地中海高频极端海平面振荡的天气指数模型重建与预测研究

本研究针对地中海地区非地震海啸时间尺度极端海平面振荡(NSLOTTs)的预测难题，构建了基于天气指数的预测模型。通过整合7种天气变量和32个潮位站数据，研究发现模型对极端事件的预测成功率略高于检测率，其中亚得里亚海东部站点表现最佳。该成果为海岸灾害预警和未来气候情景下NSLOTT事件预测提供了新工具。

　　

地中海地区以其复杂的海岸地形和独特的天气模式闻名，这里频繁发生的非地震海啸时间尺度海平面振荡(NSLOTTs)可贡献高达50%的总海平面变化范围。这类事件中极端表现被称为"气象海啸"(meteotsunamis)，由快速移动的大气扰动通过Proudman或Greenspan共振机制引发，常伴随雷暴、飑线等天气现象。尽管地中海拥有悠久的潮位监测传统，但现有预警系统仍依赖经验性天气模式判断，缺乏量化预测工具。

为突破这一瓶颈，研究人员开发了基于天气指数的预测模型。该研究利用地中海32个潮位站的高频海平面数据(MISELA数据集)和ERA5等再分析资料，通过百分位数阈值定义极端事件，将时间序列分为训练集和测试集。模型整合了7个关键天气变量，包括中层大气风速、相对湿度垂直廓线等，采用线性组合方式构建站点特异性指数。

主要技术方法包括：1) 基于百分位数的极端事件定义；2) 多变量逐步回归的天气指数构建；3) 采用"良好预测"(good forecast)和"良好检测"(good detection)双指标评估模型性能；4) 通过改变再分析资料、时间分辨率等7种敏感性测试验证模型稳健性。

研究结果显示，基线模型与NSLOTTs的相关系数介于0.45-0.74之间，呈现明显区域差异。亚得里亚海东部站点(如Stari Grad)表现最佳，相关系数达0.74。模型预测成功率(中位数29.4%)普遍高于检测率(27.3%)，表明其更擅长避免误报而非漏报。值得注意的是，仅使用两个中层大气变量的简化模型性能显著下降，证实多变量协同作用的必要性。

敏感性分析揭示多个重要发现：不同再分析资料(ERA5/ERA-I/NCEP)对结果影响有限，说明天气尺度模式具有重现性；时间分辨率降至24小时仍保持较好性能，增强了业务应用可行性；数据缺失率高达50%时模型仍稳健，体现了算法容错能力。区域对比显示，亚得里亚海东部站点平均表现最优，而西西里区域站点相对较差，可能与地形强迫波传播机制有关。

讨论部分指出，该模型突破了传统预警系统对中尺度过程模拟的依赖，首次实现了基于天气尺度变量的量化预测。特别值得注意的是，西北朝向港湾的站点预测准确率是其他方位的两倍，这为站点选址提供了科学依据。虽然模型对极端事件存在平均11.7 cm的低估倾向，但通过调整检测阈值可有效改善性能。

这项发表于《Weather and Climate Extremes》的研究具有双重意义：在应用层面，为业务化预警系统开发提供了可扩展的算法框架；在科学层面，证实天气尺度模式与极端海平面振荡的稳定关联，为气候变暖情景下的灾害预测奠定基础。未来可通过引入机器学习算法和分级预警指标进一步优化模型，推动地中海沿岸社区的气候适应能力建设。