使用多个数据集训练和模拟 spatstat ppm

Question

免责声明：我对 spatstat 和一般空间点建模非常陌生...请原谅我的天真。

我最近尝试使用 spatstat 来拟合和模拟与天气现象相关的空间点模式，其中空间模式代表一组目击者报告（例如，冰雹发生的报告），并且观察窗口和协变量基于一些气象参数（例如，窗口是湿度至少为 X 的区域，然后在训练模型时额外将湿度变量作为协变量传递）。

moistureMask = owin(mask=moisture>X)
moistureVar = im(moisture)

obsPPP = ppp(x=obsX,y=obsY,window=moistureMask)
myModel = ppm(obsPPP ~ moistureVar)

### then simulate
mySim = simulate(myModel,nsim=10)

我的问题如下：

1. 是否有可能（或更重要的是，甚至有效），在某一天使用特定的水分变量和面膜进行 ppm 训练，然后在另一天使用不同的水分值和面膜进行训练。我曾考虑使用update 函数从训练模型中切换出窗口和协变量字段，但实际上还没有尝试过。如果答案是肯定的......我有点不清楚如何以编程方式实际执行此操作
2. 是否可以使用附加数据在线更新 ppm。例如，使用不同日期的数据（每个都有自己的窗口和协变量）训练模型，迭代（类似于训练了多少机器学习模型，使用训练数据块）。例如，假设我想用 10 年的日常数据来训练模型，以及另外 10 年的湿度变量，我想模拟点模式。同样，我在这里也考虑了update 函数，但不清楚新模型是仅基于新数据，还是基于原始数据和新数据的组合。

如果我的方向完全错误，请告诉我。参考和资源表示赞赏。

Answer 1

如果您已使用 ppm 拟合模型并通过指定新数据和/或新协变量来更新它，则新数据将替换旧数据；更新后的模型参数仅使用您在调用 update 时提供的新数据确定。

update 命令的语法在update.ppm 的在线帮助中进行了描述（ppm 类对象的通用update 的方法）。

看来您真正想做的是将点过程模型拟合到许多复制数据集，每个数据集由预测器moistureVar 和点模式obsPPP 组成。在这种情况下，您应该使用函数mppm，它将点过程模型拟合到复制数据。

为此，首先创建一个列表A，其中包含每天的湿度区域，另一个列表B，其中包含每天的冰雹报告位置模式。即，A[[1]] 是第 1 天的湿度区域，B[[1]] 是第 1 天的冰雹报告位置的点模式，依此类推。然后做

   h <- hyperframe(moistureVar=A, obsPPP=B)
   m <- mppm(obsPPP ~ moistureVar, data=h)

这将使单点过程模型适合完整的数据集。

最后我可以指出模型

  obsPPP ~ moistureVar

非常简单，因为moistureVar 是一个二元预测器。该模型将简单地说，冰雹报告的强度在高湿度区域内取一个值，在该区域外取另一个值。作为替代方案，您可以考虑使用水分含量（例如湿度）作为预测变量。

详情请参阅the spatstat book 的第 9 章和第 16 章。