A Non-Parametric Entropy-Based Approach to Detect Changes in Climate Extremes
检测气候极端事件变化的非参数熵方法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。
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：摘要直接研究去趋势后的气温极端事件变化及其非参数检测，对应结构变化方法，应用场景为气候。
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…
检测气候极端事件变化的非参数熵方法
- 研究问题
- 论文研究欧洲气温极端事件在去除长期变暖趋势后是否仍存在其他变化，并希望避免预设这些变化的参数形式。
- 方法与思路
- 作者提出针对极端事件的 Kullback–Leibler 散度非参数估计器，研究理论性质与模拟表现，并应用于欧洲站点的季节极值。
- 材料陈述的贡献
- 摘要称，论文提出新的极端事件散度估计器，并以理论、模拟及二十四个至少有九十年记录的欧洲站点数据进行研究。
- 阅读关注点
- 读全文时应核对变暖趋势的去除方法、极端事件阈值和季节划分，以及散度估计的统计校准与实际检测结果。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未报告去趋势后的检测结论、估计条件或显著性结果，气候极端事件也不能直接归为金融尾部风险。
原文摘要
Summary The paper focuses primarily on temperature extremes measured at 24 European stations with at least 90 years of data. Here, the term extremes refers to rare excesses of daily maxima and minima. As mean temperatures in this region have been warming over the last century, it is automatic that this positive shift can be detected also in extremes. After removing this warming trend, we focus on the question of determining whether other changes are still detectable in such extreme events. As we do not want to hypothesize any parametric form of such possible changes, we propose a new non-parametric estimator based on the Kullback–Leibler divergence tailored for extreme events. The properties of our estimator are studied theoretically and tested with a simulation study. Our approach is also applied to seasonal extremes of daily maxima and minima for our 24 selected stations.