Udvidelse af omfanget af forudsigelse af farligt vejr

En statistisk model, der bedre karakteriserer ekstremt vejrs skiftende karakter over større områder, kunne hjælpe klimaeksperter med at planlægge vejrrelaterede katastrofer.

En stigning i sværhedsgraden af ​​ekstreme vejrbegivenheder rundt om i verden, såsom tørke og oversvømmelser, skaber et behov for information, der vil hjælpe os med bedre at planlægge disse ekstreme begivenheder. Selvom store mængder vejrdata registreres hver dag over hele kloden, udtrækning af afgørende information om ekstreme hændelser stiller store krav til computerkraft og er begrænset til analyse på tværs af kun få steder.

Raphael Huser og hans tidligere postdoc Daniela Castro-Camilo har nu udviklet en mere beregningseffektiv statistisk model til at løse disse begrænsninger.

"En af hovedudfordringerne i ekstrem vejrstatistik er at beskrive forholdet mellem ekstreme observationer, såsom nedbørsændringer på tværs af flere steder, " forklarer Castro-Camilo. "Nuværende modeller og metoder kan kun håndtere et begrænset antal steder på én gang og er ikke fleksible nok til at fange alle de forskellige dynamikker, vi ser i nedbørsdata."

For nøjagtigt at forudsige hyppigheden og størrelsen af ​​en ekstrem vejrbegivenhed i et område, Castro-Camilo og Huser fokuserede på afhængighedsstrukturen, som beskriver, hvor stærkt, og på hvilken måde, data på flere steder er relateret til hinanden.

"Efterhånden som begivenhederne bliver mere ekstreme, de har også en tendens til at blive mindre afhængige, " siger Castro-Camilo. "Denne adfærd er velkendt i klimatologiske data, men klassiske ekstremværdimodeller er ikke i stand til at beskrive denne egenskab. Vores model kan gøre dette."

Castro-Camilo og Husers model gør det muligt at estimere afhængighedsstrukturen fra hver målestation og derefter effektivt interpolere mellem stationer over et fint rumligt gitter ved hjælp af en meget paralleliseret beregningsmetode.

"De største udfordringer i denne undersøgelse var faktisk beregningsmæssige, " siger Castro-Camilo. "Heldigvis, vi havde adgang til KAUSTs Shaheen II supercomputer, hvilket gjorde det muligt for os at opnå resultater på få dage i stedet for de måneder, vi måske skulle vente, hvis vi brugte en standardcomputer."

Ved at bruge deres nye tilgang, forskerne analyserede for ekstreme begivenheder i nedbørsdata på tværs af hele det sammenhængende USA - i alt 1218 vejrstationer og en hidtil uset skala for en sådan analyse. De fandt ud af, at dynamikken, der styrer ekstreme nedbørshændelser, er meget forskellig på tværs af regioner, og de identificerede ganske klart specifikke områder, hvor samtidige farlige nedbørsniveauer er hyppigere.

"Vores tilgang kan også bruges med andre typer klimatologiske data, da den er udviklet specifikt til at håndtere højdimensionelle problemer, der involverer mange målestationer, " siger Castro-Camilo.