[论文解读] Spatio-temporal modeling of urban extreme rainfall events at high resolution

Chloé Serre-Combe, Nicolas Meyer+2 more|arXiv (Cornell University)|Feb 23, 2026

Hydrology and Drought Analysis被引用 0

一句话总结

本论文开发了一个用于城市极端降雨的高分辨率时空随机模型，将EGPD边际分布与包含事件特定平流的r-Pareto极端依赖结构结合起来，适用于蒙彼利埃的OMSEV网络。

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.

研究动机与目标

• 以超高分辨率的降雨数据来评估城市洪水风险的动机。
• 开发一个能够在细粒度时空尺度上捕捉中等和极端降雨的随机降水生成器。
• 将非阈值极值理论框架（EGPD）与r-Pareto时空依赖模型结合。
• 引入 episode-specific advection，以在时间上明确表示降雨单元的位移。

提出的方法

• 使用 Extended Generalized Pareto Distribution（EGPD）对正降雨建模，以避免阈值选择并捕捉中等至极端值。
• 通过 Brown-Resnick 结构、以及来自潜在高斯过程的變異圖来表示时空极端依赖的 r-Pareto 过程。
• 使用带有平流的非可分时空变差函数来捕捉降雨单元随时间的位移。
• 通过将 r-Pareto 依赖与 EGPD 边际耦合并对强度进行 Pareto 尺度重新缩放，构建随机降水生成器。
• 利用从识别出的极端事件的联合超阈值中得到的复合似然来估计参数，包括 episode-specific advection 参数。
• 通过在 OMSEV 降雨网络和模拟的 r-Pareto 过程上的应用来验证框架。

实验结果

研究问题

• RQ1 如何在城市降雨中准确建模高分辨率的时空极值？
• RQ2 是否可以将 EGPD 边际有效地与 r-Pareto 依赖结构结合，以同时再现中等和极端降雨强度？
• RQ3 将episode-specific advection 纳入是否能改善降雨单元随时间的位移表示？
• RQ4 在该框架中如何用基于超阈值的复合似然估计变差函数和平流参数？
• RQ5 该模型是否能够为蒙彼利埃的洪水风险评估生成现实的高分辨率随机降雨情景？

主要发现

• 基于 EGPD 的统一边际模型与 r-Pareto 时空依赖能够在不需要阈值选择的情况下同时捕捉中等和极端降雨。
• 带平流的非分离变差函数能够有效地建模降雨单元在空间与时间上的位移。
• _episode-specific advection 参数可以通过复合似然估计得到，并反映数据中观测到的真实位移模式。
• 该随机降水生成器能够生成适用于城市洪水风险评估的现实高分辨率降雨场。
• 在蒙彼利埃的 OMSEV 网络上的经验验证表明，该模型能够重现极端降雨的时空结构。