采用最大稳定过程对IDF曲线进行建模的贝叶斯方法

《Hydrological Sciences Journal》：A Bayesian approach to model IDF curves employing max-stable processes

贝叶斯方法结合最大稳定过程建模巴西极端降雨时空依赖性，通过引入年降雨量和海拔协变量比较潜在模型与最大稳定模型，发现短历时事件最大稳定模型更优，长历时条件独立模型更准确，空间依赖模型具更重尾部特征，支持城市洪水风险评估。

　　

摘要

本文探讨了一种基于贝叶斯方法的强度-持续时间-频率（IDF）曲线建模技术，该方法利用最大稳定过程（max-stable processes）进行建模，重点研究的是巴西贝洛奥里藏特（Belo Horizonte）大都会地区。传统方法常常忽视空间和时间依赖性，从而导致对极端降雨模式的预测不准确。本研究在Stephenson等人（2016年）提出的最大稳定模型基础上进行了扩展，引入了协变量以提升对未观测地点的预测精度。文中将潜在模型（latent models）与最大稳定模型进行了对比，并测试了每类模型中的四种不同版本，这些版本在是否包含年平均降雨量和海拔高度作为协变量方面有所不同，从而能够评估极端降雨的空间变异性。研究结果表明，最大稳定模型在预测短持续时间事件时表现更好，而条件独立模型（conditionally independent models）在预测长持续时间事件时更为准确。然而，具有空间依赖性的模型能够产生更“厚重”的降雨分布尾部（即更极端的降雨值），可能提供更为真实的极端事件估计结果。总体而言，这种方法有助于在观测站较少的城市地区进行更可靠的洪水风险评估。