Un modello statistico che caratterizzi meglio la natura mutevole delle condizioni meteorologiche estreme su aree più vaste potrebbe aiutare gli esperti del clima a pianificare i disastri legati al clima.

Un aumento della gravità degli eventi meteorologici estremi in tutto il mondo, come siccità e inondazioni, sta creando un bisogno di informazioni che ci aiutino a pianificare meglio questi eventi estremi. Sebbene ogni giorno in tutto il mondo vengano registrati grandi volumi di dati meteorologici, l'estrazione di informazioni cruciali su eventi estremi richiede enormi requisiti di potenza di calcolo ed è limitata all'analisi in poche località.

Raphael Huser e la sua ex postdoc Daniela Castro-Camilo hanno ora sviluppato un modello statistico più efficiente dal punto di vista computazionale per affrontare questi vincoli.

"Una delle sfide principali nelle statistiche meteorologiche estreme è descrivere la relazione tra osservazioni estreme, come i cambiamenti delle precipitazioni in più località, " spiega Castro-Camilo. "Gli attuali modelli e metodi possono trattare solo un numero limitato di località contemporaneamente e non sono abbastanza flessibili da catturare tutte le diverse dinamiche che vediamo nei dati delle precipitazioni".

Per prevedere con precisione la frequenza e l'entità di un evento meteorologico estremo in un'area, Castro-Camilo e Huser si sono concentrati sulla struttura della dipendenza, che descrive quanto fortemente, e in che modo, i dati in più posizioni sono correlati tra loro.

"Man mano che gli eventi diventano più estremi, tendono anche a diventare meno dipendenti, " dice Castro-Camilo. "Questo comportamento è ben riconosciuto nei dati climatologici, ma i modelli classici di estremo valore non sono in grado di descrivere questa caratteristica. Il nostro modello può farlo".

Il modello di Castro-Camilo e Huser consente di stimare la struttura della dipendenza da ciascuna stazione di misurazione e quindi di interpolarla in modo efficiente tra le stazioni su una griglia spaziale fine utilizzando un approccio computazionale altamente parallelizzato.

"Le principali sfide in questo studio erano infatti computazionali, "dice Castro-Camilo. "Fortunatamente, abbiamo avuto accesso al supercomputer Shaheen II di KAUST, che ci ha permesso di ottenere risultati in pochi giorni anziché nei mesi che avremmo dovuto aspettare utilizzando un computer standard."

Usando il loro nuovo approccio, i ricercatori hanno analizzato gli eventi estremi nei dati sulle precipitazioni in tutti gli Stati Uniti contigui, un totale di 1218 stazioni meteorologiche e una scala senza precedenti per tale analisi. Hanno scoperto che le dinamiche che governano gli eventi di precipitazioni estreme differiscono fortemente tra le regioni, e hanno identificato abbastanza chiaramente aree specifiche dove i livelli pericolosi simultanei di precipitazioni sono più frequenti.

"Il nostro approccio può essere utilizzato anche con altri tipi di dati climatologici poiché è stato sviluppato specificamente per affrontare problemi ad alta dimensionalità che coinvolgono molte stazioni di misurazione, "dice Castro-Camilo.