To investigate the relationship between flood gage height and precipitation in South Carolina from 2012 to 2016, we built a conditional autoregressive (CAR) model using a Bayesian hierarchical framework. This approach allows the modelling of the main spatio-temporal properties of water height dynamics over multiple locations, accounting for the effect of river network, geomorphology, and forcing rainfall. In this respect, a proximity matrix based on watershed information was used to capture the spatial structure of gage height measurements in and around South Carolina. The temporal structure was handled by a first-order autoregressive term in the model. Several covariates, including the elevation of the sites and effects of seasonality, were examined, along with daily rainfall amount. A non-normal error structure was used to account for the heavy-tailed distribution of maximum gage heights. The proposed model captured some key features of the flood process such as seasonality and a stronger association between precipitation and flooding during summer season. The model is able to forecast short term flood gage height which is crucial for informed emergency decision. As a byproduct, we also developed a Python library to retrieve and handle environmental data provided by some main agencies in the United States. This library can be of general usefulness for studies requiring rainfall, flow, and geomorphological information over specific areas of the conterminous US.

中文翻译：

---

南卡罗来纳州洪水数据的时空分析

为了调查2012年至2016年南卡罗来纳州洪水高度与降水之间的关系，我们使用贝叶斯分级框架建立了条件自回归（CAR）模型。这种方法可以对多个位置的水位动力学的主要时空特性进行建模，从而考虑到河网，地貌和强迫降雨的影响。在这方面，基于分水岭信息的邻近度矩阵用于捕获南卡罗来纳州及其周边地区的轨距高度测量值的空间结构。时间结构由模型中的一阶自回归项处理。研究了几个协变量，包括地点的高低和季节的影响，以及日降雨量。非正态误差结构用于解释最大量规高度的重尾分布。所提出的模型捕获了洪水过程的一些关键特征，例如季节性以及夏季降水与洪水之间的较强关联。该模型能够预测短期洪水高度，这对于做出明智的紧急决策至关重要。作为副产品，我们还开发了Python库来检索和处理美国一些主要机构提供的环境数据。对于需要在美国本土特定地区进行降雨，流量和地貌信息的研究，该库可能具有一般用途。所提出的模型捕获了洪水过程的一些关键特征，例如季节性以及夏季降水与洪水之间的较强关联。该模型能够预测短期洪水高度，这对于做出明智的紧急决策至关重要。作为副产品，我们还开发了Python库来检索和处理美国一些主要机构提供的环境数据。对于需要在美国本土特定地区进行降雨，流量和地貌信息的研究，该库可能具有一般用途。所提出的模型捕获了洪水过程的一些关键特征，例如季节性以及夏季降水与洪水之间的较强关联。该模型能够预测短期洪水高度，这对于做出明智的紧急决策至关重要。作为副产品，我们还开发了Python库来检索和处理美国一些主要机构提供的环境数据。对于需要在美国本土特定地区进行降雨，流量和地貌信息的研究，该库可能具有一般用途。我们还开发了Python库来检索和处理美国一些主要机构提供的环境数据。对于需要在美国本土特定地区进行降雨，流量和地貌信息的研究，该库可能具有一般用途。我们还开发了Python库来检索和处理美国一些主要机构提供的环境数据。对于需要在美国本土特定地区进行降雨，流量和地貌信息的研究，该库可能具有一般用途。