A Bivariate Gaussian–Gamma Mixture Model for Rainfall Distribution and Extreme Event Analysis over Karnataka, India

In de door de moesson gedomineerde landschappen van India is de komst van regen niet louter een weersgebeurtenis; het is de hartslag die de landbouw aandrijft, reservoirs vult en het ritme van het dagelijks leven bepaalt. Eeuwenlang hebben wetenschappers geprobeerd deze patronen te voorspellen met behulp van standaard statistische instrumenten die ervan uitgaan dat neerslag zich gedraagt als een klokcurve, waarbij de meeste jaren gemiddeld zijn en extreme gebeurtenissen zeldzame uitschieters zijn. De realiteit van de Indiase moesson is echter veel complexer. De regen arriveert vaak in plotselinge, gewelddadige uitbarstingen of blijft hangen in lange, droge perioden, wat een distributie creëert die scheef en zwaar getraind is, waardoor de nette symmetrie van traditionele modellen wordt uitgedaagd. Wanneer deze standaardinstrumenten worden toegepast op regio's zoals Karnataka, falen ze er vaak in de ware aard van extreme overstromingen of de diepte van droogtes te vatten, waardoor planners achterblijven met een onvolledig beeld van het risico. Om het ware karakter van de moesson te begrijpen, moeten onderzoekers verder kijken dan eenvoudige gemiddelden en modellen omarmen die zowel de zachte, voorspelbare motregen als de chaotische, overweldigende stortbuien kunnen verklaren.

Een team van onderzoekers gevestigd in Karnataka heeft een belangrijke stap gezet naar dit meer realistische begrip door een nieuw statistisch kader te ontwikkelen dat regenval behandelt als een mengeling van twee verschillende gedragingen. In plaats van alle regengegevens in één enkele, rigide vorm te dwingen, combineert hun aanpak een standaardmodel voor matige, alledaagse neerslag met een gespecialiseerd model dat ontworpen is om de zware, scheve staarten van extreme gebeurtenissen aan te pakken. Door zestig jaar aan moessondata te analyseren, van 1960 tot 2025, verspreid over tien verschillende districten, bracht het team in kaart hoe regen zich gedraagt in zowel de overstromingsgevoelige kustgebieden als de door droogte getroffen binnenlanden. Ze ontdekten dat de kustgebieden, geteisterd door de Arabische Zee, een aanhoudende, zware neerslag ervaren die zich van jaar tot jaar herhaalt, terwijl de binnenlandse districten lijden onder erratische, onregelmatige patronen waarbij natte en droge jaren geen duidelijk verloop kennen. Dit onderscheid is cruciaal, aangezien het onthult dat één enkele regel niet het hele staat kan regeren; de kust en het binnenland opereren onder verschillende atmosferische stemmingen.

De onderzoekers pasten hun nieuwe methode toe op tien representatieve districten, waarvan er zes gevoelig zijn voor overstromingen en vier regelmatig met droogte kampen. Ze begonnen met het opschonen en normaliseren van de ruwe neerslagcijfers om de invloed van de lokale geografie te verwijderen, waardoor ze de onderliggende statistische vormen van de gegevens konden vergelijken. De resultaten bevestigden dat de regen in deze regio's niet een eenvoudig, symmetrisch patroon volgt. In de kustdistricten van Dakshina Kannada en Udupi toonden de gegevens een sterke tendens dat zware regen samenklontert, wat een "fat tail" (dikke staart) creëert in de distributie waar extreme gebeurtenissen gebruikelijker zijn dan standaardmodellen zouden voorspellen. In contrast hiermee vertoonden de binnenlandse districten Bagalkote, Chitradurga, Koppala en Raichur een ander soort onregelmatigheid, gekenmerkt door hoge variabiliteit en een gebrek aan persistentie, waarbij een nat jaar net zo waarschijnlijk wordt gevolgd door een droog jaar. Het nieuwe mengmodel slaagde erin deze nuances succesvol te vatten, waarbij het de geobserveerde gegevens veel nauwkeuriger paste dan traditionele methoden, vooral in de regio's waar het risico op extreem weer het grootst is.

Om de betrouwbaarheid van hun model te testen, onderzochten het team hoe vaak de neerslag specifieke drempelwaarden overschreed, zoals niveaus die tien of twintig procent boven of onder het langetermijngemiddelde liggen. Deze "niveau-overschrijdingen" fungeren als een maatstaf voor hoe frequent een regio overgaat van normale omstandigheden naar overstromings- of droogtegebieden. De traditionele modellen misten vaak het doel, of voorspelden te veel extreme verschuivingen of juist te weinig. De nieuwe mengaanpak stemde echter nauw overeen met wat er daadwerkelijk over de decennia heen gebeurde. In de kustregio's voorspelde het accuraat de frequente opwaartse overschrijdingen die het begin van overstromingsomstandigheden signaleren, terwijl het in het binnenland correct de erratische neerwaartse overschrijdingen identificeerde die de komst van droogte markeren. Dit vermogen om onderscheid te maken tussen de gestage, persistente regen van de kust en de volatiele, onvoorspelbare regen van het binnenland, biedt een veel scherper instrument voor het beoordelen van risico's.

De studie keek ook naar hoe de regenval in het ene jaar de volgende beïnvloedt, een concept dat temporele persistentie wordt genoemd. Door hun model uit te breiden om naar paren van opeenvolgende jaren te kijken, ontdekten de onderzoekers een scherp onderscheid in het klimaatgeheugen van de staat. In de kustdistricten is er een sterke link tussen de jaren; als één jaar zware regen brengt, is de kans groot dat het volgende jaar dat ook doet, wat een persistente natte of droge periode creëert die jarenlang kan aanhouden. Deze persistentie wordt gedreven door de complexe interactie tussen de West-Ghats en de moessonwinden. In het binnenland is deze link zwak of afwezig, wat betekent dat het weer elk jaar opnieuw wordt gereset zonder veel rekening te houden met wat er eerder gebeurde. Deze bevinding suggereert dat terwijl kustgemeenschappen een zekere continuïteit in hun klimaatrisico's kunnen verwachten, zij in het binnenland te maken hebben met een chaotischere omgeving waar de voorbereiding jaarlijks moet worden gereset.

Met behulp van deze inzichten genereerden de onderzoekers een prognose voor het moessonseizoen van 2026 in de geselecteerde regio's. Het model voorspelt dat de kustdistricten, inclusief Dakshina Kannada, Udupi en Uttara Kannada, waarschijnlijk een hogere-dan-gemiddelde neerslag zullen ontvangen, wat het patroon van natte persistentie dat in recente decennia werd gezien, voortzet. Daartegenover staat dat de droogtegevoelige binnenlandse districten Bagalkote, Koppala en Raichur minder neerslag zullen krijgen, wat de noodzaak voor zorgvuldig waterbeheer in deze gebieden versterkt. Deze voorspellingen zijn niet louter gissingen, maar zijn afgeleid van het statistische gedrag van de afgelopen zesentwintig jaar, gefilterd door een model dat het verschil begrijpt tussen een gestage motregen en een plotselinge stortbui. Door een duidelijker beeld te bieden van waar en wanneer extreme regen waarschijnlijk zal optreden, vormt dit werk een vitale bron voor het beheren van waterbronnen, het plannen van de landbouw en het beperken van de risico's van overstromingen en droogtes in een regio waar de moesson zowel een levenslijn als een bedreiging is.