Een statistisch model dat de veranderende aard van extreem weer over grotere gebieden beter karakteriseert, zou klimaatexperts kunnen helpen bij het plannen van weergerelateerde rampen.

Een toename van de ernst van extreme weersomstandigheden over de hele wereld, zoals droogte en overstromingen, creëert een behoefte aan informatie die ons zal helpen om deze extreme gebeurtenissen beter te plannen. Hoewel er wereldwijd elke dag enorme hoeveelheden weergegevens worden geregistreerd, het extraheren van cruciale informatie over extreme gebeurtenissen stelt enorme eisen aan rekenkracht en is beperkt tot analyse op slechts enkele locaties.

Raphael Huser en zijn voormalige postdoc Daniela Castro-Camilo hebben nu een rekenkundig efficiënter statistisch model ontwikkeld om deze beperkingen aan te pakken.

"Een van de grootste uitdagingen in statistieken over extreem weer is het beschrijven van de relatie tussen extreme waarnemingen, zoals neerslagveranderingen op meerdere locaties, " legt Castro-Camilo uit. "De huidige modellen en methoden kunnen slechts een beperkt aantal locaties tegelijk aan en zijn niet flexibel genoeg om alle verschillende dynamieken die we in neerslaggegevens zien vast te leggen."

Om de frequentie en omvang van een extreme weersgebeurtenis in een gebied nauwkeurig te voorspellen, Castro-Camilo en Huser richtten zich op de afhankelijkheidsstructuur, die beschrijft hoe sterk, en op welke manier, de gegevens op meerdere locaties zijn aan elkaar gerelateerd.

"Naarmate de gebeurtenissen extremer worden, ze hebben ook de neiging om minder afhankelijk te worden, " zegt Castro-Camilo. "Dit gedrag wordt goed herkend in klimatologische gegevens, maar klassieke extreme-waardemodellen kunnen dit kenmerk niet beschrijven. Ons model kan dit."

Met het model van Castro-Camilo en Huser kan de afhankelijkheidsstructuur van elk meetstation worden geschat en vervolgens efficiënt tussen stations worden geïnterpoleerd over een fijn ruimtelijk raster met behulp van een sterk parallelle computationele benadering.

"De belangrijkste uitdagingen in deze studie waren in feite computationeel, " zegt Castro-Camilo. "Gelukkig, we hadden toegang tot de Shaheen II-supercomputer van KAUST, waardoor we de resultaten in een paar dagen konden krijgen in plaats van de maanden die we misschien hadden moeten wachten als we een standaardcomputer gebruikten."

Door gebruik te maken van hun nieuwe aanpak, de onderzoekers analyseerden extreme gebeurtenissen in neerslaggegevens over de hele aangrenzende Verenigde Staten - in totaal 1218 weerstations en een ongekende schaal voor een dergelijke analyse. Ze ontdekten dat de dynamiek die extreme neerslaggebeurtenissen beheersen sterk verschilt tussen regio's, en ze identificeerden heel duidelijk specifieke gebieden waar gelijktijdig gevaarlijke niveaus van neerslag vaker voorkomen.

"Onze aanpak kan ook worden gebruikt met andere soorten klimatologische gegevens, omdat deze specifiek is ontwikkeld om hoogdimensionale problemen met veel meetstations aan te pakken, ' zegt Castro Camilo.