Forecasting Return Time of Extreme Precipitation by Large Deviation Theory

Deze studie toont aan dat de Landau-verdeling, oorspronkelijk uit de plasmafysica, extreem neerslag beter voorspelt dan traditionele methoden, waardoor nauwkeurigere schattingen mogelijk zijn van de terugkeerperiodes van extreme neerslag en de daaruit voortvloeiende sterk toegenomen blootstelling voor toekomstige geboortecohorten onder verschillende emissiescenario's.

De kern

Voorspellen van extreme regenbuien: Een nieuwe manier om het weer te begrijpen

Stel je voor dat je probeert te voorspellen hoe vaak er een enorme, verwoestende stortbui zal vallen. Dit is als het proberen te voorspellen wanneer je precies de jackpot wint in een enorm groot, willekeurig loterijspel. De meeste mensen winnen nooit, en de data die we hebben over die ene keer dat iemand wint, is erg schaars. Dat maakt het voor wetenschappers heel moeilijk om te zeggen: "Over 50 jaar zal er in deze stad een blikseminslag van regen vallen."

Dit nieuwe onderzoek van een team van wetenschappers uit China, Duitsland en Hong Kong biedt een slimme nieuwe oplossing. Ze gebruiken een wiskundig hulpmiddel dat Grote Afwijkingstheorie heet. Laten we dat in gewone taal uitleggen met een paar creatieve vergelijkingen.

1. Het oude probleem: De verkeerde kaart

Vroeger gebruikten meteorologen standaard "kaarten" (wiskundige verdelingen) om extreme regen te beschrijven. Denk hierbij aan de Gumbel- of Weibull-verdeling.

• De analogie: Stel je voor dat je probeert de vorm van een berg te tekenen, maar je gebruikt alleen een liniaal die perfect rechte lijnen tekent. Je kunt de scherpe piek van de berg nooit goed vastleggen.
• Het resultaat: Deze oude methoden waren vaak te voorzichtig. Ze zagen de extreme, zeldzame gebeurtenissen (de "staart" van de verdeling) als iets dat bijna niet kon gebeuren, terwijl ze in werkelijkheid vaker voorkomen dan gedacht.

2. De nieuwe oplossing: De Landau-verdeling

De auteurs ontdekten dat een oude formule uit de plasmaphysica (de studie van gloeiend heet gas, zoals in sterren) perfect werkt voor regen. Deze formule heet de Landau-verdeling.

• De analogie: In plaats van een rechte liniaal, gebruiken ze nu een flexibele rubberen slang. Deze slang kan zich perfect aanpassen aan de scherpe piek van de berg.
• Waarom werkt dit? Regen is niet zomaar water dat valt; het is het resultaat van duizenden kleine, willekeurige processen in de atmosfeer die samenkomen. De Landau-verdeling beschrijft precies hoe die kleine processen samenwerken om enorme, plotselinge explosies van regen te veroorzaken.
• Het succes: Ze testten dit over de hele wereld en vonden dat deze formule op 93% van de plekken perfect paste. De oude methoden haalden maar 76%. Het is alsof ze plotseling een GPS hebben gevonden die 93% van de wegen correct aangeeft, terwijl de oude GPS maar 76% goed had.

3. Het voorspellen van "Terugkeer-tijden"

Nu ze de juiste vorm van de berg hebben gevonden, kunnen ze de terugkeer-tijd berekenen.

• De analogie: Als je zegt dat een "100-jarige overstroming" eens per 100 jaar gebeurt, bedoelen we eigenlijk: "De kans is 1 op 100 dat dit elk jaar gebeurt."
• Met hun nieuwe methode kunnen ze nu zeggen: "In deze stad valt er eens per 10.000 dagen een regenbui van 100 mm." Zelfs als zo'n gebeurtenis in de geschiedenis nog nooit is gemeten, kunnen ze het nu betrouwbaar voorspellen door de "rubberen slang" (de Landau-verdeling) te gebruiken om de ontbrekende stukjes van de data in te vullen. Ze vullen de gaten in het verhaal op met wiskunde.

4. De toekomst: Wat betekent dit voor jou?

De wetenschappers hebben hun methode gekoppeld aan klimaatmodellen voor de toekomst (tot het jaar 2100). Ze keken naar verschillende scenario's:

• Scenario A: We stoppen snel met uitstoten (goed nieuws).
• Scenario B: We blijven veel fossiele brandstoffen gebruiken (slecht nieuws).

De schokkende conclusie:
Stel je voor dat je vandaag een baby krijgt.

• Als je in 1960 bent geboren, heb je misschien in je hele leven één keer een extreme regenbui meegemaakt.
• Als je baby is die vandaag wordt geboren, zal hij of zij in zijn of haar hele leven waarschijnlijk veel vaker extreme regenbuien meemaken, zelfs als we proberen het klimaat te verbeteren.
• Onder de meeste toekomstige scenario's wordt de "levenslange blootstelling" aan extreme regen voor jonge generaties veel groter. Het is alsof de "loterij" voor hen vaker wordt getrokken.

Samenvatting in één zin

Deze wetenschappers hebben een oude formule uit de sterrenkunde gebruikt om de vorm van extreme regenbuien beter te begrijpen, waardoor ze nu veel nauwkeuriger kunnen voorspellen hoe vaak deze rampen in de toekomst zullen gebeuren – en het nieuws is dat de jongere generaties hier veel meer last van zullen krijgen dan hun grootouders.

Waarom is dit belangrijk?
Stedenbouwers en politici kunnen nu beter plannen. Ze weten nu dat ze niet meer hoeven te bouwen alsof extreme regen een zeldzame uitzondering is, maar dat ze moeten voorbereiden op een wereld waar deze gebeurtenissen veel vaker terugkeren. Het is als het bouwen van een huis: als je weet dat er vaker een orkaan komt, bouw je dan een sterker dak.

Technische samenvatting

Titel: Voorspelling van de Terugkeerperiode van Extreme Neerslag door middel van Grote Afwijkingstheorie

1. Het Probleem

Het voorspellen van extreme neerslaggebeurtenissen is cruciaal voor het begrijpen van klimaatsystemen en het plannen van adaptatiestrategieën, maar het blijft een aanzienlijke uitdaging. De belangrijkste obstakels zijn:

• Zeldzaamheid en Complexiteit: Extreme gebeurtenissen zijn per definitie zeldzaam, wat leidt tot een gebrek aan historische data.
• Statistische Beperkingen: Traditionele statistische methoden (zoals extreme-waardeverdelingen) hebben moeite met het modelleren van de "lange staart" (heavy tails) van neerslagverdelingen, waar de meest impactvolle gebeurtenissen plaatsvinden.
• Onzekerheid in Projecties: Het extrapoleren van historische data naar toekomstige scenario's onder verschillende emissiescenario's is vaak onnauwkeurig vanwege de niet-lineariteit van klimaatsystemen.

2. Methodologie

De auteurs ontwikkelen een geïntegreerd kader dat Grote Afwijkingstheorie (Large Deviation Theory - LDT) combineert met een specifieke statistische verdeling om terugkeerperiodes te schatten.

• Data Bron: Gebruik van dagelijkse neerslagdata van het Beijing Climate Center Earth System Model version 1 (BCC-ESM1) uit het Coupled Model Intercomparison Project Phase 6 (CMIP6). Data omvat de periode 1850–2015 en toekomstige scenario's (SSP1-1.9, SSP4-3.4, SSP5-8.5).
• Data Preprocessing:
  • Selectie van extreme neerslag als waarden boven de 95e percentiel.
  • Verwijdering van dagen met neerslag < 0,1 mm om ruis te minimaliseren.
• Verdelingsfitting:
  • In plaats van conventionele verdelingen (Gumbel, Weibull, Lognormaal, GEV), testen de auteurs de Stabiele Verdeling en specifiek de Landau-verdeling (oorspronkelijk uit de plasmafysica).
  • De Landau-verdeling wordt gekozen omdat deze de zwaarte van de staart (heavy tails) van neerslagdata beter kan modelleren, gezien neerslag als een aggregatie van zwak gecorreleerde sub-processen kan worden gezien.
  • De kwaliteit van de fit wordt gemeten met de Hellinger-afstand.
• Berekening van Terugkeerperiode met LDT:
  • De auteurs passen LDT toe om de snelheidsfunctie (rate function) $I(a)$ te bepalen.
  • De overschrijdingskans wordt geschat als $P(A_n \geq a) \approx \exp[-n I(a)]$, waarbij $n$ de bloklengte is.
  • De terugkeerperiode $R_n(a)$ wordt vervolgens berekend als het omgekeerde van deze kans: $R_n(a) \approx \exp[n I(a)]$.
• Data Verrijking (Enrichment):
  • Om het gebrek aan data voor zeer extreme gebeurtenissen op te lossen, worden extra steekproeven gegenereerd uit de gefitte Landau-verdeling. Dit vult de "gaten" in de staart van de verdeling op.
• Toekomstprojecties:
  • Een Quantile Mapping-methode wordt gebruikt om de LDT-projecties te kalibreren met CMIP6-data onder verschillende emissiescenario's. Dit zorgt ervoor dat de terugkeercurves van verschillende scenario's samenvallen in één universele relatie.

3. Belangrijkste Bijdragen

1. Introductie van de Landau-verdeling: Het artikel toont aan dat de Landau-verdeling (een speciaal geval van de stabiele verdeling met $\alpha=1, \beta=1$) superieur is aan traditionele extreme-waardeverdelingen voor het modelleren van extreme neerslag.
2. Universele Toepasbaarheid: De methode werkt op ongeveer 93% van de wereldwijde locaties met een Hellinger-afstand onder de 0,3, wat een verbetering is van meer dan 15% ten opzichte van conventionele methoden.
3. Extrapolatie Buiten Historische Data: Door de verrijking van de staart van de verdeling, kunnen terugkeerperiodes worden voorspeld voor intensiteiten die nog nooit in de historische reeks zijn waargenomen.
4. Unificatie van Emissiescenario's: Het artikel demonstreert dat terugkeercurves onder verschillende toekomstige emissiescenario's (van laag tot hoog) kunnen worden gemapt naar één enkele relatie, wat de voorspellingskracht voor toekomstige klimaatscenario's aanzienlijk versterkt.

4. Resultaten

• Fit-kwaliteit: De Landau-verdeling past de data significant beter aan dan Gumbel, Weibull, Lognormaal of GEV, vooral in de extreme staart.
• Ruimtelijke Patronen: De parameters van de Landau-verdeling ($\mu$ en $c$) tonen duidelijke patronen: ze zijn lager in de lage breedtegraden (indicatie van steilere, linksge skewde verdelingen en hogere neerslagkansen) en hoger in de hogere breedtegraden.
• Validatie: De voorspelde terugkeerperiodes voor 10 grote steden (zoals Jakarta, Kinshasa, New York) komen zeer goed overeen met historische waarnemingen. Voor een terugkeerperiode van 30 jaar bij 70 mm neerslag is de foutmarge vaak minder dan 10%.
• Toekomstige Blootstelling:
  • De analyse toont aan dat onder de meeste toekomstige emissiescenario's (vooral SSP4-3.4 en SSP5-8.5) de terugkeerperiodes van extreme neerslag drastisch verkorten.
  • Generatie-effect: Jongere geboortecohorten (geboren na 2000) zullen een aanzienlijk hogere blootstelling aan extreme neerslag gedurende hun leven ervaren dan oudere generaties. Zij zullen waarschijnlijk drempels overschrijden die als "onvoorstelbaar" worden beschouwd voor hun voorgangers.

5. Betekenis en Impact

• Wetenschappelijke Doorbraak: Het artikel verbindt concepten uit de plasmafysica (Landau-verdeling) en statistische mechanica (Grote Afwijkingstheorie) met klimaatwetenschap, waardoor een nieuwe, robuuste manier van kijken naar extreme gebeurtenissen ontstaat.
• Beleid en Planning: De methode biedt stedenplanners en beleidsmakers een nauwkeuriger instrument om infrastructuur te ontwerpen voor toekomstige extreme neerslag, zelfs voor gebeurtenissen die nog niet zijn opgetreden.
• Klimaatrisico: De bevindingen onderstrepen de ongelijke last van klimaatverandering: jongere generaties dragen een disproportioneel risico op extreme weeromstandigheden, wat noodzaak creëert voor dringende adaptatiemaatregelen.

Samenvattend biedt deze studie een krachtig, universeel kader om de zeldzame maar catastrofale gebeurtenissen van extreme neerslag te kwantificeren en te voorspellen, waarbij traditionele statistische beperkingen worden overwonnen door gebruik te maken van geavanceerde fysica-gebaseerde modellen.