基于温度变化的次日内降雨场形态转换模型预测极端降雨事件未来变化

这篇研究提出了一种基于伽马分布的空间分位数映射（GSQM）方法，结合随机风暴平移（SST）技术，通过温度协变量调整观测降雨场，高效预测未来极端降雨的时空变化。以北京为例，该方法揭示了1°C升温下小时极端降雨强度将增加4%且空间集中化的趋势，为区域洪涝风险评估提供了物理依据明确的创新工具。

　　

引言：极端降雨的气候挑战

极端降雨是引发洪涝、侵蚀和滑坡的主要诱因，传统上通过强度-历时-频率曲线（IDF）量化其风险。随着全球变暖，次日内极端降雨的增强（约7%°C^-1的克劳修斯-克拉珀龙关系）和空间结构改变（如面积收缩或空间异质性增加）成为研究焦点。然而，高分辨率气候模型（CPM）的计算成本限制了其广泛应用，亟需开发替代方法。

GSQM方法：温度驱动的降雨场形态转换

研究团队开发的伽马分布空间分位数映射（GSQM）方法，通过量化降雨场四个关键属性与温度的关联实现形态转换：

1. 平均区域降雨量（MAR）：强度随温度升高呈正相关，高强度降雨（>75分位数）增幅达3.6%°C^-1；

2. 湿润面积比（WAR）：普遍呈现负相关（-1.5%°C^-1），表明降雨范围收缩；

3. 空间变异系数（CV）：正相关（0.2%~2%°C^-1）反映降雨空间异质性增强；

4. 99分位数降雨强度（P₉₉）：用于校准极端值尾部形态。

该方法通过Gamma分布拟合观测降雨场，调整分位数值后逆向生成未来降雨场（图2示例），在3°C升温情景下成功复现了预期强度增长（12%）和空间集中化特征。

北京案例：从观测到未来预测

基于22年1公里分辨率CMORPH降雨数据和ERA5温度数据，研究发现：

• 降雨-温度关系：北京地区极端降雨（>75分位数）呈现显著正缩放（3.6%°C^-1），而低强度降雨（<50分位数）无显著变化（图5）；

• 空间模式转变：未来降雨场趋向“更强、更小、更不均匀”，如3°C升温下99分位数降雨场MAR增加12%，WAR减少3%（图6）；

• IDF曲线更新：结合SST生成的300年合成降雨序列显示，1°C/3°C/5°C升温对应2~100年重现期降雨强度平均增加4%/10%/17%（图8）。

讨论与展望

方法优势：GSQM-SST框架避免了CPM的高计算成本，直接利用观测数据生成物理依据明确的预测，且兼容不同边际分布（如对数正态分布）。局限性包括：

• 仅考虑热力学效应，未纳入大气环流等动力因素；

• 单网格极端值校准存在不确定性（图9）；

• 未来可整合风暴移动速度、城市化影响等变量。

该框架为区域洪水风险评估提供了灵活工具，尤其适用于数据有限地区。后续研究可通过耦合分布式水文模型，进一步评估降雨空间模式变化对流域水文响应的影响。