En statistisk modell som bättre karakteriserar extremvädrets föränderliga natur över större områden skulle kunna hjälpa klimatexperter att planera för väderrelaterade katastrofer.

En ökning av svårighetsgraden av extrema väderhändelser runt om i världen, som torka och översvämningar, skapar ett behov av information som hjälper oss att bättre planera för dessa extrema händelser. Även om stora mängder väderdata registreras varje dag över hela världen, att extrahera viktig information om extrema händelser ställer stora krav på datorkraft och är begränsat till analys på endast ett fåtal platser.

Raphael Huser och hans tidigare postdoc Daniela Castro-Camilo har nu utvecklat en mer beräkningseffektiv statistisk modell för att hantera dessa begränsningar.

"En av de största utmaningarna i extremväderstatistik är att beskriva förhållandet mellan extrema observationer, såsom förändringar i nederbörd på flera platser, " förklarar Castro-Camilo. "Nuvarande modeller och metoder kan hantera endast ett begränsat antal platser samtidigt och är inte tillräckligt flexibla för att fånga alla olika dynamik vi ser i nederbördsdata."

För att exakt förutsäga frekvensen och omfattningen av en extrem väderhändelse över ett område, Castro-Camilo och Huser fokuserade på beroendestrukturen, som beskriver hur starkt, och på vilket sätt, uppgifterna på flera platser är relaterade till varandra.

"När händelserna blir mer extrema, de tenderar också att bli mindre beroende, " säger Castro-Camilo. "Detta beteende är väl känt i klimatologiska data, men klassiska extremvärdemodeller kan inte beskriva denna egenskap. Vår modell kan göra detta."

Castro-Camilo och Husers modell gör att beroendestrukturen kan uppskattas från varje mätstation och sedan effektivt interpoleras mellan stationer över ett fint rumsligt rutnät med hjälp av en mycket parallelliserad beräkningsmetod.

"De största utmaningarna i denna studie var faktiskt beräkningsmässiga, " säger Castro-Camilo. "Lyckligtvis, vi hade tillgång till KAUSTs Shaheen II superdator, vilket gjorde det möjligt för oss att få resultat på några dagar snarare än de månader vi kanske behövt vänta om vi använde en vanlig dator."

Genom att använda deras nya tillvägagångssätt, forskarna analyserade för extrema händelser i nederbördsdata över hela det sammanhängande USA – totalt 1218 väderstationer och en aldrig tidigare skådad skala för en sådan analys. De fann att dynamiken som styr extrema nederbördshändelser skiljer sig starkt mellan regioner, och de identifierade ganska tydligt specifika områden där samtidiga farliga nivåer av nederbörd är vanligare.

"Vårt tillvägagångssätt kan också användas med andra typer av klimatologiska data eftersom det har utvecklats specifikt för att hantera högdimensionella problem som involverar många mätstationer, säger Castro-Camilo.