Irregularly and incompletely sampled random fields in the Earth sciences: Analysis and synthesis of parameterized covariance models

Resumen Técnico: Análisis y Síntesis de Campos Aleatorios Muestreados Irregularmente en Ciencias de la Tierra

1. El Problema

Los datos geofísicos (terrestres, planetarios y lunares) rara vez se recopilan en cuadrículas regulares y completas. Están sujetos a limitaciones prácticas como costos, accesibilidad de sitios y restricciones instrumentales, lo que resulta en:

• Dominios finitos y discretos: Los datos siempre tienen un límite espacial.
• Muestreo irregular: Patrones de muestreo que incluyen bordes irregulares, trayectorias estructuradas (como sondeos de barcos) y "ausencias" de datos (huecos, nubes en imágenes satelitales, o eliminación aleatoria).
• Incertidumbre en la estimación: La sabiduría convencional sugiere que más observaciones reducen la variabilidad, pero en campos geofísicos con muestreo irregular, la confianza en los parámetros estadísticos subyacentes (como la covarianza) es difícil de cuantificar.
• Sesgo en modelos simplificados: La comunidad geofísica a menudo asume casos especiales de modelos de covarianza (como exponencial o Whittle) sin verificar si la suavidad ($\nu$) del proceso real justifica dicha simplificación, lo que puede introducir sesgos significativos.

El objetivo central es determinar cómo la geometría del muestreo contribuye a la incertidumbre al modelar observaciones geofísicas como campos aleatorios estacionarios, isotrópicos y paramétricos.

2. Metodología

Los autores extienden un marco teórico existente (basado en la estimación de máxima verosimilitud de Whittle) para manejar datos incompletos e irregulares.

• Modelo de Covarianza: Utilizan la clase Matérn, que ofrece flexibilidad mediante tres parámetros: varianza ($\sigma^2$), suavidad ($\nu$) y rango de correlación ($\rho$).
• Estimación de Máxima Verosimilitud Debiased (Debiased Whittle):
  • Implementan una estrategia de estimación en el dominio espectral que incorpora el efecto de la ventana de observación (el patrón de muestreo $w(x)$).
  • En lugar de tratar los datos faltantes como ruido blanco, calculan una densidad espectral difuminada ($\bar{S}_\theta(k)$) que es el valor esperado del periodograma de los datos muestreados. Esto se logra mediante la convolución de la densidad espectral teórica con la ventana espectral del patrón de muestreo.
  • La función de verosimilitud se maximiza para obtener estimadores $\hat{\theta}$ que son asintóticamente insesgados, incluso con muestreo irregular.
• Cuantificación de Incertidumbre Analítica:
  • Derivan expresiones analíticas para la covarianza de los estimadores utilizando la matriz de información de Fisher difuminada y la covarianza del vector de puntuación difuminado.
  • Esto permite calcular intervalos de confianza y matrices de covarianza de los parámetros sin necesidad de simulaciones adicionales (como el bootstrapping), basándose únicamente en la geometría del muestreo y los parámetros estimados.
• Diagnósticos de Residuos: Evalúan la bondad de ajuste comparando el periodograma empírico con la densidad espectral difuminada, utilizando estadísticos de chi-cuadrado y análisis visual de residuos en el espacio de vectores de onda para detectar desviaciones de la estacionariedad, isotropía o Gaussianidad.

3. Contribuciones Clave

1. Generalización del Método Whittle: Extienden la estimación de máxima verosimilitud para manejar cualquier patrón de muestreo irregular (bordes complejos, trayectorias, huecos aleatorios) mediante la inclusión exacta de la ventana de muestreo en la función de verosimilitud.
2. Predicción Analítica de la Incertidumbre: Proporcionan fórmulas cerradas para predecir la varianza y covarianza de los estimadores de los parámetros Matérn basadas puramente en la geometría del experimento, permitiendo el diseño óptimo de campañas de muestreo.
3. Análisis de Casos Especiales vs. Generales: Demuestran que fijar el parámetro de suavidad ($\nu$) a valores específicos (como en modelos exponenciales o de segundo orden) solo es beneficioso si se conoce con certeza. Si se elige incorrectamente, introduce un sesgo considerable en la varianza y el rango estimados.
4. Estudios de Asintótica: Comparan rigurosamente dos regímenes de aumento de datos:
   • Dominio Creciente (Growing-domain): Aumentar el tamaño físico del área de estudio manteniendo el espaciado constante.
   • Dominio Fijo / Relleno (Infill): Aumentar la densidad de muestreo en un área fija.
   • Encuentran que el dominio creciente es superior para reducir el sesgo y la varianza de los estimadores, especialmente para parámetros de suavidad y rango.
5. Separabilidad de Procesos: Muestran que si se conocen los límites de procesos físicos distintos (ej. dos tipos de terreno), analizarlos por separado con ventanas de muestreo adecuadas produce estimadores insesgados, mientras que mezclarlos en una sola ventana rectangular viola la estacionariedad y genera modelos erróneos.

4. Resultados Principales

• Validación con Datos Sintéticos y Reales:
  • Topografía Lunar (Tycho Crater): El modelo se ajusta bien a la topografía interna del cráter, aunque los residuos muestran estructuras deterministas (el borde del cráter) que el modelo estocástico no captura, lo cual es esperado.
  • Batimetría Oceánica: Los datos de sondeos directos (multihaz) muestran un ajuste aceptable, aunque los residuos revelan anisotropía geométrica (patrón estelar) debido a las trayectorias de los barcos.
  • Reflectancia de Superficie (LANDSAT): Para datos de tierra, el modelo falló en ajustarse bien (rechazo de la hipótesis nula), sugiriendo que la suavidad real es demasiado alta para la resolución de la cuadrícula, o que el proceso no es estacionario. Para nubes, el ajuste fue mejor pero aún imperfecto.
• Impacto de la Geometría del Muestreo:
  • Los patrones de muestreo dispersos (aleatorios) reducen la incertidumbre en la varianza pero aumentan la incertidumbre en la suavidad.
  • Los patrones contiguos (bordes definidos) mejoran la estimación de la suavidad pero pueden aumentar la incertidumbre en el rango si el dominio es pequeño.
  • La mezcla de datos de diferentes procesos (ej. datos de satélite y de barcos en un solo mapa) sin separar los dominios conduce a estimaciones de parámetros que no son promedios simples de los componentes, sino modelos "incorrectos" con incertidumbres irreconciliables.
• Asintótica: El aumento del tamaño del dominio físico (estrategia de crecimiento) reduce el sesgo y la varianza de manera más efectiva que simplemente densificar el muestreo en un área fija, especialmente cuando existen datos faltantes.

5. Significado e Implicaciones

Este trabajo es fundamental para las ciencias de la Tierra porque:

• Rigor Estadístico: Proporciona un marco matemático riguroso para cuantificar la incertidumbre en datos que son inherentemente incompletos e irregulares, algo común en geofísica pero a menudo ignorado o tratado con aproximaciones heurísticas.
• Diseño Experimental: Ofrece herramientas para diseñar campañas de muestreo (ej. dónde colocar sensores o cómo planear trayectorias de vuelo) que minimicen el error de estimación de los parámetros del modelo.
• Interpretación de Modelos: Advierte sobre los peligros de asumir modelos de covarianza simplificados (como el exponencial) sin justificación física, mostrando cómo esto distorsiona la interpretación de la escala y la suavidad de los fenómenos geofísicos.
• Herramientas Abiertas: Los autores liberan un conjunto de software completo (en MATLAB y Python) para la simulación, estimación y diagnóstico de campos aleatorios espaciales, facilitando la adopción de estos métodos avanzados por la comunidad científica.

En conclusión, el artículo establece que para caracterizar correctamente los procesos espaciales en la Tierra y otros cuerpos celestes, es imperativo incorporar la geometría exacta del muestreo en el modelo estadístico, utilizando la clase Matérn general y evitando suposiciones a priori sobre la suavidad del proceso.