Ett team av forskare från University of California, Davis, har utvecklat en ny statistisk metod för miljömätningar som låter data avgöra hur extrema händelser ska modelleras. Tillvägagångssättet, som kallas "datadriven extremvärdesanalys", använder en kombination av statistiska metoder för att identifiera den mest lämpliga modellen för extrema händelser i en given datamängd.
Extrema händelser är sällsynta, men de kan ha en betydande inverkan på miljön och samhället. Till exempel kan extrema väderhändelser som översvämningar, torka och skogsbränder orsaka omfattande skador och förlust av människoliv. För att minska riskerna i samband med extrema händelser är det viktigt att kunna modellera exakt hur de inträffar.
Traditionella metoder för extremvärdesanalys förutsätter vanligtvis att data följer en specifik fördelning, såsom Gumbel- eller Weibull-fördelningen. Detta antagande är dock inte alltid giltigt, och det kan leda till felaktiga uppskattningar av sannolikheter för extrema händelser. Det nya datadrivna tillvägagångssättet gör inga antaganden om distributionen av data, och det tillåter data att bestämma den mest lämpliga modellen.
Forskarna testade den nya metoden på en mängd olika miljödatauppsättningar, inklusive nederbörd, temperatur och vindhastighet. Resultaten visade att den nya metoden kunde modellera extrema händelser mer exakt än traditionella metoder.
Det nya tillvägagångssättet har ett antal fördelar jämfört med traditionella metoder för extremvärdeanalys. För det första kräver det inga antaganden om distributionen av data. För det andra kan den identifiera den mest lämpliga modellen för extrema händelser i en given datamängd. För det tredje är det mer exakt än traditionella metoder, särskilt för datamängder med begränsade urvalsstorlekar.
Det nya tillvägagångssättet är fortfarande under utveckling, men det har potential att revolutionera hur extrema händelser modelleras. Genom att låta data bestämma den mest lämpliga modellen kan det nya tillvägagångssättet ge mer exakta uppskattningar av sannolikheter för extrema händelser, vilket kan bidra till att minska riskerna i samband med dessa händelser.
Forskarna publicerade sina resultat i tidskriften "Water Resources Research."
