Экстремальные осадки часто случаются одновременно на нескольких станциях, что усиливает ущерб. Классические модели пространственных экстремумов опираются на максимумы за блок (например, за год) и игнорируют ежедневные записи. Рядом с этой работой в архиве лежат исследования по анализу экстремумов, снижению шума в спектрах и квантовым системам, но прямых соседей по теме пространственных экстремумов осадков мало. Данная работа заполняет пробел, предлагая способ использовать все доступные данные без сложных многомерных пороговых моделей.
Авторы разработали двухшаговую процедуру. На первом шаге для каждой станции отдельно подгоняется обобщённое распределение экстремальных значений (GEV) по ежедневным данным с помощью точечного процесса, который учитывает превышения над порогом. Пространственная зависимость на этом шаге игнорируется, что делает оценки маргинальных параметров устойчивыми к неверной спецификации зависимости. На втором шаге, зафиксировав маргинальные параметры, оценивают параметры пространственной зависимости по блоковым максимумам, максимизируя попарное правдоподобие. Для оптимизации использован профильный метод, а стандартные ошибки получены бутстрепом по годам.
В симуляциях двухшаговый метод показал меньшую среднеквадратичную ошибку для всех маргинальных параметров по сравнению с попарным правдоподобием на основе только блоковых максимумов. Относительная эффективность последнего составила от 23% до 95% в зависимости от параметра и уровня зависимости. Для параметра формы, определяющего хвост распределения, эффективность была особенно низкой (до 45%). При применении к данным по 35 станциям в Калифорнии за 55 лет метод обнаружил значимый эффект Эль-Ниньо на 22 станциях против 14 у традиционного подхода. Доверительные интервалы для совместных 50-летних уровней возврата сузились на 27–51%.
Работа отличается от соседних исследований тем, что впервые систематически объединяет ежедневные данные и блоковые максимумы в рамках двухшаговой оценки для пространственных max-stable процессов. Это позволяет повысить точность оценок без усложнения модели и без определения многомерных порогов. Метод прост в реализации и интуитивно понятен практикам, что облегчает его внедрение в гидрологию и климатологию.
Возможные направления включают улучшение выбора порога для точечного процесса, использование r наибольших порядковых статистик вместо всех превышений, а также сравнение с многомерными пороговыми методами в терминах компромисса между робастностью и эффективностью. Также перспективно распространение подхода на пространственно-временные модели.
Метод может улучшить оценку рисков наводнений и совместных экстремальных событий в страховании, городском планировании и управлении чрезвычайными ситуациями.
Следующим шагом может быть адаптация метода к другим регионам и типам данных, а также разработка автоматического выбора порога на основе квантильной регрессии.
В статистике экстремальных значений остаётся открытым вопрос о выборе порога для пороговых методов и о корректном учёте зависимости в многомерных данных. Данная работа обходит проблему многомерных порогов, но не решает проблему выбора порога на первом шаге. Это связывает её с активной областью исследований по робастному оцениванию хвостов распределений.
Совместный 50-летний уровень возврата для пары станций Напа и Уинтерс при значении индекса Южного колебания -1 составил около 10–15 см осадков за сутки, в зависимости от метода оценки.