Die Arbeit Copula-basierte Modelle für räumlich abhängige zylindrische Daten von Francesca Labanca, Prof. Anna Gottard (DiSIA, Universität Florenz) und Prof. Nadja Klein (Methods for Big Data, SCC) hat den EnviBayes Student Paper Competition Award 2026 erhalten, der von der International Society for Bayesian Analysis (ISBA) verliehen wird.
Im Paper wird ein neuartiger statistischer Rahmen für die Modellierung zylindrischer Daten vorgestellt, der eine zirkuläre Komponente (z. B. Windrichtung) und eine lineare Komponente (z. B. Windgeschwindigkeit) bei Vorliegen komplexer räumlicher Abhängigkeiten gemeinsam modelliert. Typischerweise behandeln bestehende Copula-basierte Ansätze für zylindrische Daten die Abhängigkeitsparameter als konstant und stützen sich auf restriktive marginale Regressionsannahmen, die häufig die räumliche Autokorrelation vernachlässigen. Diese Einschränkungen verringern die Flexibilität und erlauben keine genaue Darstellung von Umweltprozessen.
Um diesen Herausforderungen zu begegnen, schlagen die Autorinnen ein strukturiertes additives Copula-Regressionsmodell vor, das zirkulär-lineare Abhängigkeit und räumliche Variabilität gemeinsam erfasst. Die zirkuläre Komponente wird durch einen wrapped Gauß-Prozess modelliert, während die lineare Komponente einem Verteilungsregressionsrahmen folgt. Durch Ausnutzung der Äquivalenz zwischen Gauß'schen und Gauß'schen Markov'schen Zufallsfeldern reduziert der Ansatz die Rechenkosten und ermöglicht gleichzeitig flexible, nichtstationäre Kovarianzstrukturen. Der Rahmen ist so konzipiert, dass er die Komplexität realer Daten, einschließlich Nicht-Stationarität und von Kovariablen abhängiger Effekte, bewältigen kann, und wird durch eine Simulationsstudie und eine Anwendung auf Winddaten des deutschen Wetterdienstes unterstützt.
Der vorgeschlagene Ansatz ermöglicht es, den Zusammenhang zwischen Windrichtung und -geschwindigkeit von Kovariablen abhängig zu machen und räumlich über Deutschland zu variieren (siehe Abbildungen).
Wir gratulieren Francesca, Anna und Nadja ganz herzlich.
Weitere Informationen: Preprint der Arbeit auf arXiv: https://arxiv.org/abs/2602.05778.
.