Multihazard Scenarios for Analysis of Compound Extreme Events
Multihazard Scenarios for Analysis of Compound Extreme Events
复制标题
复合极端事件分析的多灾害情景
DOI：
10.1029/2018gl077317
复制
发表时间：
2018
影响因子：
5.2
通讯作者：
AghaKouchak, Amir
中科院分区：
文献类型：
--
作者：
Sadegh, Mojtaba;Moftakhari, Hamed;Gupta, Hoshin V.;Ragno, Elisa;Mazdiyasni, Omid;Sanders, Brett;Matthew, Richard;AghaKouchak, Amir
复合极端对应于具有多个并发或连续驱动因素的事件（例如，海洋和河流洪水、干旱和热浪），导致基础设施故障等重大影响。然而，在许多风险评估和设计应用中，忽略了极端和复合事件的多危害情景。在本文中，我们回顾了现有的多变量设计和危险情景的概念，并介绍了一种新的基于Copula的加权平均阈值情景的预期事件与多个驱动程序。该模型可用于获得多灾害设计和风险评估方案及其相应的似然度。所提出的模型提供了最有可能的复合危害使用贝叶斯推理的不确定性范围。我们发现，设计分位数的不确定性范围可能很大，并可能显着不同的Copula模型。我们还表明，边际函数和copula函数的选择可能会深刻影响多风险设计值。稳健的分析应该考虑多变量模型内部和之间的这些不确定性，这些不确定性转化为多危险设计分位数。
Compound extremes correspond to events with multiple concurrent or consecutive drivers (e.g., ocean and fluvial flooding, drought, and heat waves) leading to substantial impacts such as infrastructure failure. In many risk assessment and design applications, however, multihazard scenarios of extremes and compound events are ignored. In this paper, we review the existing multivariate design and hazard scenario concepts and introduce a novel copula‐based weighted average threshold scenario for an expected event with multiple drivers. The model can be used for obtaining multihazard design and risk assessment scenarios and their corresponding likelihoods. The proposed model offers uncertainty ranges of most likely compound hazards using Bayesian inference. We show that the uncertainty ranges of design quantiles might be large and may differ significantly from one copula model to the other. We also demonstrate that the choice of marginal and copula functions may profoundly impact the multihazard design values. A robust analysis should account for these uncertainties within and between multivariate models that translate into multihazard design quantiles.
登录
查看更多内容
寻找水文特征：数据转换对流域模型贝叶斯推理的影响
影响因子：
4.3
作者：
M. Sadegh;Morteza Shakeri Majd;Jairo E. Hernandez;A. Haghighi
通讯作者：
A. Haghighi
管理气候阈值的风险：不确定性和信息需求
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
K. Keller;G. Yohe;M. Schlesinger
通讯作者：
M. Schlesinger
重新审视平稳性范式：使用诊断、汇总指标和 DREAM(ABC) 进行假设检验
影响因子：
5.4
作者：
M. Sadegh;J. Vrugt;Chonggang Xu;E. Volpi
通讯作者：
E. Volpi
影响因子：
64.8
作者：
R. Pielke;G. Prins;S. Rayner;D. Sarewitz
通讯作者：
R. Pielke;G. Prins;S. Rayner;D. Sarewitz
影响因子：
4.6
作者：
Corbella, S.;Stretch, D. D.
通讯作者：
Stretch, D. D.