Analysing Extreme Rainfall via a Geometric Framework

제목: 기하학적 프레임워크를 통한 극한 강우 분석 (EVA 2025 데이터 챌린지 팀 랭커스터 기하학)

이 논문은 EVA 2025 데이터 챌린지에 참여하여, 미국 동부의 극한 강우 사건의 **공간적 범위 (spatial extent)**와 **시간적 지속 기간 (temporal duration)**을 예측하는 문제를 해결하기 위해 개발된 기하학적 극값 분석 (geometric extreme-value analysis) 프레임워크를 적용한 연구입니다. 랭커스터 대학교와 유니버시테 코트 다쥐르 (Université Côte d'Azur) 의 연구팀 (Team Lancaster Geometric) 이 수행한 이 작업은 기후 모델 시뮬레이션 데이터를 기반으로 통계적 외삽을 통해 극한 사건의 확률을 추정하는 데 중점을 두었습니다.

다음은 문제 정의, 방법론, 주요 기여, 결과 및 의의에 대한 상세한 기술적 요약입니다.

1. 문제 정의 (Problem)

• 배경: 허리케인 헬렌 (Hurricane Helene) 과 같은 극한 강우로 인한 재해는 막대한 인명 피해와 경제적 손실을 초래합니다. 이러한 사건의 빈도와 공간적 범위를 이해하는 것은 방어 시스템 구축에 필수적입니다.
• 데이터: CESM2 대규모 앙상블 커뮤니티 프로젝트 (LENS2) 의 기후 모델 출력 데이터를 사용했습니다. 이는 아시빌 (Asheville, NC) 을 중심으로 한 $5 \times 5$ 그리드 (총 25 개 지점) 의 강수량 데이터입니다.
• 핵심 과제: 실제 역사적 기상 사건을 재현하지 않는 기후 모델 시뮬레이션 데이터를 바탕으로, 관측된 수준을 훨씬 초과하는 **외삽 (extrapolation)**이 필요한 세 가지 목표 양 (Target Quantities) 을 추정해야 했습니다.
  1. CTQ1: 25 개 지점 전부가 특정 임계값 (1.7 Leadbetters) 을 초과하는 기대 횟수.
  2. CTQ2: 25 개 지점 중 적어도 6 개가 임계값 (5.7 Leadbetters) 을 초과하는 기대 횟수.
  3. CTQ3: 25 개 지점 중 적어도 3 개가 임계값 (5 Leadbetters) 을 초과하고, 그 상태가 최소 2 일간 지속되는 기대 횟수.

2. 방법론 (Methodology)

연구팀은 복잡한 극값 의존 구조를 포착하고 다변량 꼬리 (multivariate tail) 전반에 걸쳐 외삽이 가능한 **기하학적 프레임워크 (Geometric Framework)**를 채택했습니다.

2.1 비정상성 (Non-stationarity) 모델링

기후 데이터는 지형 및 계절적 효과로 인해 공간적, 시간적 비정상성을 보입니다. 이를 해결하기 위해 외부 공변량 (covariates) 에 대한 의존을 최소화하는 통계적 방법을 사용했습니다.

• 시간적 비정상성: Eastoe 와 Tawn (2009) 의 접근법을 변형하여 적용했습니다.
  1. 위치 - 스케일 모델 ($Y_t = \mu(x_t) + \sigma(x_t)Z_t$) 을 사용하여 데이터의 평균과 분산을 제거하여 표준화된 과정 $\{Z_t\}$를 생성했습니다.
  2. 일반화 파레토 분포 (GPD) 를 사용하여 표준화된 과정의 꼬리를 모델링하고, 공변량 (계절성, 장기 추세, 이전 3 일의 강수량 등) 에 따라 GPD 파라미터를 조정했습니다.
  3. 모든 지점에서 반모수적 (semi-parametric) 경계 변환을 통해 데이터를 표준 지수 분포 (standard exponential) 로 변환했습니다.
• 공간적 비정상성: Richards 와 Wadsworth (2021) 의 공간 변형 (Spatial Deformation) 기법을 사용했습니다.
  1. 얇은 판 스플라인 (thin-plate spline) 을 사용하여 원래 지리적 공간 (G-plane) 을 가상의 정적 공간 (D-plane) 으로 매핑했습니다.
  2. 이론적 및 경험적 쌍별 꼬리 의존 계수 (tail dependence coefficient) 간의 차이를 최소화하는 방식으로 변형 파라미터를 추정하여, D-plane 에서 정성 (stationarity) 가 성립하도록 했습니다.

2.2 공간 기하학적 프레임워크 (Spatial Geometric Framework)

• 기하학적 접근: 표준화된 지수 마진 (margins) 을 가진 공간 과정 $Z(s)$를 고려합니다. $n$개의 표본 구름을 스케일링하여 극한 집합 (limit set) $G$로 수렴시킵니다. 이 집합의 모양은 게이지 함수 (gauge function) $g_Z(z)$로 특징지어집니다.
• 모델 구조:
  • 방사 - 각 변환 (Radial-Angular Transformation): $R = \sum Z(s_i)$ (반지름), $W = Z/R$ (각도) 로 변환합니다.
  • 절단 감마 분포 (Truncated Gamma Distribution): 높은 임계값 이상의 $R$의 조건부 분포를 절단 감마 분포로 모델링합니다.
  • 일반화 가우시안 게이지 함수: 공간적 의존성을 포착하기 위해 $\gamma$ 파라미터를 포함한 가우시안 형태의 게이지 함수를 사용하며, 이는 공간적 상관 행렬 $\Sigma(\phi, \kappa)$와 결합됩니다.
• 외삽 (Extrapolation):
  • 추정된 모델을 기반으로 다변량 꼬리 영역의 임의의 방향으로 외삽하여 관측되지 않은 극한 사건의 확률을 계산합니다.
  • $P(Z \in B) = P(Z \in B | R' > k) P(R' > k | R' > 1) P(R' > 1)$ 식을 사용하여 극한 영역 $B$의 확률을 추정합니다.
• 시간적 의존성 고려: CTQ3 (지속 기간) 추정을 위해, 각도 성분 ($W$) 에서 시간적 블록 (block size=4) 을 샘플링하여 시간적 상관관계를 보존하는 부트스트랩 샘플링 절차를 적용했습니다.

3. 주요 기여 (Key Contributions)

1. 복잡한 의존 구조 포착: 기존 모델이 다루기 어려웠던 점근적 독립 (Asymptotic Independence, AI) 과 점근적 의존 (Asymptotic Dependence, AD) 을 모두 포괄할 수 있는 기하학적 프레임워크를 환경 데이터에 성공적으로 적용했습니다.
2. 비정상성 처리 전략: 외부 공변량에 대한 사전 지식이 부족할 때에도 효과적으로 작동하는, 데이터 기반의 시간적 (GAM 및 GPD) 및 공간적 (변형 기법) 비정상성 처리 프로세스를 정립했습니다.
3. 고차원 외삽 및 지속 기간 추정: 고차원 공간 데이터에서 극한 사건의 공간적 범위뿐만 아니라, 시간적 블록 샘플링을 통해 사건의 지속 기간까지 추정하는 방법을 제시했습니다.
4. 실증적 검증: 다양한 진단 도구 (PP/QQ 플롯, 쌍별 꼬리 의존 계수 비교) 를 통해 모델의 적합성을 검증하고, 데이터 챌린지의 목표 양을 추정하여 기존 제출 결과의 오류 (특히 CTQ1 과다 추정) 를 수정했습니다.

4. 결과 (Results)

• 모델 적합도: PP 및 QQ 플롯을 통해 절단 감마 모델이 높은 임계값 이상에서 데이터를 잘 적합함을 확인했습니다. D-plane 에서의 쌍별 꼬리 의존 계수 추정치는 경험적 추정치와 잘 일치하여 모델이 극한 종속 구조를 잘 포착함을 보였습니다.
• 목표 양 (CTQ) 추정:
  • CTQ1 (전체 지점 초과): 4 개 기후 모델 런 (Run) 에 대한 추정치는 0.215 ~ 0.523 범위를 보였습니다. 런 1 은 약간 과대평가되었으나, 런 2~4 는 경험적 값 (0.24) 과 잘 일치했습니다.
  • CTQ2 (6 개 이상 지점 초과): 런 2~4 에서 경험적 값 (0.20) 과 유사한 결과를 보였으나, 런 1 은 과대평가되었습니다.
  • CTQ3 (지속 기간 포함): 모든 런에서 경험적 값 (0.24) 대비 약간의 편향 (과소 또는 과대) 이 관찰되었으며, 이는 완전한 시공간 (spatio-temporal) 확장이 필요함을 시사합니다.
• 개선 사항: 초기 데이터 챌린지 제출 시 CTQ1 이 과도하게 높게 추정된 문제를 해결하기 위해, 시간적/공간적 비정상성 처리, $k$ 값 선택 전략 개선, 블록 크기 조정을 통해 정확도를 높였습니다.

5. 의의 및 결론 (Significance and Conclusion)

• 실용적 가치: 기후 모델 시뮬레이션 데이터에서 실제 관측되지 않은 극한 강우 사건의 확률을 추정할 수 있는 강력한 통계적 도구를 제공하여, 홍수 방어 시스템 및 기후 위험 관리 정책 수립에 기여합니다.
• 방법론적 발전: 고차원 공간 극값 분석에서 기하학적 프레임워크의 유효성을 입증했습니다. 특히, 비정상성을 고려한 변형 기법과 시간적 의존성을 보존하는 샘플링 절차는 향후 환경 통계 연구에 중요한 기준이 됩니다.
• 향후 과제: 완전한 시공간 모델링 (시공간 분리 가능/비분리 가능 상관 행렬 도입) 으로 프레임워크를 확장하고, 고차원 설정에서 각도 분포의 모델링을 개선하는 것이 향후 연구 방향입니다.

이 연구는 극한 기상 현상의 예측에 있어 통계적 모델링의 정밀도를 높이고, 복잡한 기후 데이터의 불확실성을 체계적으로 관리하는 데 중요한 통찰을 제공합니다.