Using Bayesian Additive Regression Trees
University College Dublin（都柏林大学学院）
本研究利用贝叶斯加法回归树分析绿色金融对碳排放强度的非线性影响，发现其存在倒U型效应，并揭示区域异质性及高能耗情境下绿色金融的减排作用。
2026-02-02 stat.AP
A robust Bayesian bias-adjusted random effects model for consideration of uncertainty about bias terms in evidence synthesis
荟萃分析是一种用于证据合成的统计方法，用于合并、分析和总结具有相同目标终点的研究，旨在使用固定和随机效应模型或网络模型得出汇总的定量估计值。纳入研究之间的差异取决于目标人群的差异（即异质性）以及研究设计和执行导致的研究质量差异（即偏倚）。偏倚风险通常采用批判性评价进行定性评估，定量偏倚分析可用于评估偏倚对感兴趣数量的影响。我们提出了一种方法来考虑无知或模糊性，在如何量化偏差分析中的偏差项，通过不精确性（作为概率界限）来表征偏差，并使用鲁棒贝叶斯分析来估计整体效果。稳健贝叶斯分析在这里被视为在一组相干概率分布上执行的贝叶斯更新，其中该组来自一组偏差项。我们展示了如何根据对偏差相对大小的判断来指定偏差项的集合（即，低、不清楚和高偏倚风险）。为了说明，我们应用了一个强大的贝叶斯偏倚调整随机效应模型，已经发表的荟萃分析利妥昔单抗对类风湿关节炎的影响，从Cochrane系统评价数据库。
2022-04-22 stat.AP stat.ME
Covariance approximation for large multivariate spatial data sets with an application to multiple climate model errors
本文研究了多个气候模式误差之间的互相关。我们建立了一个贝叶斯层次模型，该模型考虑了各个模型的空间依赖性以及不同气候模型之间的互协方差。我们的方法允许一个不可分离的和非平稳的互协方差结构。我们还提出了一个协方差近似的方法，以方便在非常大的多元空间数据集的建模和分析的计算。协方差近似由两部分组成：降阶部分用于捕获大规模空间相关性，稀疏协方差阵用于纠正降阶近似引起的小规模相关性误差。我们特别注意的情况下，第二部分的近似有一个块对角结构。模型拟合和预测的仿真结果表明，所提出的近似预测过程近似和独立块分析的显着改善。然后，我们将我们的计算方法应用于多个气候模型误差的联合统计建模。
2012-03-01 stat.AP
BUDD: Multi-modal Bayesian Updating Deforestation Detections
全球森林退化现象是一个紧迫问题，对气候稳定和生物多样性保护产生严重影响。在这项工作中，我们生成贝叶斯更新森林砍伐检测（BUDD）算法，将哨兵-1后向散射和干涉相干与哨兵-2归一化植被指数数据。我们表明，该算法提供了良好的性能验证AOI。我们比较了三种数据模式的不同组合作为BUDD算法的输入的有效性，并与现有的基于光学图像的基准进行比较。
2020-01-29 eess.IV stat.AP
Bayesian Quantification of Covariance Matrix Estimation Uncertainty in Optimal Fingerprinting
用于气候变化检测和归因的基于回归的最佳指纹技术需要估计强迫信号以及内部变率协方差阵，以便区分它们对观测记录的影响。虽然以前开发的方法已经考虑到了与强迫信号的估计相关的不确定性，但很少关注描述自然变异性的协方差阵中的不确定性，尽管已知该协方差阵的规格对结果有意义的影响。在这里，我们提出了一个贝叶斯最优指纹框架使用拉普拉斯基函数参数化的协方差阵。与基于主成分的传统方法不同，这种参数化不需要根据气候模型数据估计基向量本身，这允许估计协方差结构的不确定性传播到最佳指纹回归参数。我们通过CMIP6验证研究表明，该方法比基于主成分的方法实现了更好的校准覆盖率的真实回归参数。当应用于HadCRUT观测数据，所提出的方法检测人为变暖具有较高的置信水平，并在气候模型的选择较低的变异性，比基于主成分的方法。
2022-08-04 stat.ME
Fusing Climate Data Products using a Spatially Varying Autoencoder
本研究提出一种基于贝叶斯框架、空间可变化且可识别可解释的自编码器，用于融合气候数据产品，并在高亚洲地区多个降水产品上验证其效用。
2024-03-12 cs.LG stat.AP
Learning non-Gaussian spatial distributions via Bayesian transport maps with parametric shrinkage
本文提出 ShrinkTM 方法，通过将贝叶斯传输映射分量向参数高斯族收缩并结合 Vecchia 近似，提升高维非高斯空间分布学习在少样本下的准确性与可扩展性。
2025-02-01 stat.AP stat.CO stat.ML
Calibration and Uncertainty Quantification of Convective Parameters in an Idealized GCM
气候模型中的参数通常是人工校准的，只利用现有数据的一小部分。这排除了最佳校准和不确定性的量化。传统的贝叶斯校准方法，允许不确定性量化是太昂贵的气候模式，他们也不健全的内部气候变异的存在。例如，马尔可夫链蒙特卡罗（MCMC）方法通常需要运行$O(10^5)$模型，并且对内部变率噪声敏感，使其不适用于气候模型。在这里，我们展示了一种方法，模型校准和不确定性量化，只需要$O(10^2)$模式运行，可以容纳内部气候变率。该方法由三个阶段组成：（i）校准阶段使用集合卡尔曼反演的变体来校准模型，通过最小化模型和数据统计之间的失配;（ii）仿真阶段使用校准阶段中的模型运行进行训练，用高斯过程（GP）仿真参数到数据映射;（iii）抽样阶段通过用MCMC对GP仿真器进行抽样来近似贝叶斯后验分布。我们证明了这种校准模拟样本（CES）的方法在一个完美的模型设置的可行性和计算效率。使用一个理想化的大气环流模式，我们估计参数在一个简单的对流方案从合成数据与模型生成。CES方法生成的参数的概率分布是贝叶斯后验的良好近似，在一小部分的计算成本通常需要获得它们。从这个近似的后验采样允许生成具有量化参数不确定性的气候预测。
2021-08-19 math.ST stat.TH
Tracing the impacts of Mount Pinatubo eruption on regional climate using spatially-varying changepoint detection
提出一种贝叶斯空间变点检测方法，追踪皮纳图博火山喷发对区域气候的影响，定量刻画其空间格局，弥补了全球尺度研究的不足。
2025-08-11 stat.AP stat.ME
Variable Effects of Climate on Forest Growth in Relation to Climate Extremes, Disturbance, and Forest Stand Dynamics
在全球气候变化的背景下，气候极端事件的频率、持续时间和严重程度预计会发生变化。极端气候对森林生产力和健康的影响由于与干扰事件和林分动态的潜在相互作用而变得复杂。林分动态对森林对气候和干扰的反应的影响特别重要，因为林分动态驱动的森林特征可以通过森林管理来改变，目的是提高森林对气候变化的抵抗力和恢复力。我们开发了一个分层贝叶斯状态空间模型，允许气候对树木生长的影响随时间的推移而变化，并与极端气候，干扰事件，和林分动态。我们将该模型应用于树木年代学数据集，包括测量不同的组成，结构和发展阶段的森林代表在明尼苏达州东北部。结果表明，平均森林生长是最敏感的变量描述气候水分亏缺。森林生长响应水分亏缺分为气候阈值驱动的响应和森林帐篷毛虫落叶的相互作用。森林生长对极端气候具有抵抗力和复原力，大多数森林生长反应发生在多个气候阈值干旱或昆虫落叶事件之后。森林生长是最敏感的水分亏缺期间的高干密度主要更新事件时，平均树间竞争是高的。结果表明，森林生长阻力和恢复力之间的相互作用，极端气候和昆虫落叶可以通过管理步骤，如间伐，以减少竞争，在早期阶段的立场发展和小组选择收获，以保持森林结构的特点，老，成熟的立场。
2016-12-02 q-bio.PE stat.AP
The Probabilistic Backbone of Data-Driven Complex Networks: An example in Climate
关联网络（CN）在其网络拓扑中固有地遭受冗余信息。另一方面，贝叶斯网络（BN）仅包括非冗余信息（从概率的角度来看），从而导致可以从中提取可概括的物理特征的稀疏拓扑。我们提倡使用BN来构造数据驱动的复杂网络，因为它们可以被视为底层复杂系统的概率骨干。结果显示在一个全球气候数据集的手。
2020-11-02 physics.ao-ph physics.data-an stat.ML
Changes over time in the 100-year return value of climate model variables
本文基于CMIP6多模型输出，利用贝叶斯非平稳极值模型和混合效应模型，量化风、太阳辐照度和温度100年重现值及年均值的变化，发现太阳辐照度和温度的变化证据远强于风变量。
2025-02-05 physics.ao-ph stat.AP
Fast dimension-reduced climate model calibration and the effect of data aggregation
气候系统将如何应对人为强迫？解决这一问题的一种方法依赖于气候模型预测。目前的气候预测相当不确定。描述并尽可能减少这种不确定性是一个正在进行的研究领域。我们考虑的问题，使北大西洋纬向翻转环流（AMOC）的预测。气候模式参数的不确定性是影响AMOC预测结果不确定性的关键因素。当观测数据和气候模式输出是高维空间数据集时，由于计算限制，数据通常被聚合。聚合的影响尚不清楚，因为统计上严格的模型参数推断方法对高分辨率数据不可行。在这里，我们开发了一个灵活的和计算效率高的方法，使用主成分和基础扩展来研究空间数据聚合对参数和投影不确定性的影响。我们的贝叶斯降维校准方法使我们能够研究复杂的误差结构和数据模型差异对我们从高维数据中了解气候模型参数的能力的影响。考虑高维空间观测减少了与数据模型差异的先验规范相关的深度不确定性的影响。此外，使用未汇总的数据可以根据我们的气候模型进行更准确的预测。我们的计算效率的方法可以广泛适用于各种高维计算机模型的校准问题。
2014-07-31 stat.AP stat.ME
Multivariate sensitivity analysis for a large-scale climate impact and adaptation model
本文提出了一种新的大规模多元数据贝叶斯全局敏感性分析的有效方法。重点是具有相关变量的计算需求模型。采用多元高斯过程作为代理模型，代替昂贵的计算机模型。为了提高模型的计算效率和性能，使用了完备的相关函数。我们的目标是生成稀疏矩阵，这在处理大型数据集时具有至关重要的优势，我们使用交叉验证来确定最佳稀疏度。该方法结合了一种鲁棒的自适应Metropolis算法和并行实现，以加快收敛到目标分布。该方法被应用到多变量数据集的印象综合评估平台（IAP2），扩展的CLIMSAVE IAP，已被广泛应用于气候变化的影响，适应和脆弱性评估。对合成数据和IAP2数据的实验结果表明，所提出的方法对于复杂模型的全局敏感性分析是有效和准确的.
2022-01-24 stat.AP stat.ME
Bayesian reconstruction of past land-cover from pollen data: model robustness and sensitivity to auxiliary variables
过去的土地覆盖的现实需要调查史前环境变化，人为砍伐森林的影响，以及长期的土地覆盖气候反馈。基于观测的过去土地覆盖的重建是罕见的，常用的基于模型的重建表现出相当大的差异。最近，\citet [空间统计学，24：14--31，][]{PirzaLPG2018_24}开发了一种统计插值方法，可以从花粉组合中生成过去土地覆盖的空间完整重建。这些重建包含许多辅助数据集，这引发了有关该方法对不同辅助数据集的敏感性的问题。在这里，通过在三个时间段（1900 CE，1725 CE和4000 BCE）进行空间重建北欧的方法的灵敏度进行检查。所考虑的辅助数据集包括过去土地覆盖数据的最常用来源-例如由动态植被模型和人为土地覆盖变化模型得出的估计数。考虑了五个不同的辅助数据集，包括驱动DVM的不同气候数据和不同的ALCC模式。还使用交叉验证对所有时间段的重建结果进行了评估。对于最近的时间段，1900 CE，不同的土地覆盖重建与当今的森林地图进行了比较。验证证实，统计模型提供了一个强大的空间插值工具，具有低灵敏度的辅助数据的差异和高容量的花粉为基础的代理数据捕获信息。具有高空间细节的更多辅助数据可以提高地形复杂或观测数据较少的地区的模型性能。
2018-11-03 stat.AP
Predictions of damages from Atlantic tropical cyclones: a hierarchical Bayesian study on extremes
本研究针对大西洋热带气旋损害预测问题，提出分层贝叶斯模型，在双时间尺度结合气候指数建模气旋特征与损害的联合分布，构建季节及单气旋损害预测模型，经多方法验证具备优异预测能力。
2025-06-11 stat.AP
Computer model calibration with large non-stationary spatial outputs: application to the calibration of a climate model
贝叶斯校准的计算机模型调整未知的输入参数，通过比较输出与观察。对于分布在空间上的模型输出，由于输出大小，这在计算上变得昂贵。为了克服这一挑战，我们采用了模型输出和观测的基本表示：我们匹配这些分解以有效地进行校准。在第二步中，我们将非平稳行为，在空间变化的方差和相关性，在校准。我们插入两个集成的嵌套拉普拉斯近似-随机偏微分方程参数的校准。一个合成的例子和一个气候模型说明突出了我们的方法的好处。
2018-10-04 stat.ME
An Improved Bayesian Semiparametric Model for Palaeoclimate Reconstruction: Cross-validation Based Model Assessment
基于化石的古气候重建是生态科学的一个重要领域，在全球气候变化辩论的背景下获得了动力。层次贝叶斯范式为研究这样重要的科学问题提供了一个有趣的平台。然而，我们的交叉验证为基础的评估现有的贝叶斯分层模型相对于两个现代的代理数据集的基础上摇蚊和花粉，分别显示，该模型是不够的数据集。在本文中，我们模拟的物种组合（组成数据）的零膨胀多项分布，而模拟的物种响应函数，基于Dirichlet过程的高斯混合。这种建模策略显着提高了性能，最近开发的模型充分性的正式贝叶斯测试表明，我们的新模型适用于两个现代数据集。此外，结合零膨胀假设，重要性恢复马尔可夫链蒙特卡罗（IRMCMC）和最近发展的基于变换的马尔可夫链蒙特卡罗（TMCMC），我们开发了一个强大的和有效的计算方法。
2013-12-12 stat.AP
Uncertainties in estimating the effect of climate change on 100-year return value for significant wave height
估计气候对未来海洋风暴严重程度的影响受到很大不确定性的困扰，但为了海洋结构物的安全设计和操作，需要根据现有数据对气候影响进行最佳估计。我们针对7个代表性CMIP 5 GCM和FIO-ESM v2.0 CMIP 6 GCM的WAVEWATCHIII模型输出，探索了马达加斯加东部和澳大利亚南部地区的显着波高（Hs）100年回归值估计值随时间的变化性。使用贝叶斯推断对超过阈值的峰值和块最大值进行非平稳极值分析，提供作为时间函数的返回值的后验估计;提供MATLAB软件。不同大气环流模式的返回值估计值之间存在很大差异，每个邻域内的经度和纬度也存在很大差异。这些不确定性的来源往往大于由于典型的建模选择（如选择阈值为POT，或块长度为BM）。然而，由于马达加斯加东部存在混合风暴群，因此谨慎的阈值和块长度至关重要。CMIP 6 GCM长达700年的工业化前控制（piControl）输出允许量化作为时间函数的返回值的明显固有变化。
2022-12-21 physics.ao-ph stat.AP
Bayesian Characterization of Uncertainties Surrounding Fluvial Flood Hazard Estimates
河流洪水给沿河社区带来严重风险。有强有力的证据表明，世界各地许多地区的洪水灾害日益严重。洪水灾害评估中使用的方法和假设的选择会影响风险管理策略的设计。在这项研究中，我们描述了预期的洪水灾害条件下的不确定性模型结构，模型参数和先验分布的参数。我们构建了一个贝叶斯框架河流水位返回水平估计使用非平稳统计模型，完全依赖于印度洋偶极子指数。我们发现，忽略不确定性可能导致有偏估计的预期洪水灾害。我们发现，所考虑的模型参数的不确定性是更有影响力的模型结构和模型先验。我们的研究结果强调了将不确定性纳入河流水位估计的重要性，并在不断变化的气候中为水利基础设施设计提供信息。
2021-08-19 stat.AP
Model selection in extreme value regression for estimation of changes in return values over time applied to extreme annual regional CMIP6 desert temperatures
Lancaster University（兰卡斯特大学）；MetOcean Research Ltd（MetOcean研究有限公司）
本文基于五个CMIP6模型输出，利用广义极值分布回归方法，评估五个沙漠地区100年一遇极值温度的变化趋势，发现极端最大值和最小值在更严重的强迫情景下均显著增加。
2026-08-26 physics.ao-ph stat.AP
High-resolution Probabilistic Precipitation Prediction for use in Climate Simulations
准确预测降水量对于在不断变化的气候中提供可靠的洪水或干旱风险预警十分重要。然而，在局部范围内对降水进行可靠的预测是当今天气和气候模式面临的最困难的挑战之一。这是因为，由于高分辨率模拟的计算成本很高，无法在模拟中明确地解决重要的特征，例如单独的云和高分辨率地形。气候模式通常以$\sim$ 50 - 100公里的分辨率运行，这不足以以令人满意的细节代表当地降水事件。在这里，我们开发了一种方法，使概率降水预测的气候模型可以很好地解决的功能的基础上，这是不高度敏感的近似在个别模型。为了进行预测，我们将使用时间复合泊松分布，该分布取决于某个位置的气候模型的输出。我们使用的输出地球系统模型在粗分辨率$\sim$ 50公里作为输入和训练的统计模型对降水观测威尔士在$\sim$ 10公里的分辨率。贝叶斯推理计划，使复合泊松模型可以推断使用吉布斯内的大都市椭圆切片采样方案，使我们能够量化我们的预测的不确定性。此外，我们使用一个高斯过程回归模型参数的后验样本，推断空间相干模型，从而产生空间相干降雨预测。我们说明了我们的模型的预测性能，通过训练超过5年的数据到1999年12月31日，并预测20年后的降水量为加的夫和威尔士。
2021-02-25 stat.AP stat.CO
ABC for climate: dealing with expensive simulators
这篇论文将作为S。西森湖Fan和M.博蒙特我们描述了校准气候模拟器的挑战，并讨论了与许多更传统的ABC应用领域相比，气候科学重点的差异。主要的困难是如何做推理与计算昂贵的模拟器，我们只能负担得起运行的次数很少，我们描述了如何使用高斯过程仿真器作为代理模型在这种情况下。我们引入了历史匹配的思想，这是一种非概率校准方法，它将参数空间划分为（不是不可能的）合理和不合理的区域。历史匹配可以被证明是ABC的一个特例，但更强调定义真实的模拟器差异边界，并使用这些来定义公差和度量。我们描述了一种设计方法，选择参数值运行模拟器，并说明了一个玩具气候模型上的方法，表明经过精心设计，我们可以找到合理的区域与一个非常少的模型评估。最后，我们描述了如何校准GENIE-1（地球系统模型的中间复杂性）预测已被使用，以及为什么它是重要的，以准确地消除参数的不确定性。
2015-11-11 stat.AP stat.CO
Data-Efficient Generative Modeling of Non-Gaussian Global Climate Fields via Scalable Composite Transformations
University of Göttingen（哥廷根大学）；The Ohio State University（俄亥俄州立大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文提出了一种通过可扩展的复合变换实现非高斯全球气候场高效生成建模的方法，利用空间变化边际模型和贝叶斯运输图，在仅10个样本下实现高精度气候分布模拟。
2026-07-14 stat.AP stat.ME
Bayesian nonparametric generative modeling of large multivariate non-Gaussian spatial fields
本文扩展了基于三角传输映射的贝叶斯方法，将多元非高斯空间场推断转化为独立高斯过程回归任务，实现了高可扩展的非参数贝叶斯建模，适用于少量样本场景。
2023-11-10 stat.ME
Towards a Technology-Driven Adaptive Decision Support System for Integrated Pavement and Maintenance strategies (TDADSS-IPM): focus on risk assessment framework for climate change adaptation
Technical University of Denmark（丹麦技术大学）；Volunteer researcher and hydraulic engineering expert（志愿研究员与水利工程专家）；The Danish Road Directorate（丹麦道路管理局）
本文提出TDADSS-IPM自适应决策支持系统，并利用贝叶斯信念网络构建自下而上的气候风险评估模型，以实时评估丹麦道路状况。
2023-05-28 cs.AI stat.AP
An Integration and Assessment of Covariates of Nonstationary Storm Surge Statistical Behavior by Bayesian Model Averaging
预测风暴潮重现水平是有效管理沿海风险的基本要求。估算极端海平面造成的危害的一种常用方法是使用统计模型，该模型可以使用气候变量的时间序列作为协变量来调整统计模型，并考虑潜在的非平稳风暴潮行为。然而，以前的工作使用非平稳统计方法，已经证明了许多固有的建模不确定性会计的重要性。此外，以前使用统计建模对沿海洪水灾害进行的评估通常依赖于单一的气候协变量，这可能会遗漏重要的过程并导致潜在的偏差。在这里，我采用最近开发的方法来整合平稳和非平稳统计模型，并检查协变量时间序列的选择对预测洪水灾害的影响。此外，我扩大了这种方法，通过开发一个非平稳的风暴潮统计模型，利用多协变量时间序列：全球平均温度，海平面，北大西洋涛动指数和时间。我表明，风暴潮模型，占额外的过程，预计100年的风暴潮返回水平提高了23厘米相对于一个固定的模型或一个采用单一的协变量时间序列。我发现，与候选协变量所给出的每组非平稳模型以及平稳模型相关的总边际模型似然率约为20%。这些结果揭示了如何最好地考虑潜在的非平稳海岸涌浪行为，并将更多的过程到浪涌预测。通过包括更广泛的物理过程信息和考虑非平稳行为，这些方法将更好地使建模工作，通知沿海风险管理。
2018-08-25 stat.AP
Fifty Shades of Greenwashing: The Political Economy of Climate Change Advertising on Social Media
本文结合大语言模型、人工编码与贝叶斯项目反应理论，分析Meta平台1100万条广告，识别化石燃料相关方投放的政治洗绿广告及其定向特征。
2025-11-18 cs.AI econ.GN q-fin.EC
