《Journal of Hydrology: Regional Studies》：Regional modeling of zero-inflated precipitation in Pakistan by classical and Bayesian approaches
编辑推荐：
研究区域：巴基斯坦降雨模式存在显著的空间与季节性变异，极端降水对洪水风险管理、农业生产和基础设施规划构成重大挑战。受采样变异性、阈值选择及干日伴随的零膨胀问题影响，重现水平的准确估计仍存在困难。本研究分析了巴基斯坦2001–2023年135个地区的日降水数据，
研究区域：巴基斯坦降雨模式存在显著的空间与季节性变异，极端降水对洪水风险管理、农业生产和基础设施规划构成重大挑战。受采样变异性、阈值选择及干日伴随的零膨胀问题影响，重现水平的准确估计仍存在困难。本研究分析了巴基斯坦2001–2023年135个地区的日降水数据，覆盖多变的气候条件。
研究重点：研究人员引入零膨胀扩展广义帕累托分布（zero-inflated Extended Generalized Pareto Distribution，ziEGPD）模型，用于在区域建模框架下表征包含干日在内的完整降水谱。在该区域模型框架中，研究人员采用Δ^比率法基于上尾行为构建同质区域。为捕捉区域空间变异，研究人员使用广义可加模型（Generalized Additive Models，GAM）将ziEGPD的参数建模为协变量的函数。所构建的模型通过最大似然估计（Maximum-Likelihood Estimation，MLE）和贝叶斯框架进行参数估计，并通过交叉验证结合准确性、稳健性指标开展模型评估。
新水文研究结果：结果表明，纳入协变量的贝叶斯GAM-ziEGPD模型准确度最高，在所有季节和聚类中均持续优于基于MLE的方法，因此被采用为估计不同重现期区域分位数的最优框架。区域分析进一步显示，季风期的100年重现水平最高，强降雨集中分布于巴基斯坦南部和东南部区域。
## 论文主体解读
本文由Aamar Abbas、Touqeer Ahmad、Ishfaq Ahmad合作完成，发表于《Journal of Hydrology: Regional Studies》，聚焦巴基斯坦全国尺度降水极端值的区域建模问题。当前研究存在三大核心缺陷：一是降水数据普遍存在零膨胀特征，传统概率模型无法同时拟合零值干日、常规降水与极端强降水，例如Gamma分布尾部分布偏轻易低估极端值，广义帕累托分布（Generalized Pareto Distribution，GPD）仅能拟合超阈值极端值，扩展广义帕累托分布（Extended Generalized Pareto Distribution，EGPD）虽可拟合全部正降水但仍无法处理零值；二是站点尺度极端值估计受采样变异影响大，短序列数据估计精度低；三是巴基斯坦此前的区域降水研究多局限于流域或省级小范围，缺乏全国尺度的零膨胀降水建模，也未系统对比经典与贝叶斯框架、协变量纳入对模型性能的影响。针对上述问题，研究人员开展本研究，旨在构建全谱降水区域建模框架，提升极端降水预估精度，为防灾减灾与水资源管理提供支撑。
### 主要技术方法
研究样本来自NASA POWER数据库2001–2023年巴基斯坦135个地区的日降水序列，按冬季（DJF，12–2月）、春季（MAM，3–5月）、夏季（JJA，6–8月）、秋季（SON，9–11月）四季划分。核心方法包括三类：一是零膨胀扩展广义帕累托分布（ziEGPD）边际模型，通过点质量拟合零值干日、连续分布拟合正降水，可同时覆盖干日、常规降水与极端降水；二是基于Δ
^比率的同质区划分方法，通过概率加权矩（Probability-Weighted Moments，PWM）计算上尾行为特征Δ
^，采用围绕中心点划分（Partitioning Around Medoids，PAM）聚类识别上尾行为相似的同质区域，无需依赖地理协变量；三是广义可加模型（GAM）空间建模框架，将分布参数建模为气候、地理协变量的平滑函数，同时采用最大似然估计（MLE）与贝叶斯两种推断框架，所有模型通过重复50次的交叉验证，采用归一化均方根误差（Normalized Root Mean Square Error，NRMSE）评估准确性、SPAN指数评估重现水平稳健性。
### 研究结果
#### 6.1 基于上尾行为的估计区域识别
研究人员通过Δ
^比率与PAM聚类划分四季同质区域：冬季（DJF）识别出4个聚类，反映冬季降水受天气锋面、山地地形影响，空间变异更大；春季（MAM）、夏季（JJA）、秋季（SON）各识别出2个聚类，上尾行为空间同质性更高，该聚类过程未纳入空间坐标，证明方法可仅依赖降水数据实现区域划分。
#### 6.2 GAM建模的协变量选择
研究人员筛选日平均降水量、纬度、经度作为协变量，通过赤池信息准则（Akaike Information Criterion，AIC）与贝叶斯信息准则（Bayesian Information Criterion，BIC）确定最优组合：描述降水主体分布特征的形状参数λ仅与日平均降水量相关，尺度参数σ与经纬度、日平均降水量均相关，上尾形状参数ξ固定为常数，零膨胀比例π与日平均降水量相关。固定ξ的原因是该参数仅由极端值决定，样本有限时估计不稳定，加入协变量会进一步加剧参数混淆。
#### 6.3 模型性能对比
研究人员采用交叉验证评估不同模型配置的性能：对于广义可加模型（GAM）-ziEGPD框架，纳入协变量后多数聚类的归一化均方根误差（NRMSE）更高、SPAN指数更高，说明协变量可提升模型准确性与稳健性；最大似然估计（MLE）框架下纳入协变量后部分聚类性能波动更大，说明MLE对模型复杂度增加更敏感。所有季节和聚类中，贝叶斯GAM-ziEGPD模型的NRMSE与SPAN表现均持续最优，被确定为最优建模框架。
#### 6.4 区域100年重现水平估计
研究人员采用最优的带协变量贝叶斯GAM-ziEGPD模型估算四季100年重现水平：季风期（JJA）的100年重现水平最高，强降雨集中在信德省、俾路支省东部、旁遮普省中南部及北部少数站点；春季（MAM）全国100年重现水平最低，极端降雨风险最小；冬季（DJF）和秋季（SON）的重现水平适中，主要集中在北部和东北部区域。
### 研究结论
本研究的核心结论包括三点：一是零膨胀扩展广义帕累托分布（ziEGPD）可有效拟合巴基斯坦降水数据中的零值干日、常规降水与极端强降水，解决了传统模型无法覆盖全谱降水的问题；二是基于Δ
^比率的同质区划分方法无需依赖地理协变量即可识别上尾行为相似的区域，适用于资料稀缺地区；三是纳入协变量的贝叶斯GAM-ziEGPD框架是所有配置中性能最优的模型，其空间建模能力可有效提升无资料站点的参数估计精度。研究的区域重现水平结果可为巴基斯坦全国洪水防控、基础设施设计、气候韧性农业规划提供量化依据，在资料稀缺区域的应用价值突出。
