Puffin：从粗略观察中概率学习空间细节

高分辨率社会经济变量对于城市规划、公共卫生、灾害响应和资源分配等应用非常重要。然而，在实践中，这些变量通常只能在粗略的空间分辨率下观察到。我们引入了 Puffin，这是一种统计分解的概率框架，它使用高分辨率卫星嵌入作为协变量来提高粗略总数的分辨率。 Puffin 不是预测每个精细分辨率子区域的单个值，而是学习概率分布并通过聚合感知可能性进行训练。在推论中，海雀将这些预测以观察到的区域总数为条件，并将其分配给子区域。由此产生的精细估计与观察到的聚合一致，并具有校准的不确定性，不需要精细分辨率标签进行训练。我们根据德国和美国的人口普查、就业和选举数据对人口、就业和其他计数变量进行评估，并研究跨地区、国家、地区的统计分类何时成功或失败。 和目标。