Spatial prediction of environmental processes using random forests: How best to account for spatial dependence?
本文通过数值方法比较了将空间依赖性整合进随机森林模型用于环境预测的各种方法，发现虽然没有哪种方法是普遍优越的，但利用空间基函数在模拟数据和真实空气污染数据中均能持续提供强劲的性能表现。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图绘制一张城市的详细天气图，但你手里只有寥寥数人站在特定的地点拿着温度计。你需要通过这些点位来推测每一间房屋之间的温度。这就是**空间预测（spatial prediction）**的挑战：利用有限的数据来填补地图上的空白。
长期以来，统计学家使用一种叫做“克里金法”（Kriging，可以将其理解为一种非常精确、数学逻辑极强的连点成线方法）的方法。与此同时，计算机科学家开发了“机器学习”（例如随机森林），它们在识别数据模式方面极其聪明，但通常会忽略一个事实：地图上相邻的事物往往具有相似性。
这篇论文讲述了如何教导这个“聪明的计算机”（随机森林）去关注地理位置。作者测试了五种不同的方法，以观察哪种效果最好。
以下是他们实验和发现的简单拆解：
问题所在：“盲区”
标准的随机森林就像一名侦探，他观察线索（比如一户人家住了多少人，或者他们用什么燃料烹饪），但他意识不到隔壁的房子很可能拥有相似的空气质量。因为他们忽略了这种“邻里”间的联系，所以有时会犯错。
解决方案：五种教导计算机地理知识的方法
作者测试了五种不同的“训练方法”，帮助随机森林理解空间：
- “平滑线索”法： 他们给了计算机一组经过“平滑处理”的新线索，这些线索是基于周围房屋计算得出的。这就像是在告诉侦探：“不要只看这一户人家；也要看看它周围三户人家的平均情况。”
- “网格地图”法（空间基函数）： 他们在城市上空覆盖了一层灵活的、隐形的网格。计算机学会了识别这些网格区域内的模式。可以把这想象成教导侦探去识别“城市南边总是比较热”，而不论具体是哪一户人家。
- “局部专家”法： 他们没有让一个大侦探观察整个城市，而是为每一户人家都创建了一个微小的、局部的侦探。这个局部侦探只观察离它最近的100个邻居，以此来进行推测。
- “两步走团队”法： 他们先使用一名标准侦探，然后将侦探犯下的错误交给第二位专门的“地理专家”（高斯过程）来进行修正。
- “迭代团队”法： 上述“两步走团队”的升级版，他们会让侦探和地理专家之间不断地传递工作，反复完善答案，直到达到完美。
实验过程
实验 1：视频游戏模拟
作者创建了一个拥有 3,000 户人家的虚拟城市，并生成了虚假的空气污染数据。他们知道“真实答案”，因此可以测试哪种方法最接近真相。
- 转折点： 他们改变了游戏的规则。有时污染是由隐藏因素（如秘密工厂）引起的；有时是由于风将污染从一户人家吹向另一户人家；有时是因为不同社区遵循完全不同的规则。
- 结果： 没有哪种方法能在所有情况下都胜出。
- 当社区规则完全不同时，“局部专家”表现惊人，但在整个城市规则统一时却表现糟糕。
- “两步走团队”在面对隐藏工厂时表现出色，但会被社区差异搞糊涂。
- 获胜者： “网格地图”法（空间基函数）是最稳定的。它并不总是速度最快或在每个单一场景下都绝对最优，但无论规则如何变化，它都能始终保持非常出色的表现。
实验 2：现实世界测试（马拉维，布兰太尔）
他们将这些方法应用于来自马拉维布兰太尔研究的真实数据。他们拥有约 3,200 户家庭的空气污染测量数据，并需要预测另外 4,000 户没有传感器家庭的污染水平。
- 结果： 在这个特定的现实案例中，“局部专家”法表现最好，给出了最准确的预测。然而，它也是最慢的，在标准计算机上运行需要超过一个小时。
- 权衡： “网格地图”法的准确度紧随其后，但它的速度要快得多（仅需几分钟）。
核心结论
论文得出结论，并没有一种“万能灵药”能完美适用于所有情况。
- 如果你有一个特定的问题并且有充足的时间进行测试，你应该尝试几种不同的方法，看看哪种方法能赢过你的数据。
- 但是，如果你需要一个安全、可靠且适用于几乎所有情况，且不需要超级计算机的方案，请使用“网格地图”（空间基函数）法。 它在速度和准确性之间提供了极佳的平衡。
关于空气污染的发现
利用表现最好的模型，他们绘制了布兰太尔的空气污染图。他们发现：
- 天气和时间最为重要： 对空气污染影响最大的因素是时间、月份以及天气（气压、湿度、温度）。
- 房屋细节影响较小： 出人意料的是，像家庭贫富程度、烹饪使用的燃料类型或房屋房间数量等因素，比起天气和时间来说，重要性要低得多。
- 地图分布： 污染在城市的南部和东部最高，在北部和中心地带最低。
简而言之，这篇论文告诉我们，虽然没有一种“最好”的方法来教计算机理解地理，但“网格地图”法是预测空气污染等环境数据最可靠的全能选择。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。