[论文解读] Standardized drought indices: A novel uni- and multivariate approach

Tobias Erhardt, Claudia Czado|arXiv (Cornell University)|Aug 26, 2015

Hydrology and Drought Analysis参考文献 20被引用 14

一句话总结

本文提出了一种基于藤 copula 的新型多变量干旱指数，用于建模干旱驱动因子（降水、PET、VPD、土壤湿度）之间的非高斯、非对称依赖关系。通过变量变换、去除季节性和序列相关性，并应用基于 copula 的依赖建模，该方法生成了标准化多变量指数（SMI），在捕捉干旱的空间范围和严重程度方面优于单变量指数（如 SPI 和 SPEI），尤其是在欧洲 1990 年和 2003 年等极端干旱事件中表现更优。

ABSTRACT

As drought is among the natural hazards which affects people and economies worldwide and often results in huge monetary losses sophisticated methods for drought monitoring and decision making are needed. Several different approaches to quantify drought have been developed during past decades. However, most of these drought indices suffer from different shortcomings and do not account for the multiple driving factors which promote drought conditions and their inter-dependencies. We provide a novel methodology for the calculation of (multivariate) drought indices, which combines the advantages of existing approaches and omits their disadvantages. Moreover, our approach benefits from the flexibility of vine copulas in modeling multivariate non-Gaussian inter-variable dependence structures. A three-variate data example is used in order to investigate drought conditions in Europe and to illustrate and reason the different modeling steps. The data analysis shows the appropriateness of the described methodology. Comparison to well-established drought indices shows the benefits of our multivariate approach. The validity of the new methodology is verified by comparing the spatial extent of historic drought events based on different drought indices. Further, we show that the assumption of non-Gaussian dependence structures is well-grounded in this real-world application.

研究动机与目标

• 解决现有单变量干旱指数（如 SPI、SPEI、PDSI）无法捕捉多变量依赖关系和非高斯结构的局限性。
• 克服当前指数存在的参数分布假设、缺乏空间可比性以及无法建模非对称或尾部依赖关系的不足。
• 开发一种灵活且统计上可靠的标准化多变量干旱指数（SMI）计算框架，适用于任意干旱相关变量。
• 通过整合多种干旱驱动因子（降水、PET、VPD、土壤湿度）与稳健的依赖建模，实现改进的干旱监测与风险评估。
• 利用真实欧洲气候数据验证该方法，并证明其在识别历史干旱事件方面优于现有成熟指数。

提出的方法

• 应用 Yeo-Johnson 变换减少干旱相关时间序列的偏度并稳定方差。
• 通过季节分解和时间序列建模（AR/MA）去除季节性和趋势，以实现平稳性。
• 通过自回归或移动平均建模消除序列相关性，确保残差为独立同分布（i.i.d.）。
• 使用概率积分变换（PIT）将边缘分布转换为均匀分布，以适配 copula 建模。
• 采用藤 copula（R-vine 和 C-vine 构造）建模多变量依赖关系，以捕捉复杂、非高斯、非对称的依赖结构。
• 利用不同 copula 家族（高斯、t-、Clayton、Gumbel）和权重向量构建标准化多变量指数（SMI），以反映变量的重要性。

实验结果

研究问题

• RQ1 基于藤 copula 的多变量干旱指数是否能比单变量指数更准确地捕捉历史干旱事件的空间和时间范围？
• RQ2 干旱驱动因子（降水、PET、VPD、土壤湿度）之间非高斯和非对称依赖结构在多大程度上影响干旱指数的表现？
• RQ3 与 SPI 和 SPEI 相比，所提出的方法在多大程度上提升了干旱检测和严重程度分类的性能？
• RQ4 不同的变量顺序和 copula 家族如何影响最终生成的多变量干旱指数？
• RQ5 在真实世界的欧洲干旱数据中，非高斯依赖关系的假设是否得到充分支持？

主要发现

• 基于藤 copula 的多变量干旱指数（SMI）在 1990 年和 2003 年欧洲范围内的干旱事件检测中，覆盖范围大于 SPI 和 SPEI，表明对复合干旱条件具有更高的敏感性。
• 在 1990 年和 2003 年，高 PET 和 VPD 显著加剧了干旱状况，而多变量 SMI 比单变量指数更好地捕捉到了这些影响。
• 对于 1994 年、1995 年、1999 年和 2000 年，多变量指数比正常 copula 基础的 SMI^N 更为保守，表明当降水不是主要驱动因子时，对极端 PET 和 VPD 的敏感性降低。
• 多变量方法成功整合了多个干旱变量的信息，从而实现了更一致且空间上一致的干旱严重程度评估。
• 数据支持非高斯依赖关系的假设，表现为藤 copula 构造中选择了非对称 copula（如 Clayton、Gumbel）。
• 开发了 R 包 SIndices（v1.0）并公开发布，支持该方法的可重现实现，包含完整文档和通过 CRU TS v3.21 获取数据的途径。