Более четкая картина риска наводнений

Исследователи, включая Рафаэля Хюсера из Университета науки и технологий им. короля Абдаллы (KAUST), разработали более эффективный и гибкий аналитический инструмент для прогнозирования риска наводнений и других экстремальных погодных явлений. Они обобщили классическую статистическую модель и адаптировали её для анализа экстремумов осадков в больших наборах данных.

Предсказание частоты и силы редких экстремальных погодных явлений, таких как наводнения, остается сложной задачей из-за недостатка данных. Даже обширные долгосрочные наборы данных могут содержать очень мало экстремальных событий. Команда сфокусировалась на обобщении классического подхода «блочного максимума», который рассматривает самые крупные события в определенных временных блоках, в отличие от подхода «превышения порога».

Классические модели «блочного максимума» (max-stable) имеют высокую вычислительную стоимость и не могут учесть ослабление зависимости между соседними точками при увеличении экстремальности событий. Новая модель, разработанная с использованием байесовского вывода, устраняет эти недостатки, обеспечивая большую гибкость и эффективность вычислений, а также возможность учитывать экспертные мнения.

«Наша байесовская модель имеет множество параметров и скрытых случайных эффектов, — отмечает Хюсер. — Разработка самой модели и вывод её теоретических свойств были серьёзной задачей». Модель успешно воспроизвела наблюдаемые закономерности экстремальных осадков на северо-востоке США, продемонстрировав потенциал для прогнозирования риска наводнений. По словам авторов, её также можно адаптировать для анализа данных о ветре и температуре.