Regression modeling of multivariate precipitation extremes under regular variation

Technische Samenvatting: Regressiemodellering van multivariate neerslagextremen onder reguliere variatie

1. Probleemstelling

Het onderzoek richt zich op het modelleren van de frequentie en intensiteit van extreme neerslaggebeurtenissen. Extreme neerslag is cruciaal voor klimaatrisicobeheer, maar statistische schattingen zijn problematisch omdat deze gebeurtenissen zeldzaam, zwaar-staartig (heavy-tailed) en vaak ruimtelijk en temporeel afhankelijk zijn.

De specifieke casus is de EVA2025 data challenge, waarbij gebruik werd gemaakt van de CESM2 LENS2 klimaatensemble-data. Het doel was om drie specifieke kwantiteiten te voorspellen (gebaseerd op de 'Leadbetter'-eenheid):

• Taak 1: Het verwachte aantal keren dat alle 25 locaties een drempelwaarde van 1,7 overschrijden.
• Taak 2: Het verwachte aantal keren dat ten minste 6 van de 25 locaties een drempelwaarde van 5,7 overschrijden.
• Taak 3: Het verwachte aantal keren dat ten minste 3 locaties een drempelwaarde van 5 overschrijden gedurende ten minste twee opeenvolgende dagen.

2. Methodologie

De auteurs stellen een twee-fasen regressiestrategie voor, gebaseerd op de theorie van reguliere variatie (regular variation). Dit is een fundament van de Extreme Value Theory (EVT) dat de staartafhankelijkheid van multivariate vectoren formaliseert.

• Fase 1: Empirische schatting op sub-asymptotische niveaus: In plaats van direct naar de uiterste extremen te kijken (waar data schaars is), schatten de auteurs de doelvariabelen eerst empirisch bij lagere, "sub-asymptotische" drempelwaarden ($u_l$).
• Fase 2: Regressie op basis van asymptotische wetten: De auteurs maken gebruik van de theoretische eigenschap dat voor een multivariate regulier variërende vector de kans op overschrijding van een hoge drempel $u$ zich gedraagt als $C \cdot u^{-\alpha}$. Ze passen een log-lineaire regressie toe:
  $$\log(Z_l) = C' + \alpha' \log(u_l)$$
  waarbij $Z_l$ de empirische telling is bij drempel $u_l$. Door deze regressie te fitten, kunnen ze de parameters $C$ (schaalconstante) en $\alpha$ (vormparameter/tail index) extrapoleren naar de zeer hoge drempelwaarden die vereist zijn voor de competitie.
• Onzekerheidsanalyse: Voor het berekenen van betrouwbaarheidsintervallen wordt een niet-parametrische block bootstrap-procedure gebruikt. Hierbij worden jaren als "blocks" behandeld om de temporele afhankelijkheid te respecteren, terwijl de aanname van onafhankelijkheid tussen verschillende klimaatruns wordt behouden.

3. Belangrijkste Bijdragen

• Efficiëntie vs. Complexiteit: Het model biedt een computationeel eenvoudiger alternatief voor complexe max-stable processen of likelihood-based multivariate EVT-modellen, zonder significant in nauwkeurigheid in te boeten voor grootschalige datasets.
• Theoretische koppeling: Het slaat een brug tussen empirische observaties bij gematigde drempels en de theoretische asymptotische limieten van extreme waarden.
• Robuustheid: De methode is effectief gebleken in een real-world, hoog-dimensionale klimaatcontext (25 locaties over 165 jaar).

4. Resultaten

Het team (DesiBoys) behaalde een tweede plaats in de algemene ranglijst van de EVA2025 competitie.

• Punt-schattingen: Ze presteerden uitstekend bij de punt-schattingen, met name bij Taak 3, waar ze de eerste plaats behaalden.
• Betrouwbaarheidsintervallen: De prestaties voor de intervallen waren lager (5e tot 7e plaats). De auteurs wijzen erop dat de keuze van de block-grootte bij de bootstrap en de scheefheid van de verdeling de nauwkeurigheid van de intervallen beïnvloedden.
• Modelvalidatie: De regressie-fits vertoonden hoge $R^2$-waarden (tot 0,98), wat de theoretische aanname van reguliere variatie voor deze dataset sterk ondersteunt.

5. Betekenis en Toekomst

Dit werk bewijst dat regressiemethoden binnen het kader van reguliere variatie een krachtig instrument zijn voor klimaatrisico-analyse. De bevinding dat er geen significante langetermijntrend is in de neerslagintensiteit over de verschillende runs heen, vereenvoudigt de modellering van ensemble-klimaatdata.

Toekomstig onderzoek zou zich moeten richten op:

1. Het integreren van meer flexibele functieruimtes (zoals splines of Gaussian processes) in de regressie.
2. Het expliciet modelleren van afhankelijkheden tussen verschillende klimaatruns.
3. Het gebruik van meer parametrische bootstrap-methoden om nauwkeurigere betrouwbaarheidsintervallen te verkrijgen voor sterk scheve verdelingen.