The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

A Hierarchical Bayesian Modeling of Temporal Trends in Return Levels for Extreme Precipitations

한국지역 집중호우에 대한 반환주기의 베이지안 모형 분석

  • Kim, Yongku (Department of Statistics, Kyungpook National University)
  • Received : 2015.02.10
  • Accepted : 2015.03.12
  • Published : 2015.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

Flood planning needs to recognize trends for extreme precipitation events. Especially, the r-year return level is a common measure for extreme events. In this paper, we present a nonstationary temporal model for precipitation return levels using a hierarchical Bayesian modeling. For intensity, we model annual maximum daily precipitation measured in Korea with a generalized extreme value (GEV). The temporal dependence among the return levels is incorporated to the model for GEV model parameters and a linear model with autoregressive error terms. We apply the proposed model to precipitation data collected from various stations in Korea from 1973 to 2011.

본 논문에서는 비정상 극치 강수 자료에 대해 계층적 베이지안 모형을 적용하여 시간에 따른 모수의 변화를 추정하며, 미래 확률 강수량에 대한 극단값 분포를 예측하고 더 나아가 반환기간에 대한 경향과 예측 값을 얻고자 한다. 이전의 고전적 통계 방법을 통한 강수 자료의 모수 추정연구의 경우, 자료의 정상성 가정 하에 고정된 모수를 추정하는 방법으로, 최근 나타난 비정상 강수 사상과 같이 강수량이 가지는 분포의 모수적 변화가 예상되는 경우 해석상 문제가 발생한다. 이러한 문제점을 해결하기 위해 모형의 관심모수에 시간에 따른 자기 상관 선형 회귀 함수를 적합한 계층적 베이지안 모형을 고려한다. 제안된 모형의 효율성을 확인하기 위해서 1973년부터 2011년까지 39년 동안의 우리나라 여러지역의 기상 관측소에서 관측된 일일 강우량 자료가 사용하여 대표적인 극단값 분포인 Generalized Extreme Value(GEV) 분포에 적합시키고, 계층적 베이지안 모형을 이용하여 이들 분포의 모수들에 자기상관 시간모형을 소개한 후 우리나라 여러지역에 대한 반환기간에 대한 시간에 따른 경향을 확인하였다.

Keywords

References

  1. Casson, E. and Coles, S. (1999). Spatial regression models for extremes, Extremes, 1, 449-468. https://doi.org/10.1023/A:1009931222386
  2. Coles, S. G. (2001). An Introduction to Statistical Modeling of Extreme Values, Springer-Verlag, London.
  3. Coles, S., Heffernan, J. and Tawn, J. (1999). Dependence measures for extreme value analysis, Extremes, 2, 339-365. https://doi.org/10.1023/A:1009963131610
  4. Cooley, D., Naveau, P., Jomelli, V., Rabatel, A. and Grancher, D. (2006). A Bayesian hierarchical extreme value model for lichenometry, Environmetrics, 17, 555-574. https://doi.org/10.1002/env.764
  5. Cooley, D., Nychka, D. and Naveau, P. (2007). Bayesian spatial modeling of extreme precipitation return levels, Journal of the American Statistical Association, 102, 824-840. https://doi.org/10.1198/016214506000000780
  6. Cunderlik, J. M., Burn, D. H., Posbherg, D., Robinson, B. A. and Zyvoloski, G. A. (2008). Generalized likelihood uncertainty estimation(GLUE) using adaptive Markov Chain, Journal of Hydrology, 276, 210-223.
  7. de Haan, L. (1985). Extremes in Higher Dimensions: The Model and Some Statistics, In Proceedings of the 45th Session of the International Statistical Institute.
  8. Embrechts, P., Kluppelberg, C. and Mikosch, T. (1997). Modelling Extremal Events for Insurance and Fi-nance, Springer-Verlag, Berlin.
  9. Heffernan, J. E. and Tawn, J. A. (2004). A conditional approach for multivariate extreme values, Journal of the Royal Statistical Society, Series B, 66, 497-546. https://doi.org/10.1111/j.1467-9868.2004.02050.x
  10. Jang, S. W., Seo, L., Kim, T. W. and Ahn, J. H. (2011). Non-stationary rainfall frequency analysis based on residual analysis, Journal of the Korean Society of Civil Engineers, 31, 449-457
  11. Lee, J. J. (2010). Assessment of Non-Stationarity in Precipitation and Development of Nonstationary Frequency Analysis, Ph.D Thesis, Chonbuk National University. REVSTAT - Statistical Journal, 4, 81-109.
  12. Schlather, M. and Tawn, J. (2003). A dependence measure for multivariate and spatial extreme values: Properties and inference, Biometrika, 90, 139-156. https://doi.org/10.1093/biomet/90.1.139
  13. Strupczewski, W. G., Singh, V. P. and Mitosek, H. T. (2001). Non-stationary approach to at-site flood frequency modeling III: Flood analysis of Polish rivers, Journal of Hydrology, 248, 152-167. https://doi.org/10.1016/S0022-1694(01)00399-7

Cited by

  1. Vulnerability assessment of forest landslide risk using GIS adaptation to climate change vol.12, pp.4, 2016, https://doi.org/10.1080/21580103.2016.1189853
  2. The estimation of CO concentration in Daegu-Gyeongbuk area using GEV distribution vol.27, pp.4, 2016, https://doi.org/10.7465/jkdi.2016.27.4.1001
  3. Analysis of the distribution of assimilation products and the characteristics of transcriptomes in rice by submergence during the ripening stage vol.20, pp.1, 2019, https://doi.org/10.1186/s12864-018-5320-7