Data‐based analysis of bivariate copula tail dependence for drought duration and severity
Notice bibliographique
Résumé
Abstract In recent decades, copula functions have been applied in bivariate drought duration and severity frequency analysis. Among several potential copulas, Clayton has been mostly used in drought analysis. In this research, we studied the influence of the tail shape of various copula functions (i.e. Gumbel, Frank, Clayton and Gaussian) on drought bivariate frequency analysis. The appropriateness of Clayton copula for the characterization of drought characteristics is also investigated. Drought data are extracted from standardized precipitation index time series for four stations in Canada (La Tuque and Grande Prairie) and Iran (Anzali and Zahedan). Both duration and severity data sets are positively skewed. Different marginal distributions were first fitted to drought duration and severity data. The gamma and exponential distributions were selected for drought duration and severity, respectively, according to the positive skewness and Kolmogorov–Smirnov test. The results of copula modelling show that the Clayton copula function is not an appropriate choice for the used data sets in the current study and does not give more drought risk information than an independent model for which the duration and severity dependence is not significant. The reason is that the dependence of two variables in the upper tail of Clayton copula is very weak and similar to the independent case, whereas the observed data in the transformed domain of cumulative density function show high association in the upper tail. Instead, the Frank and Gumbel copula functions show better performance than Clayton function for drought bivariate frequency analysis. Copyright © 2012 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».