基于排序子集选择与加权多模态集合的全球气候模型未来干旱表征新框架

本研究针对全球气候模型(GCM)在干旱预测中存在的排名方法不足和区域聚合异常值处理不当等问题，开发了基于互信息(MI)的模型评估框架，结合综合评级指标(CRM)和新型区域聚合技术，构建了高斯正态加权干旱指数(GNWDI)。在巴基斯坦旁遮普地区的应用表明，该方法能有效识别高性能GCM（如MIROC-ES2L、CMCC-CM2-SR5），预测显示SSP5-8.5情景下极端干旱(ED)概率达0.025（48个月尺度），为气候变化下的干旱管理提供了可靠工具。

　　

随着气候变化加剧，干旱已成为21世纪最严峻的环境挑战之一。全球气候模型(GCM)是预测未来干旱的重要工具，但其可靠性常受限于模型排名方法不完善、区域聚合异常值处理不当等问题。特别是在巴基斯坦旁遮普这样的农业核心区，1998-2002年的持续干旱已敲响警钟。传统方法如标准化降水指数(SPI)虽广泛应用，但依赖Gamma分布假设，难以捕捉复杂降水模式。更棘手的是，现有GCM评估多采用线性指标，无法识别非线性关系，导致模型选择偏差。

针对这些挑战，研究人员开发了一套创新框架，首次将互信息(MI)理论引入GCM评估体系。该研究通过五种MI方法（MRMR、JMI等）量化22个CMIP6模型的历史降水模拟能力，结合综合评级指标(CRM)建立统一排名矩阵。在区域聚合阶段，采用加权技术降低异常值影响，并构建高斯正态加权干旱指数(GNWDI)改进SPI框架。验证环节引入考虑多维度的KGE_km指标，确保评估全面性。

关键技术包括：1) 基于MI的非线性模型评估体系；2) 融合28个网格点数据的CRM排名算法；3) 抗异常值加权聚合技术；4) K-组分高斯混合模型(K-CGMM)替代传统Gamma分布；5) 多时间尺度(1-48个月)的马尔可夫链趋势分析。研究选用旁遮普28个站点1950-2014年数据验证，并预测2015-210年三种SSP情景下的干旱演变。

4.1 GCM性能评估
通过MI方法发现CMCC-CM2-SR5在MRMR、CMIM、NJMIM中均列前三，但JMI排名22位，凸显单一指标的局限性。CRM整合后该模型以0.6分居首，而TaiESM1以0.28分垫底。热图分析显示MIROC-ES2L在全区表现稳定，净强度得分达279（表2）。

4.3 MME性能比较
七种多模型集合中，LpNE相关系数达0.688，KGE_km值最优，显著优于低估降水SAFE(KGE_km=-0.38)。其零偏差和1.002的变率捕获能力（表3），使其成为区域预测最佳选择。

4.4 干旱分类创新
K-CGMM在SSP5-8.5的48个月尺度BIC值(-10574.5)远优于单变量模型(-667.32)，有效解决重尾分布问题（表4）。马尔可夫分析显示，该情景下极端干旱(ED)概率在48个月尺度升至0.025，而严重湿润(SW)概率达0.051（表5），表明气候强迫增强将导致更频繁的干湿震荡。

这项研究通过方法论创新解决了GCM评估中的关键瓶颈。MI理论的应用突破了线性假设限制，CRM整合确保排名稳健性，而K-CGMM则革新了干旱分类标准。实际应用中，框架成功预警旁遮普在高排放情景下的长期干旱风险，为制定分级应对策略提供科学依据。特别是发现SSP5-8.5下极端事件概率显著增加，凸显气候减缓的紧迫性。未来研究可扩展至多变量指数如SPEI，并结合机器学习提升计算效率，但现有成果已为全球干旱管理树立了新标杆。