基于极大稳定过程和边际点过程的加州降水极值建模两步法

在空间极值建模中，依赖结构通常是通过假设块极大值源自极大稳定过程来推断的。气象站提供的是每日记录，而不仅仅是块极大值。用于一元极值分析的点过程方法使用了更多的历史数据，并受到一些从业者的青睐，但它不易适应空间设置。我们提出了一种两步法，其使用复合似然，除了块极大值外还利用各站点的每日记录。该过程将边际参数和依赖参数的估计分为两步。第一步使用每日记录，利用来自点过程方法的独立似然估计边际参数。在给定边际参数估计的情况下，第二步使用块极大值，利用成对似然估计依赖参数。在模拟研究中，发现该两步法比仅使用块极大值的成对似然方法更有效。该方法被应用于研究厄尔尼诺-南方涛动对加利福尼亚极端降水的影响，使用了 55 年间 35 个站点的冬季最大日降水量。使用特定于站点的广义极值模型，该两步法使得检测到厄尔尼诺效应的站点更多，重现水平的置信区间更窄，且联合定义事件的风险度量的置信区域更紧。