📊 statistics

A lightweight framework for characterising extreme precipitation events in climate ensembles

Questo articolo presenta un framework leggero sviluppato dal team Ca' Foscari per la sfida EVA 2025, che stima le probabilità di superamento in diverse località riducendo il problema a modelli univariati tramite statistiche d'ordine spaziali, distribuzioni di Pareto generalizzate con modelli additivi generalizzati e, per la dipendenza temporale, un modello di valori estremi condizionato.

Autori originali: Dáire Healy, Isadora Antoniano-Villalobos, Claudia Collarin, Nathan Huet, Ilaria Prosdocimi, Emilia Siviero

Pubblicato 2026-03-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Dáire Healy, Isadora Antoniano-Villalobos, Claudia Collarin, Nathan Huet, Ilaria Prosdocimi, Emilia Siviero

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🌧️ La Sfida: Prevedere le "Tempeste Perfette"

Immagina di avere quattro grandi macchine che simulano il clima della Terra (chiamate "modelli climatici"). Il compito del team "Ca' Foscari" era usare queste macchine per rispondere a domande molto difficili:

Qual è la probabilità che tutte le 25 città studiate abbiano un'alluvione nello stesso giorno?
Qual è la probabilità che almeno 6 città su 25 abbiano un'alluvione insieme?
Qual è la probabilità che queste alluvioni durino per due giorni di fila?

Il problema? Le tempeste "perfette" (quelle che superano certi livelli) sono così rare che nei dati a disposizione non sono mai accadute. È come cercare di prevedere se uscirà un numero specifico alla lotteria quando non hai mai visto quel numero uscire in 60.000 estrazioni.

🛠️ La Soluzione: Il "Trucco" dello Statistico

Invece di costruire un modello matematico mostruoso e costosissimo che cerca di descrivere ogni singola goccia di pioggia in ogni città contemporaneamente (un compito che richiederebbe computer superpotenti e anni di tempo), il team ha usato un approccio più intelligente e leggero.

Ecco come hanno fatto, passo dopo passo:

1. La Riduzione: Dal "Mosaico" alla "Fotografia Semplificata"

Immagina di avere una foto di 25 città piene di pioggia. Analizzare ogni pixel sarebbe un incubo.
Invece, per ogni giorno, il team ha guardato solo un numero specifico:

Per la domanda 1, hanno guardato la città con la più poca pioggia (il minimo). Se anche la città più asciutta è allagata, allora tutte lo sono.
Per la domanda 2, hanno guardato la città che è la 20esima più piovosa. Se questa è allagata, significa che almeno 6 città lo sono.
Per la domanda 3, hanno guardato la 23esima città più piovosa.

L'analogia: È come se invece di contare ogni singolo studente in una scuola di 1000 persone per vedere quanti hanno la febbre, guardaste solo il "decimo studente più malato". Se lui ha la febbre alta, sapete che il problema è diffuso. Hanno trasformato un problema di 25 dimensioni in un problema di una sola dimensione.

2. La Regola del "Sogno" (Soglia Variabile)

La pioggia non è uguale in gennaio e in luglio. In inverno piove di più, in estate meno.
Il team ha usato una regola intelligente: invece di dire "è un'alluvione se piove più di 100mm", hanno detto "è un'alluvione se piove più del 95% di quello che di solito piove in questo specifico mese".
L'analogia: Non è lo stesso essere alti 180cm in una scuola di elementari (dove saresti un gigante) o in una squadra di basket (dove saresti normale). La loro "soglia" si adatta al contesto, come un vestito su misura.

3. Il "Filtro" delle Tempeste (Declustering)

Quando piove forte, spesso piove forte per 3 o 4 giorni di fila. Non sono eventi separati, ma un'unica "ondata".
Il team ha usato un filtro per raggruppare questi giorni consecutivi in un unico "evento". Immaginate di avere una fila di persone che corrono: se corrono tutte insieme, le contate come un unico gruppo, non come 10 persone separate. Questo evita di contare la stessa tempesta troppe volte.

4. La Macchina del Tempo (Simulazione)

Poiché le tempeste "mostro" non sono mai accadute nei dati reali, il team ha costruito una macchina del tempo statistica.
Hanno usato le regole apprese (dai dati reali) per generare migliaia di mondi virtuali. In questi mondi, hanno fatto "scorrere" il tempo e hanno contato quante volte sarebbero accadute le tempeste che cercavano.
L'analogia: È come un videogioco dove, invece di giocare una partita, ne fai 10.000 in un secondo per vedere quante volte riesci a battere il record mondiale. Da queste 10.000 partite virtuali, hanno calcolato la probabilità reale.

📊 I Risultati: Cosa hanno scoperto?

Domanda 1 (Tutte le città allagate): Hanno fatto un'ottima previsione. Il loro modello ha stimato che succede circa il 20% delle volte, e il valore reale (scoperto dopo) era molto vicino. Hanno dimostrato che il loro "trucco" funziona bene anche per eventi mai visti prima.
Domanda 2 (6 città su 25): Qui il modello ha sottostimato un po' la realtà. Hanno capito che forse la loro regola per misurare la "forma" delle tempeste era troppo semplice, ma hanno dato comunque una risposta utile.
Domanda 3 (Tempeste che durano 2 giorni): Per questo hanno usato un modello speciale che guarda come una tempesta di oggi influenza quella di domani (come una catena). Anche qui, hanno dato una stima, anche se un po' conservativa.

💡 La Lezione Principale: "Non serve essere perfetti per essere utili"

Il punto forte di questo lavoro è il compromesso intelligente.
I metodi tradizionali per fare queste previsioni sono come cercare di costruire un motore di Formula 1 per andare a fare la spesa: funzionano benissimo, ma sono costosissimi, lenti e difficili da guidare.
Il team Ca' Foscari ha costruito una bicicletta elettrica: non è una Ferrari, ma è leggera, veloce, economica e arriva esattamente dove serve.

Hanno sacrificato un po' di precisione matematica estrema per guadagnare velocità e chiarezza, permettendo di rispondere a domande su scenari climatici futuri che altrimenti sarebbero rimaste senza risposta.

In sintesi: Hanno trasformato un problema complesso di 25 città in un semplice gioco di numeri, hanno usato la logica per filtrare il rumore, e hanno usato il computer per immaginare il futuro, ottenendo risposte affidabili in tempi record.

Titolo: Un framework leggero per la caratterizzazione di eventi di precipitazione estremi in ensemble climatici

Autori: D´aire Healy, Isadora Antoniano-Villalobos, Claudia Collarin, Nathan Huet, Ilaria Prosdocimi, Emilia Siviero.
Contesto: Sfida sui dati EVA 2025 (Extreme Value Analysis).

1. Il Problema e l'Obiettivo

Il paper affronta la sfida di caratterizzare il comportamento delle precipitazioni estreme utilizzando dati provenienti da un ensemble di modelli climatici (CESM2 Large Ensemble, 4 run indipendenti).
L'obiettivo principale era stimare le probabilità di superamento (exceedance probabilities) di soglie elevate in più località simultaneamente per tre domande specifiche:

Probabilità che tutte le 25 località superino 1.7 "Leadbetters".
Probabilità che almeno 6 delle 25 località superino 5.7 "Leadbetters".
Probabilità che almeno 3 delle 25 località superino 5 "Leadbetters" per almeno due giorni consecutivi.

Sfide principali:

I modelli spaziali estremi tradizionali (es. processi max-stabili) sono computazionalmente proibitivi per ensemble di grandi dimensioni.
La mancanza di coordinate spaziali precise rende difficile modellare la dipendenza spaziale diretta.
Necessità di estrapolare eventi più estremi di quelli osservati nei dati di addestramento.

2. Metodologia Proposta

Gli autori propongono un approccio "leggero" che riduce il problema spaziale-multivariato a problemi univariati, mantenendo rigore statistico asintotico ma riducendo drasticamente i costi computazionali.

A. Riduzione della Dimensionalità (Statistiche d'Ordine)

Invece di modellare l'intera dipendenza spaziale, il campo spaziale viene ridotto a una singola statistica d'ordine per ogni giorno:

Domanda 1: Statistica d'ordine 1 (il minimo spaziale, $W^{(1)}$ ).
Domanda 2: Statistica d'ordine 20 (il 20° valore più alto su 25 siti).
Domanda 3: Statistica d'ordine 23 (il 3° valore più alto su 25 siti).
Questo trasforma il problema in una serie temporale univariata per ogni run climatica.

B. Modello di Coda (Peaks Over Threshold - POT)

Per modellare le code delle serie temporali ridotte:

Soglia Variabile: Viene utilizzata una soglia che varia mensilmente, stimata tramite regressione quantilica (distribuzione Laplace asimmetrica) per catturare la forte stagionalità.
Distribuzione Generale di Pareto (GP): Gli eccedimenti sopra la soglia sono modellati con una distribuzione GP.
Modelli Additivi Generalizzati (GAM): I parametri della GP (scala e forma) sono modellati come funzioni delle variabili esplicative (principalmente il mese). Per le domande 2 e 3, il parametro di forma è mantenuto costante per semplicità, mentre per la domanda 1 varia mensilmente.

C. Gestione della Dipendenza Temporale (Declustering)

Poiché le precipitazioni estreme tendono a raggrupparsi (cluster), viene applicato un metodo di run declustering per isolare eventi indipendenti:

Si definisce una lunghezza di corsa ( $l=3$ ) per raggruppare gli eccedimenti consecutivi.
Si estrae il valore massimo di ogni cluster.
Viene stimato l'Indice Estremo ( $\theta$ ) per correggere le probabilità stimate sulla scala "declusterizzata" e riportarle alla scala originale clusterizzata.

D. Modello Condizionale per la Dipendenza (Domanda 3)

Per la terza domanda (eventi persistenti su giorni consecutivi), viene utilizzato il Modello di Valore Estremo Condizionale (CEV) di Heffernan e Tawn:

Si modella la distribuzione condizionata del valore del giorno successivo ( $X_{i+1}$ ) dato che il giorno corrente ( $X_i$ ) è estremo.
I dati vengono trasformati su margini Laplace.
La struttura di dipendenza è parametrizzata da $\beta_0$ e $\beta_1$ , permettendo di catturare sia la dipendenza asintotica che l'indipendenza asintotica.
La distribuzione residua viene stimata non-parametricamente (kernel density).

E. Inferenza sull'Ensemble (Simulazione)

Poiché non si può favorire una run climatica rispetto all'altra, le 4 run sono trattate come scambiabili:

Si adattano modelli separati per ciascuna delle 4 run.
Si genera un grande numero di ensemble sintetici simulando dati da uno dei 4 modelli (scelti casualmente con probabilità uniforme).
Si calcolano le stime empiriche delle probabilità target dalle simulazioni.
I punti stimati e gli intervalli di confidenza sono derivati dalle medie e dai quantili delle simulazioni Monte Carlo.

3. Risultati Principali

Domanda	Descrizione	Stima Puntuale	Intervallo di Confidenza 95%
Q1	Tutte le 25 località > 1.7	0.207	(0.146, 0.273)
Q2	Almeno 6 località > 5.7	0.072	(0.040, 0.108)
Q3	Almeno 3 località > 5 (2 giorni consec.)	0.067	(0.035, 0.105)

Analisi delle Performance:

Q1: Il modello ha mostrato un'ottima capacità di estrapolazione. La stima (0.207) è vicina al valore vero osservato (0.24) e l'evento estremo non era presente nei dati di training. L'uso di un parametro di forma variabile per mese ha migliorato l'adattamento.
Q2: Il modello ha sottostimato drasticamente la frequenza reale. L'evento è oltre i dati osservati e il modello con parametro di forma costante non ha catturato sufficientemente l'estremità. Un modello con forma variabile avrebbe migliorato l'adattamento ma prodotto stime irrealistiche (>0.6).
Q3: L'approccio CEV è stato appropriato per la struttura di dipendenza, ma la stima puntuale e l'intervallo hanno sottostimato il valore vero, suggerendo che la modellazione marginale potrebbe essere migliorata.

4. Contributi Chiave e Significato

Efficienza Computazionale: Il framework offre un compromesso pragmatico tra rigore statistico e costo computazionale, rendendo fattibile l'analisi di ensemble climatici di grandi dimensioni dove i modelli spaziali completi fallirebbero.
Gestione dell'Incertezza dell'Ensemble: L'approccio di simulazione basato su modelli separati per run, combinati tramite campionamento uniforme, permette di fare inferenza collettiva senza assumere distribuzioni congiunte restrittive o dover pesare le run in modo arbitrario.
Adattabilità: L'uso di GAM e soglie variabili permette di catturare la stagionalità e le non-stazionarietà tipiche dei dati climatici.
Limiti e Lezioni Apprese:
- La riduzione a statistiche d'ordine, sebbene efficiente, scarta una grande quantità di informazioni spaziali.
- La scelta di mantenere il parametro di forma costante per Q2 e Q3 ha limitato la capacità di estrapolazione in scenari di eventi estremamente rari.
- L'aggiustamento tramite l'indice estremo ( $\theta$ ) nel contesto POT per eventi complessi (come la persistenza temporale) rimane un'area di ricerca aperta e non è stato applicato in modo definitivo per la Q3.

In conclusione, il paper dimostra che è possibile ottenere stime informative e interpretabili per eventi estremi complessi in ensemble climatici utilizzando un approccio ibrido che combina teoria dei valori estremi classica, riduzione dimensionale intelligente e simulazione Monte Carlo, evitando la complessità computazionale dei modelli spaziali multivariati completi.