The H-IAR Model for Irregular Multispectral Time Series. Quaternion Formulation, Mapping of Resilience Indicators, and Exploratory Identification of Forest Edges
不规则多光谱时间序列的 H-IAR 模型：四元数表述、韧性指标制图与森林边缘探索AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确提出不规则观测的多变量自回归与状态空间估计方法，对应时间序列方向，应用对象为遥感数据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
不规则多光谱时间序列的 H-IAR 模型：四元数表述、韧性指标制图与森林边缘探索
- 研究问题
- 如何对不规则观测的四分量多光谱序列刻画时间依赖，并生成持续性、向量动态及可能关联森林边缘的空间指标？
- 方法与思路
- 作者用四元数参数的实数次幂表示时间依赖，在给定协方差设定下，通过状态空间形式及 Kalman 滤波高斯创新似然估计。
- 材料陈述的贡献
- 摘要报告模拟偏误随样本量下降，并以大量遥感像素拟合展示计算可行性及多光谱持续性、预测误差与空间不连续性描述能力。
- 阅读关注点
- 应核对四元数幂的定义、参数约束和协方差设定，并区分优化终止成功、统计拟合可靠性与森林边缘识别的实际有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。森林边缘关联属于探索性陈述，摘要未提供外部验证或韧性指标的因果解释。
原文摘要
We propose the Hypercomplex Irregular Autoregressive (\HIAR) model, a quaternion extension of the \IAR/\CIAR/\BIAR{} family for four-component observations at irregular times. Temporal dependence is represented by a real power of a quaternion parameter and estimated in state-space form through the Gaussian innovation likelihood of the Kalman filter, conditional on the adopted covariance specifications. Across 12,000 Monte Carlo fits, mean absolute bias decreased with sample size and ranged from 0.0009 to 0.0023 at $N=300$. We applied the model to 30,824 Sentinel-2 pixel series covering the Mata de Santa Genebra ARIE from 2020 to 2023. The optimizer reported successful numerical termination in 98.73\% of the fits; the median $\|{\Phihat}\|$ was 0.6248, 3,872 pixels met the operational high-persistence threshold ($\|{\Phihat}\}\geq0.95$), and the median residual RMSE for band B8 was 5.1551 percentage points. The results demonstrate the computational feasibility of \HIAR{} and its ability to generate descriptors of multispectral persistence, vector dynamics, predictive error, and spatial discontinuities potentially associated with forest edges.