气候变化下干旱持续性与变异性评估的一种新型尺度自适应集合方法

《Physics and Chemistry of the Earth, Parts A/B/C》：A novel scale-adaptive ensemble approach for drought persistence and variability assessment under climate change

　　

• 开发了一种新的多尺度框架，以改进青藏高原的降水预测。
• MODWT 揭示了降水和 GCM 性能存在强烈的尺度依赖性变率。
• 提出的 SD-WMMPE 显著减少了偏差并改善了集合一致性。
• K-CGMM 更好地捕捉了偏度、重尾和多模态降水分布。
• GMSW-SPI 识别出在较高 SSP 情景下干旱持续性和严重程度呈增加趋势。

引言
气候变化是全球水文气候系统不断发生的扰乱（Falk 等，2024）。因此，改变的大气环流模式加剧了干旱事件的频率、持续时间和严重程度（Yu 等，2025）。干旱的复杂性不仅在于其时间持续性，还在于其空间异质性，这使得其准确评估成为一个持续的科学挑战（Rezaie-Balf and Chua, 2025）。因此，由于干旱具有多种重要影响，提高干旱表征的可靠性已成为气候韧性规划的关键。

干旱状况的量化依赖于干旱指数，几十年来已经开发了多种指数（Faiz 等，2021）。标准化降水指数（SPI）因其简单性、概率性和多尺度特性而得到广泛接受（Liu 等，2024）。它依赖于长期降水记录，并假设是一个具有预定概率分布的连续时间序列（Moccia 等，2022）。然而，这些要求在实际中往往变得具有限制性。观测数据集可能遭受空间覆盖范围有限、记录缺失或时间跨度短的问题，尤其是在发展中国家（Sun 等，2018）。此外，SPI 背后的概率假设通常基于单峰概率分布，如伽马分布或正态分布，这可能无法有效代表极端事件（Fotse 等，2024）。这一点在尾部行为方面尤为明显，因为尾部行为与严重的干旱和湿润过程有关（Abbas and Ali, 2024）。

全球气候模型（GCMs）在文献中被广泛用于模拟历史和未来气候轨迹（Rivera, 2024）。这些模型提供了空间连续的数据集以及在各种排放情景下众多气候指标的长期预测（Xu 等，2023）。因此，这使得 GCMs 成为干旱评估不可或缺的工具。然而，单个 GCMs 往往表现出系统性偏差和结构不确定性。这些固有的不确定性影响下游分析的可靠性（Jose 等，2022）。多模型集合（MMEs）已被广泛接受，通过结合多个 GCMs 的输出来解决这一局限性。在统计降尺度框架内，MMEs 已显示出区域尺度应用的强大潜力（Sa'adi 等，2024）。最近的研究探讨了多种加权策略以增强 MMEs 性能。这些研究包括基于机器学习的方法（Zeng 等，2024）、贝叶斯模型平均（Sun 等，2024）、因子成分分析（Yuanbin 等，2022）、指数加权移动平均（Shakeel and Ali, 2024）、分位数集合贝叶斯模型平均（QEBMA）（Jin 等，2024）、基于相对重要性的加权（Sa'adi 等，2024）、基于回归系数的加权（Wu 等，2022）和独立性加权平均（Shi 等，2024）。总体而言，这些框架在基于性能的 GCM 加权方面提供了有价值的见解。然而，大多数加权方案根据整个时间序列的汇总性能推导单个 GCM 权重。此外，它们通常依赖于平稳性等假设，这对于水文气候变量可能并不成立。因此，它们可能无法保留与时间序列时间变率相关的尺度特定信息。

降水本质上是非平稳的，表现出从短期波动到长期气候振荡的变率（Wang 等，2026）。传统 MMEs 通常根据整体性能为每个 GCM 分配单一权重，而忽略了模型在时间尺度上的技能（Wu 等，2022）。一个在捕捉长期趋势方面表现良好的 GCM 可能无法准确再现季节性或高频变化，并可能导致次优的集合构建（Manikanta and Vema, 2022）。小波变换（WT）已成为一种强大的分析工具，允许在时间和频率域同时定位（Achite 等，2023）。通过将时间序列分解为多个尺度，它识别出短期变化和长期趋势（Sarwar and Shokri, 2025）。

基于这一能力，Manikanta and Vema (2022) 引入了基于小波的多尺度多目标性能评估（WMMPE）框架，以评估不同时间尺度上的模型性能。WMMPE 使用最大重叠离散小波变换（MODWT）分解参考和模拟序列。在每一个尺度下，使用多个误差指标评估 GCMs 的性能。然后汇总这些指标以推导 GCMs 的整体性能得分。尽管 WMMPE 代表了传统指标的重大进步，但最终 MME 仍然是使用每个模型的单一汇总权重构建的。换句话说，在性能评估期间提取的尺度依赖性信息并未直接保留。

认识到这一局限性，本研究引入了其改进的 MME 形式：尺度相关小波多尺度多目标性能集合（SD-WMMPE）。SD-WMMPE 为每个 GCM 在每一个小波分解层级计算独立权重（见补充材料表 S1）。因此，保留了尺度特定技能。因此，这些尺度相关权重通过逆 MODWT 用于重建集合序列。该策略实现了 GCMs 在短期、中期和长期尺度上的差异化贡献。此外，MODWT 的使用增强了生成的时间序列的保真度，因为分解和重建过程中信息损失最小。

由于传统 SPI 依赖于单一概率分布假设，这可能无法充分捕捉降水的多模态特性。这在受多种气候驱动因素影响的地区尤为明显（Fotse 等，2024）。本研究提出了一种新的干旱指数：基于高斯混合的尺度加权标准化降水指数（GMSW-SPI），通过将尺度相关集合输出与高斯混合模型集成。通过捕捉多个模态并更好地代表极端事件，GMSW-SPI 提供了更稳健和真实的干旱状况评估。尽管我们最近的研究（Abbas 等，2026）展示了将 MODWT 与基于 MMEs 的干旱评估集成的潜力，但该框架主要利用多尺度信息来提高整体 MME 性能。本研究在几个重要方面扩展了那项工作。首先，与其从多尺度性能评估中推导单一集合贡献，提出的 SD-WMMPE 明确估计每个 MODWT 分解层级上的独立 GCM 权重，并通过逆 MODWT 重建集合。其次，该框架包括使用移动块自助法置信区间的不确定性评估以及独立时间留出验证，以评估导出的尺度相关权重的稳健性。第三，引入了 GMSW-SPI 指数以改进未来气候条件下的干旱表征。总之，将之前的框架从多尺度性能评估扩展到更全面的基于尺度相关 MMEs 的概率干旱评估。

本文其余部分组织如下：第 2 节描述了提出的方法论和方法。第 3 节描述了数据及所提研究设计的应用。第 4 节呈现结果。第 5 节提供了关于结果和该研究局限性的详细讨论。最后，第 6 节总结研究。图 1 说明了所提框架的整体工作流程。

章节摘要
提出的框架和方法
本节提供了所提框架的整体结构以及用于概率干旱评估和趋势分析的方法。

应用
所提框架应用于青藏高原（TP）地区，这是开发和评估多尺度气候框架的理想测试台。凭借其独特的水文气候特征，TP 地区被称为“亚洲水塔”，并为几个主要河流系统提供淡水。（Yousaf 等，2023）。地理上，它南起喜马拉雅山脉，北至昆仑山脉，大约位于北纬 20°至 40°和东经 75°至 95°之间。由于

母小波选择和多尺度降水模式
选择适当的母小波（MW）是确保可靠多尺度分解的关键步骤。表 1 展示了使用平均信噪比（SNR）对候选小波进行的比较。在这些 MW 中，Daubechies 4 (d4) 小波表现出最高的平均 SNR 值（307.619）。Haar (301.4647) 和 d6 (296.4812) 紧随其后。相比之下，具有较低 SNR 值的 MW（如 fk8 和 bl14）显示出相对较低的信号提取能力。在青藏高原地区，定量评估建议采用 d4 母小波

SD-WMMPE 框架的性能和启示
本研究证明了多尺度分解和尺度相关加权对于提高用于干旱评估的 MME 性能的重要性。选择 Daubechies 小波突出了选择适当的母小波以有效保留月度降水信号的重要性。水文学研究中已报道了类似发现，多分辨率分解已证明对于识别降水中的隐藏变率和长期趋势很有价值（

结论
本研究通过将多分辨率分解、尺度自适应集合加权以及基于混合的概率建模结合成一个统一方法，推进了水文气候分析的方法论框架。研究发现证实，青藏高原的降水动态本质上是多尺度的，需要定制化的建模方法。提出的 SD-WMMPE 方法显示出相对于传统 MMEs 的明显改善，特别是在变率表示和偏差

CRediT 作者贡献声明
Hussnain Abbas: 撰写 – 审查与编辑，验证，软件，方法论，形式分析，概念化。Muhammad Shakeel: 撰写 – 审查与编辑，形式分析。Zulfiqar Ali: 验证，监督，软件，方法论，数据管理，概念化。Azeem Ali: 数据管理，可视化，方法论，调查。Maysaa Elmahi Abd Elwahab: 撰写 – 审查与编辑，验证，资源，资金获取。Rizwan Niaz: 撰写 – 审查与编辑，验证，

参与同意
不适用。

发表同意
不适用。

资金声明
本研究由沙特阿拉伯利雅得诺拉公主宾特阿卜杜勒阿齐兹大学研究人员支持计划编号（PNURSP2026R913）资助。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些关系可能会影响本文中报告的工作。

致谢
作者感谢沙特阿拉伯利雅得诺拉公主宾特阿卜杜勒阿齐兹大学研究人员支持计划编号（PNURSP2026R913）的资助。

Hussnain Abbas|Muhammad Shakeel|Zulfiqar Ali|Azeem Ali|Maysaa Elmahi Abd Elwahab|Rizwan Niaz