贝叶斯时空非平稳模型量化了西墨西哥湾沿岸日极端降雨量的稳健增长
应用统计
2025-02-05 v1
摘要
降水超越概率广泛应用于工程设计、风险评估和洪泛区管理。尽管 NOAA Atlas 14 等常用方法假设极端降水特征随时间平稳，但这一假设可能因人为气候变化而低估当前和未来的灾害风险。然而，在极端降水的统计建模中纳入非平稳性面临实际挑战，限制了其应用。特别是，随机抽样变异性给趋势和参数的可靠估计带来困难，尤其在观测记录有限的情况下。为弥补这一方法学空白，我们提出了空间变化协变量模型，这是一种分层贝叶斯空间框架，整合了非平稳性和区域化方法，用于极端降水的稳健频率分析。该模型借鉴了极值理论、空间统计和贝叶斯统计，并通过交叉验证和多种性能指标进行了验证。将该框架应用于西墨西哥湾沿岸日降雨量的案例研究，我们识别出整个研究区域内极端降水强度和变异性的稳健增长趋势，并具有显著的空间异质性。这一灵活的模型能够适应具有不同观测记录的站点，产生平滑的重现水平估计，并可方便地适用于不同持续时间的降水频率分析以及其他区域。
引用
@article{arxiv.2502.02000,
title = {Bayesian Spatiotemporal Nonstationary Model Quantifies Robust Increases in Daily Extreme Rainfall Across the Western Gulf Coast},
author = {Yuchen Lu and Ben Seiyon Lee and James Doss-Gollin},
journal= {arXiv preprint arXiv:2502.02000},
year = {2025}
}