[논문 리뷰] Spatio-temporal modeling of urban extreme rainfall events at high resolution

Chloé Serre-Combe, Nicolas Meyer외 2명|arXiv (Cornell University)|2026. 02. 23.

Hydrology and Drought Analysis인용 수 0

한 줄 요약

이 논문은 EGPD 주변분포를 포함하고 Montpellier의 OMSEV 네트워크에 대한 사건별 이동(advection)을 포함하는 r-Pareto 극값 종속 구조를 결합한 도시 극한 강수에 대한 고해상도 시공 간 확률 모형을 개발합니다.

ABSTRACT

Modeling precipitation and its accumulation over time and space is essential for flood risk assessment. We here analyze rainfall data collected over several years through a microscale precipitation sensor network in Montpellier, France, by the OMSEV observatory. A novel spatio-temporal stochastic model is proposed for high-resolution urban rainfall and combines realistic marginal behavior and flexible extremal dependence structure. Rainfall intensities are described by the Extended Generalized Pareto Distribution (EGPD), capturing both moderate and extreme events without threshold selection. Based on spatial extreme-value theory, dependence during extreme episodes is modeled by an r-Pareto process with a non-separable variogram including episode-specific advection, allowing the displacement of rainfall cells to be represented explicitly. Parameters are estimated by a composite likelihood based on joint exceedances, and empirical advection velocities are derived from radar reanalysis. The model accurately reproduces the spatio-temporal structure of extreme rainfall observed in the Montpellier OMSEV network and enables realistic stochastic scenario generation for flood risk assessment.

연구 동기 및 목표

• 도시 환경에서 초고해상도 강수 데이터로 홍수 위험 평가를 촉진한다.
• 정밀한 시공 간 스케일에서 보통 수준의 강수와 극한 강수를 모두 포착하는 확률적 강수 생성기를 개발한다.
• 임계값 비의존 Extreme Value Theory 프레임워크(EGPD)를 r-Pareto 시공 간 종속 모델과 통합한다.
• 시간에 따른 강수 셀의 변위를 명시적으로 나타내기 위해 에피소드별 이동(advection)을 통합한다.

제안 방법

• 임계값 선택을 피하고 보통에서 극단값까지의 값을 포착하기 위해 Extended Generalized Pareto Distribution (EGPD)으로 양의 강수를 모델링한다.
• 기저 가우시안 과정으로부터 도출된 변이도와 Brown-Resnick 구조로 표현된 r-Pareto 프로세스를 통해 시공 간 극값 종속성을 모델링한다.
• 이동을 반영하기 위해 advect가 있는 비분리 형태의 공간-시간 변이도를 사용하여 시간에 따른 강수 셀의 변위를 포착한다.
• 강도 강화를 위한 Pareto 척도 재스케일링과 함께 EGPD 주변치와 r-Pareto 종속성을 결합하여 확률적 강수 생성기를 구성한다.
• 식별된 극한 에피소드의 공동 초과를 기반으로 한 합성 가능도로 매개변수를 추정하며, 에피소드별 이동 매개변수를 포함한다.
• OMSEV 강수 네트워크와 시뮬레이션된 r-Pareto 프로세스에의 적용을 통해 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 도시 강수의 고해상도 시공 간 극값을 어떻게 정확하게 모델링할 수 있는가?
• RQ2 EGPD 주변치를 r-Pareto 종속 구조와 효과적으로 결합하여 보통 및 극단적인 강수 강도를 재현할 수 있는가?
• RQ3 에피소드별 이동을 도입하면 시간에 따른 강수 셀 변위의 표현이 개선되는가?
• RQ4 초과를 기반으로 한 합성 가능도가 이 프레임워크에서 변이도(variogram) 및 이동(advection) 매개변수를 어떻게 추정하는가?
• RQ5 모델이 Montpellier의 홍수 위험 평가를 위한 현실적인 확률적 강수 시나리오를 생성할 수 있는가?

주요 결과

• 임계값 선택 없이 보통 및 극단 강수를 모두 포착하는 EGPD 기반 주변치와 r-Pareto 시공 간 종속성의 통합 모델.
• 이동이 포함된 비분리 변이도는 공간과 시간에 걸친 강수 셀 변위를 효과적으로 모델링한다.
• 에피소드별 이동 매개변수는 합성 가능도로 추정될 수 있으며 데이터에서 관찰된 실제 변위 패턴을 반영한다.
• 확률적 강수 생성기는 도시 지역의 홍수 위험 평가에 적합한 현실적인 고해상도 강수 장을 생성한다.
• Montpellier의 OMSEV 네트워크에 대한 실증 검증은 극값의 관측된 시공 간 구조를 재현하는 모델의 능력을 보여준다.