Daily precipitation with stretched-exponential tails could explain the statistics of observed annual maxima
Notice bibliographique
Résumé
The parent distribution of daily precipitation is usually not known, and the exceedance probability of extremes is described using a Generalized Extreme Value distribution (GEV) fitting the annual maxima. However, knowing the parent distribution would allow us to use ordinary statistics to describe extremes, with two advantages: (i) a decreased parameter estimation uncertainty; (ii) the possibility to establish direct relations between ordinary and extreme events. Recent studies suggest that daily precipitation could have Weibull tails, meaning that the probability of exceeding large values decrease as a stretched exponential. Here, we exploit a global dataset of long and quality-controlled continuous rain gauge records (~8,000 stations, ≥50 complete years) to investigate this question. We find that the observed annual maxima are likely samples from Weibull tails in ~88% of the stations worldwide. On average, ~36% of the wet days belong to these tails. We find a strong climatic dependence in their definition, with smaller portions of data in the Weibull tails in central Europe, US east coast and southern Australia. We then generate synthetic records with the same characteristics (yearly number of wet days, Weibull tails with the same shape parameter) and increasing lengths (10-110 years); we estimate the corresponding GEV shape parameters and contrast them with the ones obtained from very long annual maxima records (~15,000 stations, 40-163 years; Papalexiou and Koutsoyiannis, 2013, https://doi.org/10.1029/2012WR012557). We show that parent distributions with Weibull tails well explain the properties of the observed GEV shape parameters. These GEV tails (type-III, Frechet) are heavier than the limiting GEV for Weibull parent distributions (type-I, Gumbel); this implies a pre-asymptotic behavior: the average yearly number of wet days (globally, n=100±50) is not large enough to fulfill the asymptotic assumption (n~∞) of extreme value theory. Contrasting our results with generalized Pareto tails, as predicted by extreme value theory for high threshold exceedances, we find that the two models are equivalent within the observational uncertainties; the Weibull model, however, describes a portion of data which is, on average, 7 times larger.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».