Nonparametric inference for nonstationary spatial point processes

Resumen Técnico: Inferencia No Paramétrica para Procesos de Puntos Espaciales No Estacionarios

Planteamiento del Problema
Los datos de patrones de puntos espaciales frecuentemente exhiben características complejas como cambios abruptos, puntos calientes (hotspots) y dependencia espacial variante en la intensidad local. Bajo un marco de proceso de Poisson, estos fenómenos corresponden a discontinuidades y no estacionariedad en la función de intensidad (FI) subyacente. Los enfoques de modelado estándar, incluyendo los modelos estacionarios y muchas formulaciones no estacionarias existentes, tienen dificultades para capturar estas características. Los modelos estacionarios no logran representar regímenes heterogéneos, mientras que los modelos no estacionarios estándar (por ejemplo, los impulsados por un único proceso gaussiano latente) tienden al sobresuavizado, desdibujando las transiciones nítidas que caracterizan a los datos.

La dificultad central radica en estimar estructuras de covarianza no estacionarias flexibles cuando el proceso gaussiano (GP) impulsor es latente y entra en el modelo de forma no lineal a través de la FI de un proceso de Poisson. Además, la verosimilitud de un proceso de Cox impulsado por un GP es intratable, lo que requiere la integración de un GP de dimensión infinita contra una verosimilitud de Poisson sin forma cerrada. La literatura existente suele eludir esto mediante aproximaciones, como la discretización del dominio en rejillas o el uso de aproximaciones de Laplace. Estos métodos introducen errores de aproximación que son difíciles de cuantificar, suelen escalar cúbicamente con el número de celdas de la rejilla y pueden distorsionar características estructurales como los límites de intensidad nítidos.

Metodología
El artículo propone un modelo de Proceso de Puntos Espaciales No Estacionario (NSPP), un proceso de Cox donde la no estacionariedad es inducida a través de una partición aleatoria del dominio espacial. Los componentes clave de la metodología son:

1. Marco de Partición Aleatoria: El dominio espacial $S$ se particiona en $L$ regiones ($S_1, \dots, S_L$) mediante una teselación de Voronoi generada por un conjunto de puntos generadores $U$ desconocidos. Dentro de cada región $S_\ell$, la intensidad se modela como $\lambda^*_\ell F(\beta_\ell(s))$, donde:

   • $\lambda^*_\ell$ es un límite superior de la intensidad específico de la región.
   • $F$ es una función de enlace monótona conocida (por ejemplo, la CDF gaussiana estándar).
   • $\beta_\ell$ es un proceso gaussiano estacionario y condicionalmente independiente específico para la región $S_\ell$.
   • Esta construcción permite un comportamiento local heterogéneo y discontinuidades nítidas en los límites de las regiones, manteniendo al mismo tiempo la maquinaria tratable de los GP estacionarios dentro de las regiones.

2. Inferencia Exacta mediante Aumento de Datos: Para abordar la verosimilitud intratable, los autores extienden el esquema de adelgazamiento de Poisson (Poisson thinning) al entorno de partición aleatoria. Introducen procesos latentes $\tilde{Y}_\ell$ (eventos adelgazados) y $Z_\ell$ (eventos fuera de la región) junto con el proceso observado $Y_\ell$. Esto produce una verosimilitud aumentada que es analíticamente tratable, permitiendo una inferencia bayesiana exacta sin discretizar el dominio espacial o aproximar la integral de la función de intensidad.

3. Algoritmo MCMC: Se desarrolla un algoritmo de Monte Carlo por Cadenas de Markov (MCMC) libre de discretización para apuntar a la distribución posterior exacta de dimensión infinita. El algoritmo emplea un esquema de muestreo de Gibbs con cinco bloques:

   • Actualizaciones para los procesos latentes $(\tilde{Y}, Z)$.
   • Actualizaciones conjuntas para la partición $U$ y las etiquetas del proceso $(Y, \tilde{Y}, Z)$ utilizando un paso de Metropolis-Hastings que respeta el prior de repulsión de los puntos generadores.
   • Actualizaciones para los GP latentes $\beta$ (usando muestreo de distribución skews-normal o Metropolis-Hastings).
   • Actualizaciones para los límites de intensidad $\lambda^*$.
   • Actualizaciones para los hiperparámetros del GP $\theta$ y el resto de dimensión infinita de $\beta$ mediante muestreo retrospectivo.

   El uso de muestreo retrospectivo asegura que el algoritmo apunte a la posterior exacta sin aproximación de dimensión finita. Además, la partición aleatoria localiza el costo computacional cúbico de las operaciones de GP en los subdominios, y el marco puede escalarse a grandes conjuntos de datos utilizando construcciones de GP dispersas (por ejemplo, aproximaciones de tipo Vecchia) preservando la exactitud.

Contribuciones Clave

• Inferencia Exacta para Procesos de Cox No Estacionarios: El artículo presenta el primer proceso de Cox impulsado por GP que combina la estimación flexible de la intensidad no estacionaria con una inferencia bayesiana exacta y libre de errores de discretización.
• Manejo de Discontinuidades Nítidas: Al utilizar una partición de Voronoi aleatoria con GPs condicionalmente independientes, el modelo captura cambios abruptos y transiciones nítidas en la intensidad que los modelos no estacionarios estándar suelen suavizar.
• Eficiencia Computacional: La estrategia de particionamiento reduce la carga computacional de la inferencia de GP al confinar los cálculos a los subdominios. El método escala a grandes conjuntos de datos (por ejemplo, miles de puntos) manteniendo las propiedades de inferencia exacta.
• Robustez a la Especificación del Modelo: La metodología demuestra robustez ante la elección del número de particiones $L$, funcionando bien incluso cuando $L$ es mayor que el número real de regímenes subyacentes.

Resultados
La metodología fue evaluada mediante ejemplos sintéticos y aplicaciones del mundo real:

• Datos Sintéticos: En escenarios con funciones de intensidad discontinuas y puntos calientes localizados, el modelo NSPP superó a los modelos estacionarios, a los estimadores basados en núcleos (kernel) y a otras alternativas no estacionarias. Recuperó con precisión las superficies de intensidad y los límites nítidos, mientras que los modelos competidores o bien sobresuavizaban los datos o fallaban en capturar las discontinuidades. El modelo se mantuvo robusto incluso cuando el número de particiones $L$ estaba mal especificado.
• Datos Reales (Beilschmiedia pendula): Aplicado a la ubicación de árboles en Panamá, el modelo NSPP capturó regiones de alta y baja densidad con mayor precisión que un Proceso de Cox de Log-Gaussiano (LGCP) y un modelo no estacionario basado en XGBoost. El LGCP produjo una superficie excesivamente suave, mientras que XGBoostPP generó estimaciones locales poco fiables. El NSPP identificó naturalmente zonas de baja intensidad sin la especificación previa de tales clases.
• Datos Reales (Incendios en Mato Grosso): Aplicado a la ocurrencia de incendios en Brasil, el modelo identificó con éxito regiones de alto riesgo (puntos calientes) en las partes central-norte y noroeste del estado, alineándose con la dinámica conocida del uso de la tierra y los patrones de deforestación. Proporcionó estimaciones de intensidad espacialmente resueltas que los modelos estacionarios estándar no pudieron lograr.

Significancia y Reivindicaciones
El artículo afirma que el modelo NSPP propuesto ofrece un avance metodológico sustancial para el análisis de procesos de puntos bajo no estacionariedad. Aborda el dilema de larga data entre flexibilidad, exactitud y cuantificación robusta de la incertidumbre. A diferencia de los enfoques existentes que sacrifican una de estas propiedades, el modelo NSPP:

1. Provee una cuantificación de la incertidumbre coherente y robusta para todas las características estructurales (intensidades, correlaciones y particiones) dentro de un marco plenamente bayesiano.
2. Evita los errores de discretización al operar directamente sobre el dominio continuo.
3. Captura eficazmente cambios espaciales nítidos y regímenes heterogéneos que son característicos de fenómenos del mundo real como los brotes de incendios y las distribuciones ecológicas.

Los autores concluyen que el método es competitivo con, y a menudo superior a, las alternativas estacionarias y no estacionarias en diversos escenarios, ofreciendo un marco principista para analizar patrones de puntos espaciales complejos. Se sugiere como trabajo futuro la inclusión de covariables no espaciales y nuevas mejoras computacionales.