Hierarchical Models in Environmental Science

Environmental systems are complicated. They include very intricate spatio‐temporal processes, interacting on a wide variety of scales. There is increasingly vast amounts of data for such processes from geographical information systems, remote sensing platforms, monitoring networks, and computer models. In addition, often there is a great variety of scientific knowledge available for such systems, from partial differential equations based on first principles to panel surveys. It is argued that it is not generally adequate to consider such processes from a joint perspective. Instead, the processes often must be considered as a coherently linked system of conditional models. This paper provides a brief overview of hierarchical approaches applied to environmental processes. The key elements of such models can be considered in three general stages, the data stage, process stage, and parameter stage. In each stage, complicated dependence structure is mitigated by conditioning. For example, the data stage can incorporate measurement errors as well as multiple datasets with varying supports. The process and parameter stages can allow spatial and spatio‐temporal processes as well as the direct inclusion of scientific knowledge. The paper concludes with a discussion of some outstanding problems in hierarchical modelling of environmental systems, including the need for new collaboration approaches. Les systèmes environnementaux sont complexes. Ils incluent des processus spatio‐temporels trés complexes, interagissant sur une large variété d'échelles. II existe des quantités de plus en plus grandes de données sur de tels processus, provenant des systèmes d'information géographiques, des plateformes de télédétection, des réseaux de surveillance et des modèles informatiques. De plus, il y a souvent une grande variété de connaissance scientifique disponible sur de tels systémes, depuis les équations différentielles partielles jusqu'aux enquétes de panels. II est reconnu qu'il n'est généralement pas correct de considerer de tels processus d'une perspective commune. Au contraire, les processus doivent souvent étre examinés comme des systèmes de modèles conditionnels liés de manière cohérente. Cet article fournit un bref aperçu des approches hiérachiques appliquées aux processus environnementaux. Les éléments clés de tels modèles peuvent étre examinés à trois étapes principales: l'étape des donnèes, celle du traitement et celle des paramètres. A chaque étape, la structure complexe de dépendance est atténuée par le conditionnement. Par exemple, le stade des données peut incorporer des erreurs de mesure ainsi que de multiples ensembles de données sous divers supports. Les stades du traitement et des paramétres peuvent admettre des processus spatiaux et spatio‐temporels ainsi que l'inclusion directe du savoir scientifique. L'article conclut par une discussion de quelques problèmes en suspens dans la modélisation hiérarchique des systèmes environnementaux, incluant le besoin de nouvelles approches de collaboration.