论尾部假设在气候极端事件归因中的重要性
应用统计
2025-07-21 v1
摘要
极端天气事件正变得越来越频繁和强烈，对人类生命、生物多样性和生态系统构成严重威胁。极端事件归因（EEA）的一个关键目标是评估人为气候变化是否以及在多大程度上影响了此类事件。EEA 的核心是对大气极端事件的精确统计特征描述，由于其是在高维网格上测量的，这些事件本质上具有多元或空间属性。在 Pearl 的反事实因果推断框架内，我们通过比较三种用于估计因果关系度量的多元建模方法，评估了尾部假设如何影响归因结论。这些方法包括： 多元广义 Pareto 分布，其施加了不变的尾部依赖结构； Castro-Camilo 和 Huser（2020）的因子 Copula 模型，其提供了灵活的次渐近行为；以及 Huser 和 Wadsworth（2019）的模型，其能在不同形式的极端依赖之间平滑过渡。我们在模拟场景（在不同形式的模型误设下）和真实数据应用中评估了这些建模选择的影响，使用了来自 Météo-France CNRM 模型的欧洲冬季周最大值以及来自 ACCESS-CM2 模型的美国日降水数据。我们的研究结果强调，尾部假设在 EEA 中关键性地塑造了因果关系度量。极端依赖结构的误设可能导致截然不同且具有潜在误导性的归因结论，这突出了在量化气候变化对极端事件影响时进行仔细模型选择和评估的必要性。
引用
@article{arxiv.2507.14019,
title = {On the importance of tail assumptions in climate extreme event attribution},
author = {Mengran Li and Daniela Castro-Camilo},
journal= {arXiv preprint arXiv:2507.14019},
year = {2025}
}