量化人类对极端天气影响归因中的统计不确定性

气候变化背景下的极端事件归因旨在探究人为温室气体排放对极端天气事件（特定事件或事件类别）的作用。极端事件归因的一种常用方法是利用在事实情景（真实世界）和反事实情景（假设没有人为温室气体排放的世界）下的气候模型输出，来估计在这两种情景下感兴趣事件发生的概率。随后，通过这两个概率的比值来量化极端事件归因。尽管这种方法在过去 15 年中被多次应用，但用于基于气候模型集合估计风险比值的统计技术并未充分利用统计文献中可用的全套方法，并且在某些情况下以非标准的方式使用和解释了自助法。我们提出了一个精确的频率派统计框架，用于量化抽样不确定性对风险比值估计的影响，提出了在极端事件归因中全新的统计方法，并利用统计模拟评估了多种方法。我们得出结论，尚未用于极端事件归因的现有统计方法相较于广泛使用的自助法具有若干优势，包括在重复抽样中更好的统计性能以及对微小估计概率的稳健性。这些方法可通过适用于 R 或 Python 的 climextRemes 软件包使用。虽然我们侧重于频率派统计方法，但在考虑抽样不确定性以外的不确定性来源时，贝叶斯方法可能尤为有用。