p Ao integrar paradigmas estatísticos anteriormente distintos em um único esquema de modelagem, Raphaël Huser da KAUST e Jennifer Wadsworth da Lancaster University, no Reino Unido, eliminaram algumas das suposições da modelagem de extremos climáticos. Isso pode melhorar muito as previsões de eventos extremos futuros. p Modelando a frequência e severidade de possíveis extremos climáticos, como chuvas intensas, ventos fortes e ondas de calor, deve levar em conta as estações de monitoramento próximas sendo espacialmente correlacionadas. Isso é, chuva forte em uma estação geralmente indica que haverá chuva forte semelhante nas proximidades.
p Contudo, conforme a gravidade do evento aumenta, esta dependência espacial pode enfraquecer - quanto maior a intensidade da chuva, por exemplo, é menos provável que ocorra em uma vasta região. Alguns eventos extremos podem até estar inteiramente localizados em torno de uma estação, sem nenhuma correlação com aqueles próximos.
p Decidir se a dependência muda com a intensidade, e em que medida, é uma etapa crucial no processo de seleção de modelo, mas geralmente é difícil de determinar. Para aqueles envolvidos na previsão de desastres climáticos, uma incompatibilidade entre a seleção do modelo e o caráter oculto dos dados pode prejudicar criticamente a precisão das previsões.
p “É muito comum com velocidades do vento ou chuva que a dependência espacial enfraquece conforme os eventos se tornam mais extremos, e eventualmente desaparece, "explica Huser." Se nos restringirmos a modelos dependentes 'assintoticamente', podemos superestimar a força de dependência espacial dos maiores eventos extremos; Enquanto isso, se nos restringirmos a modelos independentes "assintoticamente", podemos subestimar sua força de dependência. "
p Com base em seu trabalho recente, Huser e Wadsworth desenvolveram uma abordagem estatística integrada que elimina essas conjecturas, combinando esses modelos díspares de dependência espacial em um contínuo suave.
p "Nosso modelo estatístico transita suavemente entre a dependência assintótica e a independência no interior do espaço de parâmetros, "explica Huser, "o que facilita muito a inferência estatística e é mais geral do que outros modelos, cobrindo uma classe diferente de modelos estatísticos com aplicação a uma ampla gama de cenários. "
p Os pesquisadores aplicaram o esquema de modelagem a observações de inverno de alturas extremas de onda no Mar do Norte, que foi encontrado em um estudo anterior para ter um alto grau de ambigüidade em sua classe de dependência. O modelo provou ser muito eficaz para lidar com os dados, explicando o caso em que há forte dependência espacial, mas também forte evidência de independência assintótica.
p "Nosso novo modelo estatístico une essas duas possibilidades geralmente distintas, e crucialmente, aprender sobre o tipo de dependência torna-se parte do processo de inferência, "diz Wadsworth." Isso significa que o modelo pode ser ajustado sem ter que selecionar a classe de dependência apropriada com antecedência, ao mesmo tempo em que é flexível e fácil de usar. "
