Spatial compound events in a network framework

One of the most challenging expressions of atmospheric circulation is compound events. They are characterized by one or multiple dependent variables that merge and cause extreme impact. One way in which this can be declined is spatial dependence. The thesis aims to analyze the spatial dependence between binary time series of precipitation at a continental scale. So the dissertation is on two main topics. The first is to find a measure of dependence between binary variables that can account for the temporal autocorrelation implicit in binary precipitation series and that can characterize the combination of states in which dependency is present. The second is to analyse the structure of spatial dependence using complex network theory. We answered the first question by proposing two methods that consider the precise characterization of dependence, the temporal autocorrelation, and the significance of the results. The first method compares the joint probability with the product of the probabilities of the four possible state combinations and applies an independence test. The second method estimates a threshold of the interest factor. This brings many advantages in studying the dependence of only one combination of states over the Phi correlation coefficient. The threshold on the interest factor is used to design the extreme precipitation network in Europe and in the Mediterranean area. Network analyses are carried out to understand the topological structure and its relation with the climate areas. Moreover, the European network is compared with a spatial null model to understand the nature of the spatial dependence (due to distance or due to synoptic circulation). The analysis suggests that the type of dependence created in the synoptic-scale territory is an overlap between dependence due to proximity and dependence due to more complex phenomena, which are unexpected. The dependence on distance is not relevant. These results give insight into how the tool of network science can be really useful in understanding complex phenomena such as compound events.

Una delle espressioni più complesse della circolazione atmosferica sono gli eventi composti, i quali sono caratterizzati da una o più variabili dipendenti che si uniscono e causano un impatto estremo. Un modo in cui questo può essere declinato è la dipendenza spaziale. La tesi si propone di analizzare la dipendenza spaziale tra serie temporali binarie di precipitazione a scala continentale. La tesi verte quindi su due argomenti principali. Il primo è quello di trovare una misura di dipendenza tra variabili binarie che possa rendere conto dell'autocorrelazione temporale implicita nelle serie binarie di precipitazione e che possa caratterizzare la combinazione di stati in cui la dipendenza è presente. La seconda è analizzare la struttura della dipendenza spaziale utilizzando la teoria delle reti complesse. Abbiamo risposto alla prima domanda proponendo due metodi che considerano la caratterizzazione precisa della dipendenza, l'autocorrelazione temporale e la significatività dei risultati. Il primo metodo confronta la probabilità congiunta con il prodotto delle probabilità delle quattro possibili combinazioni di stati e applica un test di indipendenza. Il secondo metodo stima una soglia del fattore di interesse. Questo metodo offre molti vantaggi nello studio della dipendenza di una sola combinazione di stati rispetto al coefficiente di correlazione Phi. La soglia del fattore di interesse viene utilizzata per progettare la rete delle precipitazioni estreme in Europa e nell'area del Mediterraneo. Vengono effettuate analisi della rete per comprendere la struttura topologica e la sua relazione con le aree climatiche. Inoltre, la rete europea viene confrontata con un modello spaziale nullo per comprendere la natura della dipendenza spaziale (dovuta alla distanza o alla circolazione sinottica). L'analisi suggerisce che il tipo di dipendenza che si crea nel territorio a scala sinottica è una sovrapposizione tra la dipendenza dovuta alla vicinanza e la dipendenza dovuta a fenomeni più complessi, che sono inaspettati. La dipendenza dalla distanza non è rilevante. Questi risultati mostrano come lo strumento della scienza delle reti possa essere davvero utile per comprendere fenomeni complessi come gli eventi composti.