Bewertung der Wirksamkeit bivariater Extremmodellierungsansätze für Mehrgefahren-Szenarien

Zusammenfassung. Die Modellierung der Wechselwirkungen zwischen mehreren Gefahren bleibt eine Herausforderung für Praktiker. Dieser Artikel konzentriert sich hauptsächlich auf die Wechselwirkungen zwischen Paaren von Gefahren. Die Wirksamkeit von sechs verschiedenen bivariaten Extremmodellen wird anhand ihrer Anpassungsfähigkeiten an 60 synthetische Datensätze bewertet. Die Eigenschaften der synthetischen Datensätze (Randverteilungen, Abhängigkeit in den Extremwerten) sind so gewählt, dass sie bivariaten Zeitreihen von Umgebungsvariablen entsprechen. Die sechs Modelle sind Copulas (eine nichtparametrisch, eine semiparametrisch, vier parametrisch). Wir erstellen 60 distinct synthetische Datensätze basierend auf unterschiedlichen Parametern von log-normalen Margen und zwei verschiedenen Copulas. Der entwickelte systematische Rahmen kontrastiert die Stärken (Modellflexibilität) und Schwächen (schlechtere Anpassungen an die Daten) der Modelle. Wir stellen fest, dass kein einzelnes Modell unsere synthetischen Daten für alle Parameter gut beschreibt, sondern vielmehr eine Reihe von Modellen, abhängig von den Eigenschaften der Daten. Um die Vorteile des entwickelten systematischen Modellierungsrahmens zu verdeutlichen, betrachten wir die folgenden Umweltdaten: (i) täglicher Niederschlag und maximale Windböen von 1971 bis 2018 in London, UK, und (ii) tägliche Durchschnittstemperatur und Anzahl der Waldbrände von 1980 bis 2005 im Bezirk Porto, Portugal. In beiden Fällen besteht eine gute Übereinstimmung in der Schätzung der bivariaten Rückkehrperioden zwischen den Modellen, die aus dem in dieser Studie entwickelten systematischen Rahmen ausgewählt wurden. Innerhalb dieses Rahmens haben wir einen Weg untersucht, um Mehrgefahrenereignisse zu modellieren und die effizientesten Modelle für einen bestimmten Satz synthetischer Daten und Gefahrensets zu identifizieren.