Un modelo estadístico que caracterice mejor la naturaleza cambiante del clima extremo en áreas más grandes podría ayudar a los expertos en clima a planificar los desastres relacionados con el clima.

Un aumento en la gravedad de los fenómenos meteorológicos extremos en todo el mundo, como sequías e inundaciones, está creando una necesidad de información que nos ayudará a planificar mejor para estos eventos extremos. Aunque todos los días se registran grandes volúmenes de datos meteorológicos en todo el mundo, La extracción de información crucial sobre eventos extremos impone enormes demandas a la potencia informática y se limita al análisis en unas pocas ubicaciones.

Raphael Huser y su ex postdoctorado Daniela Castro-Camilo han desarrollado ahora un modelo estadístico más eficiente desde el punto de vista computacional para abordar estas limitaciones.

"Uno de los principales desafíos en las estadísticas meteorológicas extremas es describir la relación entre observaciones extremas, como los cambios de lluvia en varias ubicaciones, ", explica Castro-Camilo." Los modelos y métodos actuales sólo pueden tratar con un número limitado de ubicaciones a la vez y no son lo suficientemente flexibles para capturar todas las diferentes dinámicas que vemos en los datos de precipitación ".

Para predecir con precisión la frecuencia y la magnitud de un evento meteorológico extremo en un área, Castro-Camilo y Huser se centraron en la estructura de dependencia, que describe cuán fuertemente, y de que manera, los datos en varios lugares están relacionados entre sí.

"A medida que los eventos se vuelven más extremos, también tienden a volverse menos dependientes, "dice Castro-Camilo." Este comportamiento es bien reconocido en los datos climatológicos, pero los modelos clásicos de valores extremos no pueden describir esta característica. Nuestro modelo puede hacer esto ".

El modelo de Castro-Camilo y Huser permite estimar la estructura de dependencia de cada estación de medición y luego interpolar eficientemente entre estaciones sobre una fina cuadrícula espacial utilizando un enfoque computacional altamente paralelizado.

"Los principales desafíos de este estudio fueron, de hecho, computacionales, "dice Castro-Camilo." Afortunadamente, teníamos acceso a la supercomputadora Shaheen II de KAUST, lo que nos permitió obtener resultados en unos pocos días en lugar de los meses que podríamos haber tenido que esperar si usamos una computadora estándar ".

Usando su nuevo enfoque, los investigadores analizaron los eventos extremos en los datos de precipitación en todo el territorio contiguo de los Estados Unidos:un total de 1218 estaciones meteorológicas y una escala sin precedentes para tal análisis. Descubrieron que la dinámica que gobierna los eventos de precipitación extrema difiere mucho entre las regiones, e identificaron con bastante claridad áreas específicas donde los niveles peligrosos simultáneos de precipitación son más frecuentes.

"Nuestro enfoque también se puede utilizar con otros tipos de datos climatológicos, ya que se ha desarrollado específicamente para tratar problemas de alta dimensión que involucran muchas estaciones de medición, "dice Castro-Camilo.