应用于气候变化检测与归因的非参数多模型区域频率分析
统计方法学
2021-11-02 v1
摘要
气候风险分析中一个反复出现的问题是如何确定气候变化将如何影响强降水模式。将全球划分为同质子区域应通过推断共同的区域分布参数来改善强降水的建模。此外，在检测与归因（D&A）领域，应考虑全球气候模式（GCMs）中模型误差导致的偏差，以归因人为强迫效应。在此 D&A 背景下，我们提出一种高效聚类算法，与经典区域频率分析（RFA）技术相比，它是无协变量的且考虑了依赖性。它基于一种新的非参数相异度，该相异度同时结合了 RFA 约束与成对依赖性。我们推导了相异度估计量的渐近性质，并对广义极值分布对给出了解释。作为一个 D&A 应用，我们对来自耦合模式比较计划的 16 个 GCMs 的年日降水最大值进行聚类。我们合并了为所有 GCMs 识别的气候一致子区域。这改善了空间聚类的连贯性，并优于仅基于边际或仅基于依赖性的方法。最后，通过比较自然强迫划分与全强迫划分，我们评估了人为强迫对极端降水模式的影响。
引用
@article{arxiv.2111.00798,
title = {Non-parametric multimodel Regional Frequency Analysis applied to climate change detection and attribution},
author = {Philomène Le Gall and Anne-Catherine Favre and Philippe Naveau and Alexandre Tuel},
journal= {arXiv preprint arXiv:2111.00798},
year = {2021}
}
备注
16 pages, 6 figures, proofs are attached