融合时空效应的空间分层PGEV模型在极值分析中的增强应用

为解决气候极值分析中时空效应整合不足的问题，来自台湾的研究团队开发了新型空间分层PGEV（Peaks Over Threshold Generalized Extreme Value）模型。该研究通过潜高斯过程捕捉空间关联性，结合时间协变量构建时空耦合框架，并采用拉普拉斯近似法提升计算效率。模拟实验与台湾降雨数据分析验证了模型在气候极值趋势预测中的优越性能，为环境风险评估提供新工具。

　　

这项研究突破性地将时空维度嵌入阈值峰值广义极值分布(PGEV)框架，构建了可解析气候极端事件的多尺度模型。通过空间层级结构，模型利用潜高斯过程(Latent Gaussian Process)刻画地理关联性，同时引入时间协变量动态追踪极端降雨强度与频率演变。与传统马尔可夫链蒙特卡洛(MCMC)相比，创新的拉普拉斯近似(Laplace Approximation)算法使计算效率提升3个数量级。台湾全岛降雨数据集测试表明，该模型能精准捕捉台风季99%分位点降水量的空间异质性，其趋势预测误差较传统GEV方法降低42%。这项技术为气候变化下的洪涝灾害预警系统提供了可解释的数学框架，特别适用于东亚季风区极端降水事件的动态风险评估。