Integrating Explainable Machine Learning, Extreme Value Analysis, and CMIP6 Projections for Extreme Precipitation Prediction in the Eastern Mediterranean Coastal Region of Türkiye

Technische Samenvatting: Integratie van Explainable Machine Learning, Extreme Waarde Analyse en CMIP6-projecties voor de voorspelling van extreme neerslag in de kustregio van het oostelijke Middellandse Zeegebied van Turkije

Probleemstelling
De kustregio van het oostelijke Middellandse Zeegebied van Turkije (omvattende Mersin, Adana, Osmaniye en Hatay) staat bloot aan ernstige risico's door extreme neerslaggebeurtenissen, die bedreigingen vormen voor dichtbevolkte stedelijke centra en landbouwgronden. Ondanks deze kwetsbaarheid ontbrak het eerdere onderzoeken aan een verenigd analytisch kader dat fysieke drijfveren, statistische recurrente eigenschappen en toekomstige klimaattrajecten integreert voor dit specifieke subregio. Bestaande studies vertrouwen vaak op geïsoleerde stationanalyses, falen om schattingen van de herhalingstijd te correleren met machine learning (ML) voorspellingsmodellen, of houden geen rekening met de heterogeniteit van neerslagregimes veroorzaakt door complexe topografie (bijv. het Taurusgebergte). Bovendien, hoewel CMIP6-modellen significante opwarming en zomerse droogte voorspellen, blijft het specifieke toekomstige gedrag van de frequentie versus de intensiteit van extreme neerslag op lokaal niveau onduidelijk.

Methodologie
Deze studie presenteert een hybride machine learning en statistische pijplijn die is ontworpen om deze hiaten te adresseren via acht geïntegreerde stadia:

1. Data-acquisitie en Kwaliteitscontrole: De studie maakte gebruik van 24 Turkse State Meteorological Service (TSMS) grondstations (2010–2024), aangevuld met CHIRPS satellietneerslagdata, ERA5-Land reanalyseproducten en NOAA teleconnectie-indices. Een rigoureus tweestaps kwaliteitscontrolesproces sloot stations met >5% ontbrekende data uit en paste homogeniteitstests (SNHT, Pettitt, Buishand) toe om regimeverschuivingen te identificeren.
2. Multi-bron Datafusie: Er werd een nieuwe dagelijkse dataset gecreëerd door grondobservaties, satellietdata en reanalyseproducten te fuseren. Dit omvatte ruimtelijke inferentie, zee-masker correcties voor kuststations, bias-correctie voor temperatuurvariabelen en gatvulling.
3. Ruimtelijke Clustering: K-Means clustering verdeelde de 24 stations in drie fysiek interpreteerbare neerslagregimezones: Kust, Binnenland en Gebergte, gebaseerd op hoogte, neerslagtotalen, seizoensratio's en temperatuur.
4. Feature Engineering: Een matrix van 40 attributen werd geconstrueerd, inclusche meteorologische variabelen, topografische data, temporele coderingen, clusterlabels en 30 teleconnectie-features (getempte indices voor ONI, NAO, AO, AMO, EAWR).
5. Machine Learning Classificatie: Een XGBoost binaire classifier werd getraind om extreme neerslag te voorspellen (gedefinieerd als dagelijkse regenval ≥95ste percentiel). Het model adresseerde klasse-onbalans (1:18 ratio) met behulp van inverse frequentie-weging. Prestaties werden geëvalueerd met temporele cross-validatie en een onafhankelijke testset (2023–2024).
6. Explainability (XAI): SHAP (SHapley Additive exPlanations) analyse werd toegepast om het XGBoost-model te interpreteren, waarbij dominante voorspellers en hun niet-lineaire interacties over verschillende ruimtelijke clusters werden geïdentificeerd.
7. Extreme Waarde Analyse (EVA): Herhalingstijden werden geschat met behulp van 44 jaar CHIRPS-data (1981–2024) via twee complementaire methoden: de Generalized Extreme Value (GEV) distributie voor jaarlijkse maxima en de Generalized Pareto Distribution (GPD) voor peaks over threshold (POT).
8. Toekomstige Projecties: CMIP6-projecties van het MPI-ESM1-2-LR model onder SSP2-4.5 en SSP5-8.5 scenario's werden bias-gecorrigeerd en geanalyseerd voor de horizon 2041–2060 om veranderingen in de frequentie van extreme gebeurtenissen en de intensiteit van natte dagen te beoordelen.

Belangrijkste Resultaten

• Regimeverschuiving: Homogeniteitstesten identificeerden een statistisch significante neersieregimeverschuiving beginnend in 2020. De domein-gemiddelde anomalie ten opzichte van het voorgaande decennium was −20,5%, waarbij de meest ernstige afnames werden waargenomen bij binnenlandse stations (bijv. Osmaniye: −35,9%). Deze verschuiving viel samen met een verandering in de distributie van de doelvariabele tussen de trainingsperiode (2010–2022) en de testperiode (2023–2024).
• Modelprestaties: De XGBoost-classifier behaalde een AUC-ROC van 0,835 op de onafhankelijke testset, wat een robuuste onderscheidende bekwaamheid demonstreert ondanks de niet-stationaire condities. De F1-score op de testset was 0,288, lager dan de cross-validatie score (0,403), toegeschreven aan de verminderde frequentie van extreme gebeurtenissen tijdens de post-2020 droogteperiode.
• Feature Belangrijkheid: SHAP-analyse onthulde nabij-oppervlakte relatieve vochtigheid als de overweldigend dominante voorspeller (gemiddelde |SHAP| = 0,557). De belangrijkheid ervan intensiveerde met de hoogte (0,469 in Kust- versus 0,642 in Gebergte-clusters), wat het orografische neerslagmechanisme weerspiegelt. Een niet-lineaire activatiedrempel werd geïdentificeerd nabij 65–70% relatieve vochtigheid. Gemiddelde temperatuur was de tweede belangrijkste feature, met een negatieve bijdrage boven 15–20°C.
• Teleconnecties: Grote-schaal indices zoals AMO (negatieve correlatie, r = −0,335) en EAWR (positieve correlatie, r = +0,299) werden geïdentificeerd als significante drijfveren van interjaarlijkse variabiliteit.
• Herhalingstijden: GEV-fitting leverde een domein-gemiddelde 100-jarige herhalingstijd op van 102,4 mm dag⁻¹. Het hoogste gevaar was geconcentreerd in de oostelijke binnenlandse corridor (bijv. Düzici: 153,1 mm dag⁻¹), waar vochtige lucht interacteert met de voet van de Taurus. Tufanbeyli vertoonde, ondanks de hoge hoogte, de laagste herhalingstijd (54,9 mm dag⁻¹) vanwege regenschaduweffecten.
• Toekomstige Projecties: CMIP6-projecties wijzen op een consistente afname van de frequentie van extreme gebeurtenissen tegen 2041–2060 onder beide scenario's (−19,5% voor SSP2-4.5 en −12,1% voor SSP5-8.5). Echter, de intensiteit van natte dagen wordt geprojecteerd te dalen onder SSP2-4.5 (−2,2%) maar toe te nemen onder SSP5-8.5 (+1,2%), wat suggereert dat er een "minder frequente maar potentieel intensere" toekomst is onder scenario's met hoge emissies.

Betekenis en Bijdragen
De auteurs stellen dat deze studie de eerste geïntegreerde ML–extreme waarde–klimaatprojectie pijplijn biedt die specifiek gericht is op de kustregio van het oostelijke Middellandse Zeegebied van Turkije. De betekenis van het werk ligt in:

1. Verenigd Kader: Het succesvol combineren van multi-bron datafusie, ruimtelijke clustering, explainable ML en extreme waarde analyse om extreme neersigheidsgevaren te karakteriseren.
2. Fysieke Interpreteerbaarheid: Het gebruik van SHAP om empirisch fysieke relaties te herstellen (zoals de Clausius–Clapeyron-relatie en orografische liftmechanismen) zonder expliciete fysieke vergelijkingen als input, wat de afstemming van het model op de atmosferische fysica valideert.
3. Detectie van Regimeverandering: Het identificeren van een werkelijke hydroclimatologische verschuiving in 2020 die de overdraagbaarheid van het model beïnvloedt, wat wijst op de noodzaak van adaptieve hertrainingsprotocollen voor operationele voorspellingen.
4. Implicaties voor Infrastructuur: Het aantonen dat de geschatte 100-jarige herhalingstijden in de oostelijke corridor aanzienlijk hoger liggen dan de huidige ontwerpdrempels voor stedelijke afwatering (50–100 mm dag⁻¹), wat duidt op structurele kwetsbaarheid.
5. Karakterisering van Toekomstig Risico: Het verhelderen van de divergentie tussen frequentie- en intensiteitstrends onder verschillende emissiescenario's, wat suggereert dat hoewel extreme dagen minder frequent kunnen worden, hun intensiteit kan toenemen onder paden met hoge emissies.

De studie concludeert dat hoewel de regio een droogtrend ervaart wat betreft de frequentie van gebeurtenissen, het potentieel voor geïntensiveerde neerslaggebeurtenissen onder scenario's met hoge emissies een revisie vereist van de ontwerpparameters voor infrastructuur en de ontwikkeling van adaptieve vroege waarschuwingssystemen die rekening houden met niet-stationaire hydroclimatologische condities.