Spatial-Temporal Extreme Modeling for Point-to-Area Random Effects (PARE)
点到区域随机效应的时空极值建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以点位时间序列为核心信息开展时空极值建模与尺度转换。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
点到区域随机效应的时空极值建模
- 研究问题
- 当核心观测来自分散测站的时间序列时，如何将点位极端降雨信息转换为区域尺度的时空极值描述，以服务区域风险研究？
- 方法与思路
- 作者提出点到区域随机效应建模策略，利用区域内点位时间序列刻画面域尺度的时空极值及空间尺度转换。
- 材料陈述的贡献
- 摘要提出面向区域极值的 PARE 建模思路，回应测站观测尺度与水文区域、社区政策尺度之间的信息衔接需求。
- 阅读关注点
- 核对点到区域的聚合定义、极值分布及随机效应结构、时空依赖的处理，以及测站覆盖不足时的不确定性估计。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已通过同行评审或被期刊接收；摘要未说明模型方程、估计方法或实证验证结果。
原文摘要
One measurement modality for rainfall is a fixed location rain gauge. However, extreme rainfall, flooding, and other climate extremes often occur at larger spatial scales and affect more than one location in a community. For example, in 2017 Hurricane Harvey impacted all of Houston and the surrounding region causing widespread flooding. Flood risk modeling requires understanding of rainfall for hydrologic regions, which may contain one or more rain gauges. Further, policy changes to address the risks and damages of natural hazards such as severe flooding are usually made at the community/neighborhood level or higher geo-spatial scale. Therefore, spatial-temporal methods which convert results from one spatial scale to another are especially useful in applications for evolving environmental extremes. We develop a point-to-area random effects (PARE) modeling strategy for understanding spatial-temporal extreme values at the areal level, when the core information are time series at point locations distributed over the region.