Ny statistisk tilgang til miljømålinger lader data bestemme, hvordan ekstreme hændelser skal modelleres

Et team af forskere fra University of California, Davis, har udviklet en ny statistisk tilgang til miljømålinger, der lader data bestemme, hvordan man modellerer ekstreme hændelser. Tilgangen, kaldet "datadrevet ekstrem værdianalyse", bruger en kombination af statistiske metoder til at identificere den mest passende model for ekstreme hændelser i et givet datasæt.

Ekstreme begivenheder er sjældne, men de kan have en betydelig indvirkning på miljøet og samfundet. For eksempel kan ekstreme vejrbegivenheder som oversvømmelser, tørke og naturbrande forårsage omfattende skader og tab af menneskeliv. For at mindske de risici, der er forbundet med ekstreme hændelser, er det vigtigt at kunne modellere deres forekomst nøjagtigt.

Traditionelle metoder til ekstremværdianalyse antager typisk, at dataene følger en specifik fordeling, såsom Gumbel- eller Weibull-fordelingen. Denne antagelse er dog ikke altid gyldig, og den kan føre til unøjagtige estimater af ekstreme begivenhedssandsynligheder. Den nye datadrevne tilgang gør ingen antagelser om fordelingen af ​​dataene, og den giver dataene mulighed for at bestemme den mest passende model.

Forskerne testede den nye tilgang på en række forskellige miljødatasæt, herunder nedbør, temperatur og vindhastighed. Resultaterne viste, at den nye tilgang var i stand til mere præcist at modellere ekstreme hændelser end traditionelle metoder.

Den nye tilgang har en række fordele i forhold til traditionelle metoder til ekstremværdianalyse. For det første kræver det ingen antagelser om distributionen af ​​dataene. For det andet er den i stand til at identificere den mest passende model for ekstreme hændelser i et givet datasæt. For det tredje er det mere nøjagtigt end traditionelle metoder, især for datasæt med begrænsede stikprøvestørrelser.

Den nye tilgang er stadig under udvikling, men den har potentialet til at revolutionere den måde, ekstreme begivenheder modelleres på. Ved at tillade dataene at bestemme den mest passende model, kan den nye tilgang give mere nøjagtige estimater af ekstreme hændelsers sandsynligheder, hvilket kan hjælpe med at mindske risiciene forbundet med disse hændelser.

Forskerne offentliggjorde deres resultater i tidsskriftet "Water Resources Research."