英国极端降雨时间分布（Temporal Loading）的当前与未来趋势：基于对流解析气候模型的首次直接研究

为解决气候变化下极端降雨事件的时间分布（temporal loading）如何演变及其对洪水风险影响的关键问题，研究人员利用英国对流解析气候模型（UKCP Local）2.2 km高分辨率集合模拟，首次直接探究了未来气候情景下大不列颠地区降雨事件的时间结构变化。研究发现，尽管降雨总量和强度预计增加，但事件时间分布未呈现一致性的变化趋势，挑战了以往基于温度-降雨关系的推断。该研究强调了改进现有量化指标的必要性，对提升未来城市防洪基础设施的设计与洪水模拟的稳健性具有重要意义。

　　

在全球气候变暖的背景下，极端降雨事件正变得越来越频繁和剧烈，这已是广泛的科学共识。然而，除了关注“下了多少雨”，降雨“怎么下”——即降雨在时间上的分布 pattern，同样至关重要。一场暴雨，其雨水是均匀落下，还是集中在开头或结尾猛烈倾泻，会对地表径流、洪水形成产生截然不同的影响。这种降雨在时间维度上的分布特征，在学术上被称为“时间分布”（Temporal Loading）。它被认为是驱动水文和地貌响应的关键因素，直接影响着洪水建模、泥沙输运、污染冲刷乃至降雨诱发型滑坡的评估。有研究表明，即使总雨量不变，仅时间分布的不同就可能导致洪水深度出现高达35%的差异。因此，准确理解并预测其未来的变化，对于城市规划、基础设施设计和防洪减灾具有极端重要的意义。

尽管其重要性不言而喻，但关于气候变化将如何影响降雨事件的时间分布，我们此前所知甚少。这主要是因为传统的区域气候模型（RCMs）空间分辨率较粗，无法显式解析对降雨时间结构有关键影响的深对流过程，不得不依赖参数化方案，从而引入了很大的不确定性。以往的研究多依赖于历史观测中降雨与温度的关系来间接推断未来的可能变化，但这种方法存在明显局限，因为影响时间分布的因素远不止温度一个。近年来，随着“对流解析气候模型”（Convection-Permitting Models, CPMs）的出现，例如英国气候预测项目（UKCP）的UKCP Local（2.2公里分辨率）模型，科学家们终于拥有了能够直接探究这一问题的强大工具。这些模型无需对流参数化，能更好地模拟对流的发生、发展和消散，为研究局部强降水及其时间结构提供了前所未有的可能性。

在此背景下，由Molly Asher等人组成的研究团队在《Journal of Hydrology: Regional Studies》上发表了他们的最新研究成果。他们利用UKCP Local高分辨率集合模拟的30分钟分辨率数据，首次直接探究了英国地区在当前气候（2001-2019）和未来高排放情景（RCP8.5, 2061-2079）下，极端降雨事件时间分布的特征、空间模式及未来变化趋势。

为了开展这项研究，研究人员采用了几个关键的技术方法。首先是数据来源与处理：核心数据源于UKCP Local 2.2 km分辨率12个成员集的30分钟降雨输出。为验证模型可靠性，将其与CEH-GEAR小时格点观测数据和NIMROD雷达反演的降雨速率数据进行对比。分析被约束在全英国1291个雨量计所在的位置，通过k-d树算法将雨量计匹配到最近的模型网格点。其次是事件定义与采样：采用滚动窗口分析法，逐年逐点提取了1.5至24小时共7个持续时间下的年最大降雨事件。运用一套复杂的搜索算法（源自Villalobos Herrera et al., 2023b）来识别完整的、独立的降雨事件，并采用了空间变化的“最小事件间隔时间”（MIT）来确保事件的独立性。最终，从228个模拟年（12个成员*19年）中提取了产生年最大值的事件池。第三是时间分布量化：研究采用了两种指标来量化事件的时间结构。其一是D₅₀指标（由Visser et al. (2023)提出），它表示事件中累计达到总雨量50%的时间点，反映了降雨的“质心”。其二是五等分分类法（源自Villalobos Herrera et al. (2023a)），它将事件时长均分为五段，并识别出降雨量最大的那一段，从而将事件分类为F2（前20%）、F1（前21-40%）、C（中41-60%）、B1（后21-40%）、B2（后20%），以此表示“前倾”、“中心”或“后倾”。

研究结果丰富而细致，首先，模型验证表明UKCP Local的30分钟数据虽然存在湿偏差，但其与观测数据在强度分布上的差异在不同时间分辨率下是一致的，证明了数据用于分析时间分布的可靠性。其次，对风暴属性的分析确认，未来气候下所有持续时间的年最大事件其强度和总量均显著增加，这与预期和已有研究一致。

在风暴季节性特征方面，研究发现当前气候中，短持续时间事件（≤7小时）高度集中在夏季，而长持续时间事件（>16小时）则更多发生在秋季和冬季，且在全年的分布更广。空间上，短历时事件的平均发生日期在全国范围内变化不大（6月至9月），而长历时事件则显示出更大的空间变异性（7月至次年1月），南部和西部沿海以及苏格兰地区的年最大值往往发生得更晚。在未来气候下，一个显著的趋势是年最大值事件整体倾向于在一年中更晚的时间发生，且其季节性集中程度有所降低，即夏季事件比例下降，春秋季事件比例上升。

关于事件时间分布的分析是本研究的核心。研究发现，事件的时间分布强烈依赖于其持续时间。在当前气候下，短持续时间事件倾向于前倾（Front-loaded），近一半的事件被分类为F1或F2；而中等持续时间事件（7-16小时）则更多地表现为后倾（Back-loaded）；长持续时间事件中，高度不对称（F2/B2）的事件较少，分布更为均匀，但仍略为前倾。两种分类方法（D₅₀和五等分）均支持这一总体结论，但也揭示出指标选择对结论的影响：五等分法会识别出更多高度不对称的事件，而D₅₀指标则倾向于给出更居中、更少极端不对称的结果。空间上，时间分布也存在明显模式。对于中长持续时间事件，高度后倾（B2）事件在英格兰中部和南部比例更高，而在苏格兰、威尔士及西南沿海地区比例较低。高度前倾（F2）事件也略有类似空间 pattern，但更居中的类别（F1, C, B1）则呈现出相反的空间分布。

最重要的发现来自于未来变化的分析。研究结果表明，无论是使用D₅₀指标还是五等分分类法，从全国整体来看，未来气候下极端降雨事件的时间分布没有呈现出一致的、显著的变化趋势。这一发现挑战了先前基于历史温度-降雨关系所做出的推断——例如一些研究认为升温会导致降雨更集中于事件前期（更前倾）。本研究认为，这种差异可能源于英国（温带地区）与之前研究的热带地区在风暴生成机制上的根本不同。

此外，研究还探讨了事件时间分布与其发生时间（一年中的某日）之间的关系。发现在当前气候下，夏季发生的事件其时间分布类型更多样，而冬春季节的事件则更倾向于呈现居中分布。事件发生日期与时间分布类别（如F2比例）在空间上存在显著的相关性，发生日期较晚的地点，其高度前倾事件的比例往往较低。然而，在未来的气候情景下，这种关联性有所减弱。

在结论与讨论部分，研究者总结了本研究的核心发现：UKCP Local模型能够真实再现英国地区观测到的降雨时间分布特征；时间分布存在明显的持续时间和空间依赖性；最重要的是，在未来气候下，没有证据表明年会最大事件的时间分布会发生一致的、方向性的变化。这强调了在温带地区，不能简单地套用基于热带地区研究得出的温度-时间分布关系来预测未来。

研究者深入探讨了其发现的重要意义和背后的可能原因。未来风暴季节性的变化（最大值更晚发生）可能源于两个过程：对流季节向秋季的延伸，或秋冬季锋面降雨事件的强化。这意味着未来驱动年最大值的事件类型可能正在发生变化，从而模糊了时间分布的变化信号。本研究另一个重要贡献是指出了现有时间分布量化指标的局限性。D₅₀指标融合了不对称性和峰值强度，而五等分法则只关注峰值位置而忽略了整体分布。它们都无法独立地量化事件不对称性、峰值强度和时间这些关键维度。因此，开发更精密、更具解析力的新指标对于未来研究至关重要。

最终，这项研究强调，为了提升未来城市洪水风险评估和基础设施设计的韧性，洪水建模方法必须与时俱进。它呼吁在未来的气候情景下，不仅要考虑设计暴雨量的增长，还要考虑风暴时间结构可能存在的复杂变化，并需要开发更能捕捉其物理本质的量化工具和设计暴雨过程线（hyetograph），从而确保我们的城市在变化的气候中依然安全。