地理系统本质上是分层次的，涉及潜在的跨尺度相互作用，以及地理层级每一级的空间依赖性和异质性。在统一模型中捕捉这些相互关联的效应，对于准确重建现实世界的时空过程至关重要，但这仍然是一个关键的方法学挑战。在此，我们提出了一种新颖的多尺度时空统计建模（M3SM）方法，用于分析具有嵌套多尺度结构的时空数据。M3SM基于多层次建模框架，通过在多尺度上适当设计随机变化的回归截距和斜率项，自然地融入了跨尺度相互作用。每个空间尺度的空间依赖性和结构化空间异质性使用条件自回归模型来捕捉，而时间自回归过程则捕捉随机动态。尽管结构复杂，但M3SM的实施与成熟的集成嵌套拉普拉斯近似（INLA）计算生态系统完全兼容，能够实现高效的近似贝叶斯推断。模拟实验证实，M3SM能够准确恢复真实数据生成过程背后的空间依赖性和异质性效应。将M3SM应用于中国空气污染数据，发现了气象和人为因素的显著影响。关键的是，它揭示了气象因素的影响在不同空间尺度上存在系统性变化——这种模式只有在联合建模空间依赖性和多尺度结构时才能被发现。
 

空间统计；多水平模型；空间自相关；空间异质性；空气污染