使用潜在高斯空间模型估计人类强化对高温极端事件的因果归因

气候变化已成为全球性的重大关切，因其能力导致日常生活受到严重 disruption，并增加极端天气事件的频率和强度。鉴于近几十年来人类干预气候系统的上升趋势，本研究旨在量化人类强化对气候极端事件（尤其是高温极端事件）发生概率增加的相对贡献。我们的分析聚焦于来自 CMIP6 实验中 IPSL-CM6A 模型的年最高气温。我们提出了一种新颖的因果推断框架，聚焦于从factual（事实）和counterfactual（反事实）世界中基于年最高气温得到的 return levels 之间的差异。虽然对两个世界中的年最高气温进行联合建模使用双变量广义极值分布 (bivariate generalized extreme value distribution)，但我们使用潜在高斯框架对空间变化系数进行建模。具体而言，鉴于数据在 $1^\circ \times 1^\circ$ 网格上可用，我们采用多变量内在条件自回归模型 (multivariate intrinsic conditional autoregressive model) 用于所提出的分层模型的潜在层，以确保后验分布的适当性。我们实现了最近发展的高度高效近似贝叶斯推断技术 `Max-and-smooth`，其使用似然的拉普拉斯近似，然后基于近似后验进行 Gibbs 抽样。结果包括人类强化对高温极端事件因果效应的后验估计，以及该效应在factual世界中的趋势。此外，我们估计了显著因果效应的可信区间，以便在美国大陆范围内实现热点检测。