Udfordrende statistik over ekstreme vejrforhold

Ved at integrere tidligere forskellige statistiske paradigmer i et enkelt modelleringsskema, Raphaël Huser fra KAUST og Jennifer Wadsworth fra Lancaster University i Storbritannien har taget noget af gætværket ud af modellering af ekstreme vejrforhold. Dette kan i høj grad forbedre forudsigelser af fremtidige ekstreme begivenheder.

Modellering af frekvensen og sværhedsgraden af ​​mulige vejrekstremer, såsom intens nedbør, kraftig vind og hedebølger, skal tage højde for, at nærliggende målestationer er rumligt korrelerede. Det er, kraftig regn på én station betyder ofte, at der vil være tilsvarende kraftig regn i nærheden.

Imidlertid, efterhånden som hændelsens alvor stiger, denne rumlige afhængighed kan svækkes - jo højere nedbørsintensiteten er, for eksempel, jo mindre sandsynligt er det, at det vil forekomme på tværs af et bredt område. Nogle ekstreme begivenheder kan endda være helt lokaliseret omkring en station, uden nogen sammenhæng overhovedet med dem i nærheden.

Beslutning om, hvorvidt afhængigheden ændrer sig med intensiteten, og i hvilket omfang er et afgørende trin i modeludvælgelsesprocessen, men er ofte svær at bestemme. For dem, der er involveret i at forudsige vejrkatastrofer, et misforhold mellem modelvalg og dataens skjulte karakter kan kritisk underminere nøjagtigheden af ​​forudsigelser.

"Det er meget almindeligt med vindhastigheder eller nedbør, at rumlig afhængighed svækkes, efterhånden som begivenhederne bliver mere ekstreme, og til sidst forsvinder, " forklarer Huser. "Hvis vi begrænser os til 'asymptotisk' afhængige modeller, vi kan overvurdere den rumlige afhængighedsstyrke af de største ekstreme begivenheder; i mellemtiden, hvis vi begrænser os til 'asymptotisk' uafhængige modeller, vi kan undervurdere deres afhængighedsstyrke. "

Med udgangspunkt i deres seneste arbejde, Huser og Wadsworth har udviklet en integreret statistisk tilgang, der eliminerer dette gætværk ved at kombinere disse forskellige rumlige afhængighedsmodeller på et glat kontinuum.

"Vores statistiske model skifter jævnt mellem asymptotisk afhængighed og uafhængighed i det indre af parameterrummet, " forklarer Huser, "som i høj grad letter statistisk inferens og er mere generel end andre modeller, dækker en anden klasse af statistiske modeller med anvendelse til et bredere spektrum af scenarier. "

Forskerne anvendte modelleringsskemaet til vinterobservationer af ekstrem bølgehøjde i Nordsøen, som blev fundet i en tidligere undersøgelse at have en høj grad af tvetydighed i sin afhængighedsklasse. Modellen viste sig at være meget effektiv til at håndtere dataene, tegner sig for tilfældet, hvor der er stærk rumlig afhængighed, men også stærke beviser for asymptotisk uafhængighed.

"Vores nye statistiske model bygger bro mellem disse to sædvanligvis adskilte muligheder, og afgørende, at lære om afhængighedstypen bliver en del af slutningsprocessen, "siger Wadsworth." Det betyder, at modellen kan monteres uden at skulle vælge den passende afhængighedsklasse på forhånd, samtidig med at den er fleksibel og nem at bruge."