埃莉诺·达西;Murphy-Barltrop，Callum J.R。;枪手，罗布;艾玛·S·辛普森。 用于预测美国周边地区野火极端情况的边际建模方法。 （英语） Zbl 07685226号 极端 26，第2期，381-398（2023）. 摘要：本文详细介绍了EVA 2021会议数据挑战的方法。这项挑战的目的是预测1993年至2015年美国接壤地区野火的数量和规模，并更加重视极端事件。在所提供的数据集中，超过14%的野火数量和燃烧面积观测值缺失；数据挑战的目的是根据这些缺失观测值的分布函数估计一系列边际概率。为了实现这一预测，我们假设可以使用相邻位置的非缺失数据来通知缺失观测的边缘分布。在我们的方法中，我们为每个缺失观测值选择空间邻域，并将边缘模型拟合到这些区域的非缺失观测值。对于野火计数，我们假设编译的数据集遵循零膨胀负二项分布，而对于燃烧面积值，我们分别使用非参数和参数技术对每个编译数据集的体积和尾部进行建模。交叉验证用于选择调整参数，结果预测明显优于挑战大纲中提出的基准方法。最后，我们讨论了我们的建模框架，并评估了它可以扩展的方式。 MSC公司： 62至XX 统计 关键词：极值理论;半参数建模;野火预测 软件：加迈尔;伊斯梅夫;岩石圈 PDF格式BibTeX公司 XML格式引用 \textit{E.D'Arcy}等人，《极限26》，第2期，381--398（2023年；Zbl 07685226） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] Wong，SD；更广泛，JC；Shaheen，SA，《2017年至2019年（2020年）加州野火疏散回顾》，加州大学校长办公室技术报告：加州大学交通研究所，加州大学总统办公室技术报告 [2] Jones，M.W.，Smith，A.，Betts，R.，Canadell，J.G.，Prentice，I.C.，Le QuéRéR，C.：气候变化增加了野火的风险。科学简要回顾（2020） [3] 庄，Y。；Fu，R。；桑特，BD；迪金森，RE；Hall，A.，《量化自然变异性和人为强迫对美国西部火灾天气风险增加的贡献》，Proc。国家。阿卡德。科学。，1184512111875118（2021）·doi:10.1073/pnas.2111875118 [4] Opitz，T.：编辑：美国野火活动时空预测EVA 2021数据竞争。极端（即将出现）（2022年） [5] 科尔斯，SG；赫夫南，JE；Tawn，JA，极值分析的依赖性度量，极值，2，4，339-365（1999）·Zbl 0972.62030号 ·doi:10.1023/A：1009963131610 [6] Preisler，香港；Brillinger博士；RE布尔根；Benoit，J.，野火风险评估的概率模型，国际野火杂志，13，2，133-142（2004）·doi:10.1071/WF02061 [7] Wuebbles，D.J.，Fahey，D.W.，Hibbard，K.A.，Arnold，J.R.，DeAngelo，B.，Doherty，S.，Easterling，D.R.，Edmonds，J.，Edmonds，T.，Hall，T.等人：气候科学特别报告：第四次国家气候评估，第一卷，技术报告，美国全球变化研究计划，华盛顿特区，美国（2017年）。doi:10.7930/J0J964J6 [8] 霍尔顿，ZA；A.斯旺森。；卢斯，CH；乔利，WM；马内塔，M。；Oyler，JW；DA沃伦；帕森斯，R。；Affleck，D.，《火灾季节降雨量减少增加了近期美国西部森林野火活动》，Proc。国家。阿卡德。科学。，115, 36, 8349-8357 (2018) ·doi:10.1073/pnas.1802316115 [9] Son，R.，Kim，H.，Wang，S.-Y.，Jeong，J.-H.，Woo，S.-H.，Jeng，J.-Y.、Lee，B.-D.、Kim，S.H.、LaPlante，M.、Kwon，C.-G.、Yoon，J.-H.:（1.5℃）和（2.0℃）变暖下火灾天气气候的变化。环境。Res.Lett公司。16(3), 034058 (2021) [10] 马萨诸塞州克劳舒克；马萨诸塞州莫里茨；巴黎人，M-A；范·多恩，J。；Hayhoe，K.，《全球热地理：野火的当前和未来分布》，《公共科学图书馆·综合》，第4期，第45102页（2009年）·doi:10.1371/journal.pone.0005102 [11] Sá，ACL；特克曼，MAA；Pereira，JMC，使用位置、规模和形状（gamlss）的广义加性模型探索葡萄牙火灾发生率，模型。地球系统。环境。，4, 1, 199-220 (2018) ·doi:10.1007/s40808-017-0409-6 [12] 齐尔，右侧；宾夕法尼亚州Bieniek；美国巴特；Strader，H。；拉普，TS；York，A.，阿拉斯加自然地区火灾天气指数与MODIS火灾天数的比较，森林，11，55116（2020）·doi:10.3390/f11050516 [13] Cohen，J.D.，Deeming，J.E.：《国家火灾危险等级体系：基本方程》（1985年）。https://www.fs.usda.gov/research/treesearch/27298 [14] Koh，J。；Pimont，F。；杜佩，J-L；Opitz，T.，通过具有中等和极端标记的点过程进行时空野火建模，应用统计年鉴，17，1，560-582（2023）·Zbl 07656989号 ·doi:10.1214/22-AOAS1642 [15] 夏普尔斯，JJ；麦克雷，右舵驾驶；RO韦伯；AM吉尔，《评估火灾危险等级的简单指数》，《环境》。模型。软质。，24, 6, 764-774 (2009) ·doi:10.1016/j.envsoft.2008.11.004 [16] Richards，J.，Huser，R.：基于神经网络的极端分位数回归的统一部分解释框架。arXiv预印本：2208.07581（2022） [17] Ivek，T.，Vlah，D.：使用深度生成模型重建不完整的野火数据。极端（2023年）。doi:10.1007/s10687-022-00459-1·Zbl 07685220号 [18] Cisneros，D.，Gong，Y.，Yadav，R.，Hazra，A.，Huser，R.：用于极端野火频率和规模空间预测的统计和机器学习组合方法。极端（2023年）。doi:10.1007/s10687-022-00460-8·Zbl 07685222号 [19] Koh，J.：野火预测的极值理论梯度增强。极端（2023年）。doi:10.1007/s10687-022-00454-6·Zbl 07685221号 [20] Kelly，K。；Šavrič，B.，经纬度网格和三维网格的面积和体积计算，Trans。地理信息系统，25，1，6-24（2021）·doi:10.1111/tgis.12636 [21] 布迪奇，L。；Didenko，G。；Dormann，CF，不同大小的平方：物种分布建模中地理投影对模型参数估计的影响，Ecol。Evol.公司。，6, 1, 202-211 (2016) ·doi:10.1002/ece3.1838 [22] Hijmans，R.J.：《地球圈：球面三角测量》。(2019). R软件包版本1.5-10。https://CRAN.R-project.org/package=geosphere [23] Joseph，M.B.，Rossi，M.W.，Mietkiewicz，N.P.，Mahood，A.L.，Cattau，M.E.，St.Denis，L.A.，Nagy，R.C.，Iglesias，V.，Abatzoglou，J.T.，Balch，J.K.：利用贝叶斯有限样本最大值对野火规模极值进行时空预测。经济。申请。29(6), 01898 (2019) [24] J·理查兹。；日本Tawn；Brown，S.，使用条件方法模拟降水空间聚集的极值，Ann.Appl。统计，16，4，2693-2713（2022）·Zbl 1498.62291号 ·doi:10.1214/22-AOAS1609 [25] 巴克马，AA；de Haan，L.，《大年龄剩余寿命》，Ann.Probab。，2, 5, 792-804 (1974) ·Zbl 0295.60014号 ·doi:10.1214/aop/1176996548 [26] Pickands，J.，《使用极值顺序统计的统计推断》，《Ann.Stat.》，3，1，119-131（1975）·Zbl 0312.62038号 [27] 科尔斯，SG，《极值统计建模导论》（2001），伦敦：施普林格出版社，伦敦·Zbl 0980.62043号 ·doi:10.1007/978-1-4471-3675-0 [28] 斯蒂芬森股份有限公司；桑德斯，K。；Tafakori，L.，MELBS团队获得EVA2017使用广义极值分位数进行极端降雨量时空预测比赛的参赛资格，极值，21477-484（2018）·Zbl 1404.62134号 ·doi:10.1007/s10687-018-0321-0 [29] Wood，SN，广义加性模型：R导论（2017），博卡拉顿：CRC出版社，博卡拉顿·兹比尔1368.62004 ·doi:10.1201/9781315370279 [30] Youngman，B.D.：高阈值超标的广义加性模型，应用于美国阵风的回归水平估计。《美国统计协会期刊》114（528），1865-1879（2019）·Zbl 1428.62202号 [31] Zhang，Y。；Lim，S。；夏普尔斯，JJ，澳大利亚新南威尔士州和澳大利亚首都领地生态区野火发生模式，《自然灾害》，87，415-435（2017）·doi:10.1007/s11069-017-2770-1 [32] 罗德里格斯-佩雷斯，JR；Ordóñez，C。；Roca Pardiñas，J。；Vecín-Arias，D。；Castedo-Dorado，F.，使用空间广义可加模型评估闪电引发的火灾：西班牙中部的案例研究，风险分析。，40, 7, 1418-1437 (2020) ·doi:10.1111/risa.13488 [33] Hitz，AS；Davis，RA；Samorodnitsky，G.，《离散极值》。arXiv预印，1707，05033（2017） [34] Rokach，L.，Maimon，O.：聚类方法。摘自：《数据挖掘和知识发现手册》，第321-352页。施普林格，纽约（2005）·Zbl 1087.68029号 [35] Duane，A。；Castellnou，M。；Brotons，L.，《全面审视新型极端野火事件的全球驱动因素》，《气候变化》，165,43（2021）·文件编号：10.1007/s10584-021-03066-4 [36] Crockett，J.L.和Westerling，A.L.：更高的温度和极端降水加剧了美国西部的干旱、野火严重程度和内华达山脉的树木死亡率。J.气候。31(1), 341-354 (2018) [37] 罗德里格斯，M。；Costafreda-Aumedes，S。；科马斯，C。；Vega-Garcia，C.，野火驱动因素的空间分层，以增强大火区分区和火灾季节的定义，科学。Total Environ.公司。，689, 634-644 (2019) ·doi:10.1016/j.scitotenv.2019.06.467 [38] 罗德里格斯，M。；González-Idalgo，JC；佩纳-安古洛，D。；Jiménez-Ruano，A.，《识别西班牙大陆容易发生野火的大气环流天气类型》，农业出版社。对于。美托洛尔。，264, 92-103 (2019) ·doi:10.1016/j.agrformet.2018.10.005 [39] Rahimi，S。；谢里菲，Z。；Mastrolonardo，G.，《野火和耕作对伊朗扎格罗斯森林表土特性影响的比较研究》，《欧亚土壤科学》。，53, 1655-1668 (2020) ·doi:10.1134/S1064229320110113 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。