A Bayesian hierarchical spatio-temporal model for extreme temperatures in Extremadura (Spain) simulated by a Regional Climate Model

Abstract

Se ha realizado un estudio estadístico de la tendencia temporal de las temperaturas extremas en la región de Extremadura (España) durante el periodo 1981-2015 utilizando un Modelo Climático Regional. Para ello, se ha obtenido un conjunto de datos de temperaturas extremas del Modelo Climático Regional (WRF). Regional Climate Model (WRF). Este conjunto de datos se sometió a un estudio estadístico utilizando un modelo Bayesiano jerárquico espacio-temporal con una parametrización de Valor Extremo Generalizado (GEV) de los datos extremos. El modelo bayesiano El modelo bayesiano se implementó en un marco de Monte Carlo con cadena de Markov que permite que la distribución posterior de los parámetros que intervienen en el modelo. Se consideró el papel de la dependencia de la temperatura de la altitud en el modelo propuesto. Los resultados para el parámetro de tendencia espacial dan confianza al modelo ya que son consistentes con el gradiente adiabático seco. Además, el modelo estadístico mostró una ligera tendencia negativa para el parámetro de localización. Este resultado inesperado puede deberse a las incertidumbres internas y de modelización del modelo WRF. El parámetro de forma fue negativo, lo que significa que existe un límite superior para las temperaturas extremas en el modelo

A statistical study was made of the temporal trend in extreme temperatures in the region of Extremadura (Spain) during the period 1981–2015 using a Regional Climate Model. For this purpose, a Weather Research and Forecasting (WRF) Regional Climate Model extreme temperature dataset was obtained. This dataset was then subjected to a statistical study using a Bayesian hierarchical spatio-temporal model with a Generalized Extreme Value (GEV) parametrization of the extreme data. The Bayesian model was implemented in a Markov chain Monte Carlo framework that allows the posterior distribution of the parameters that intervene in the model to be estimated. The role of the altitude dependence of the temperature was considered in the proposed model. The results for the spatial-trend parameter lend confidence to the model since they are consistent with the dry adiabatic gradient. Furthermore, the statistical model showed a slight negative trend for the location parameter. This unexpected result may be due to the internal and modeling uncertainties in the WRF model. The shape parameter was negative, meaning that there is an upper bound for extreme temperatures in the model.