A lightweight framework for characterising extreme precipitation events in climate ensembles

Visão Geral do Problema

O artigo aborda o desafio de caracterizar eventos de precipitação extrema em grandes conjuntos de dados climáticos (ensembles), especificamente no contexto do EVA 2025 Data Challenge. O objetivo era estimar probabilidades de excedência (frequência de ocorrência) de eventos raros em múltiplos locais simultaneamente, utilizando dados de quatro execuções independentes do modelo climático CESM2 Large Ensemble.

O principal obstáculo enfrentado pelos autores foi o custo computacional proibitivo e a complexidade de implementação de modelos espaciais de valores extremos tradicionais (como processos max-estáveis ou de Pareto generalizado), que são necessários para capturar a dependência espacial completa. Além disso, a necessidade de extrapolar para magnitudes não observadas nos dados de treinamento exigia um equilíbrio entre rigor estatístico e eficiência computacional.

Metodologia Proposta

A equipe "Ca' Foscari" desenvolveu uma estrutura de modelagem "leve" que reduz o problema multivariado espacial para problemas univariados, preservando o rigor assintótico da Teoria de Valores Extremos (EVT). A abordagem segue os seguintes pilares:

1. Redução de Dimensionalidade via Estatísticas de Ordem:

   • Em vez de modelar a dependência espacial completa entre as 25 localizações, os autores definem estatísticas de resumo baseadas em estatísticas de ordem espaciais para cada dia.
   • Para cada pergunta do desafio, uma ordem específica ($k$) foi escolhida:
     • Questão 1: Mínimo espacial ($k=1$) para estimar a probabilidade de todas as 25 localizações excederem um limiar.
     • Questão 2: 20ª ordem ($k=20$) para estimar a probabilidade de pelo menos 6 locais excederem um limiar.
     • Questão 3: 23ª ordem ($k=23$) para estimar a persistência de eventos (pelo menos 3 locais excedendo por 2 dias consecutivos).

2. Modelagem de Valores Extremos (POT - Peaks Over Threshold):

   • Utilizou-se a abordagem POT com Distribuições de Pareto Generalizadas (GP) para modelar as caudas das séries temporais univariadas resultantes.
   • Limiares Variáveis: Devido à forte sazonalidade, os limiares foram definidos como quantis pontuais (95º percentil) variando mensalmente, ajustados via regressão quantílica (distribuição Laplace Assimétrica).
   • Parâmetros Variáveis: Os parâmetros de escala e forma da GP foram modelados como funções dos meses usando Modelos Aditivos Generalizados (GAMs).

3. Tratamento da Dependência Temporal (Declustering):

   • Para lidar com a dependência temporal nas séries de precipitação, aplicou-se um método de declustering por "corridas" (run declustering) para isolar picos independentes.
   • O Índice Extremal ($\theta$) foi estimado para cada execução do modelo e utilizado para corrigir as probabilidades de excedência, ajustando a escala dos eventos agrupados para a escala de eventos independentes.

4. Modelagem de Dependência Condicional (Para a Questão 3):

   • Para estimar a persistência de eventos extremos (duração de clusters), foi adotado o Modelo de Valores Extremos Condicionais (CEV) de Heffernan e Tawn (2004).
   • Este modelo semi-paramétrico caracteriza a dependência entre $X_{i+1}$ dado que $X_i$ é extremo, permitindo capturar tanto a dependência assintótica quanto a independência assintótica. Os dados foram transformados para marginais Laplace antes da modelagem.

5. Inferência de Ensemble via Simulação:

   • Em vez de combinar os dados brutos, quatro modelos estatísticos independentes foram ajustados (um para cada execução do modelo climático).
   • Um procedimento de simulação de Monte Carlo foi utilizado para gerar grandes ensembles sintéticos, combinando aleatoriamente as quatro execuções (tratadas como intercambiáveis) para derivar distribuições empíricas das probabilidades alvo, fornecendo estimativas pontuais e intervalos de confiança.

Principais Contribuições

• Eficiência Computacional: Demonstrou que é possível realizar inferência robusta em grandes ensembles climáticos sem o custo computacional de modelos espaciais multivariados complexos, através da redução inteligente para estatísticas de ordem univariadas.
• Flexibilidade na Extrapolação: A estrutura permitiu estimar probabilidades para eventos que nunca foram observados nos dados de treinamento (extrapolação), utilizando a teoria assintótica da EVT.
• Abordagem Híbrida: Integração prática de modelos de limiar variável, GAMs, e modelos condicionais (CEV) para lidar com sazonalidade e dependência temporal em um único framework coerente.
• Inferência de Ensemble: Proposição de um método de simulação para combinar múltiplas execuções de modelos climáticos sem impor suposições distribucionais conjuntas restritivas.

Resultados

O artigo apresenta estimativas pontuais e intervalos de confiança de 95% para as três questões:

• Questão 1 (Todos os 25 locais > 1.7 Leadbetters): Estimativa de 0.207 (IC: 0.146, 0.273). O modelo mostrou excelente ajuste e capacidade de extrapolação, com o valor verdadeiro caindo dentro do intervalo.
• Questão 2 (Pelo menos 6 locais > 5.7 Leadbetters): Estimativa de 0.072 (IC: 0.040, 0.108). O modelo subestimou a taxa de ocorrência real, indicando que a modelagem marginal pode precisar de refinamento para eventos mais extremos.
• Questão 3 (Persistência de 2 dias para 3 locais > 5 Leadbetters): Estimativa de 0.067 (IC: 0.035, 0.105). O uso do modelo CEV foi adequado, embora a estimativa também tenha subestimado o valor verdadeiro, sugerindo limitações na modelagem marginal das caudas.

Significado e Conclusão

O trabalho destaca que, para grandes ensembles climáticos, a busca por modelos espaciais complexos pode ser contraproducente devido ao custo computacional. A abordagem proposta oferece um "compromisso pragmático" que mantém o rigor estatístico assintótico enquanto torna a inferência viável.

Os autores concluem que, embora a modelagem de estatísticas de ordem seja teoricamente suficiente, ela descarta uma grande quantidade de informação espacial. No entanto, para fins de estimativa de probabilidades de excedência em ensembles, a metodologia provou ser eficaz, interpretável e capaz de fornecer respostas informativas onde métodos tradicionais falhariam devido à complexidade. O estudo também discute limitações, como a dificuldade de ajustar a correção de declustering para modelos condicionais e a necessidade de futuras investigações sobre métodos de reamostragem (importance sampling) para limiares extremamente altos.