基于分位数的极端事件归因陈述偏差校正与不确定性量化
统计方法学
2018-02-06 v1
摘要
极端事件归因刻画了人为气候变化如何影响所选单个极端天气和气候事件的概率与量级。归因陈述常涉及可归因风险分数（FAR）或风险比（RR）及其相关置信区间的量化。许多此类分析使用气候模型输出来刻画有和无人为影响的极端事件行为。然而，此类气候模型在极端事件表示上可能有偏差。为解释观测数据集与模型数据集之间极端事件概率的差异，我们展示了基于数据集的分位数对模型输出进行适当重缩放以估计调整风险比的方法。我们的方法考虑了风险比估计中不确定性的各种分量。特别地，我们提出了一种在估计风险比为无穷大时构造风险比下界单侧置信区间的方法。我们使用2011年夏季美国中部热浪和 Community Earth System Model 的输出来展示该方法。在此例中，我们发现风险比下界对实际事件的量级和概率相对不敏感。
引用
@article{arxiv.1602.04139,
title = {Quantile-based bias correction and uncertainty quantification of extreme event attribution statements},
author = {Soyoung Jeon and Christopher J. Paciorek and Michael F. Wehner},
journal= {arXiv preprint arXiv:1602.04139},
year = {2018}
}
备注
28 pages, 4 figures, 3 tables