印度降雨变率的遥相关分析

《Physics and Chemistry of the Earth, Parts A/B/C》：Teleconnection analysis of climate processes on rainfall variability across India

　　

•DTR在全部九个气候区均表现出最强的滞后-0月降雨相关性。
•去季节性处理大幅削弱了DTR的振荡滞后模式。
•LTA相干性不同于DTR，且在不同气候区和时间尺度上存在差异。
•ENSO与IOD的关联总体上较弱、存在延迟，且在时间上非平稳。
•低VIF与FDR校正有助于阐明关联的稳健性。

**引言**

降雨是水循环中最关键的组成部分，在季风主导的地区如印度尤为重要，它决定着水资源供应、农业生产力和超过十亿人口的生计（Gnanaseelan等，2020；Turner和Annamalai，2012）。印度夏季季风（6月至9月）贡献了全国年降雨量的约75%–80%（Pai等，2014），但降雨在印度多样的气候区之间表现出强烈的时空异质性。这种变异性导致反复发生的洪涝和干旱，造成巨大的社会经济损失，影响农业、水资源和基础设施（Das等，2020；Roxy等，2017）。南亚的降雨特征也表现出与对比鲜明的气候模式和地形条件相关的显著季节和空间变异性（Arshad等，2021）。近年来南亚的研究进一步强调了整合降水量、温度相关条件和多种水气候指标对于刻画区域干旱和气候变异性的重要性（Benny等，2024；Shahzaman等，2021a, 2021b）。

极端降雨事件——定义为超过高百分位阈值（例如第95百分位）的降水量——日益受到关注，因为它们是造成洪水、土壤侵蚀和基础设施损毁的主要原因（Agilan等，2021；Sun等，2015）。气候变化探测与指标专家组（ETCCDI）已标准化了极端降水指标，以促进全球比较研究（Karl等，1999；Zhang等，2011）。在印度，过去几十年来印度中部的极端降雨事件增加了三倍（Roxy等，2017），这凸显了在不同气候模式下理解其驱动机制的紧迫需求。

柯本气候分类系统最初由Wladimir K?ppen于1900年提出，后经Beck等（2018）和Kottek等（2006）更新。印度涵盖了九个不同的柯本气候区——从南部和西海岸的热带季风气候（Am）和热带草原气候（Aw），到西北部的干旱沙漠气候（BWh）和半干旱草原气候（BSh），北部和东北部的温带气候（Cwa、Cwb），以及喜马拉雅地区的极地气候（ET）（Chen和Chen，2013）。这种气候多样性使印度成为研究遥相关在不同气候模式下的差异表现的理想天然实验室。

大尺度气候振荡与印度降雨变异性显著相关。厄尔尼诺-南方涛动（ENSO）是最主要的遥相关，通常在厄尔尼诺年抑制夏季季风降雨，在拉尼娜年增强季风降雨（Kumar等，1999；Roy等，2019；Yadav等，2013）。然而，由于印度洋偶极子（IOD）等其他模式的出现，这种关系在近年来有所减弱（Ashok等，2001；Behera和Ratnam，2018）。正IOD事件倾向于增强季风降雨，往往抵消了ENSO引起的降雨亏缺（Ashok等，2004）。太平洋十年涛动（PDO）和大西洋年代际振荡（AMO）也在年代际时间尺度上影响印度降水（Goswami等，2006；Krishnamurthy和Krishnamurthy，2014）。

除了远程遥相关之外，温度相关指标也能够表征区域水气候条件。本地温度距平（LTA）和日较差（DTR）与降雨相关，但它们也可对云量、辐射和土壤湿度作出响应（Dai等，1999；Rose等，2026；Vinod和Mahesha，2024a, 2024b, 2025a, 2025b, 2026）。它们与降雨的同步关系需要与经过独立验证的领先信号进行不同的解读。Nair等（2018）考察了本地和全球气候与印度区域降雨异质性的关联。

在方法上，小波相干分析已成为检测气候指数与降水之间非平稳、时频关系的一种有力工具（Das等，2020；Geremew等，2026；Rathinasamy等，2019）。已有研究在印度各地区应用了这一方法，揭示遥相关的影响具有尺度依赖性且时间上不稳定（Kurths等，2019）。多滞后偏相关分析也被用于识别延迟效应与同步效应（Johny等，2022；Sardana等，2022）。

柯本气候分类已被广泛用于水气候研究中的气候区分层（Beck等，2018；Chen和Chen，2013）。Vinod和Mahesha（2024b）评估了印度七个气候区的ETCCDI指标，发现拉达克地区（干旱沙漠-寒冷型）的极端降雨指标呈显著上升趋势，且不同气候区对遥相关的响应存在差异。类似地，Yaduvanshi等（2021）利用CMIP5模型预测了不同增温水平下九个气候区温度和降雨极端的未来变化。

尽管已有大量进展，但在理解印度降雨变异性方面仍存在若干空白。现有研究通常分别考察月总降雨量（TMR）或极端降雨指标，对同一气候过程如何同时影响这两种指标在所有日历月份上的系统比较有限。虽然ENSO和印度洋偶极子（IOD）对印度降雨的影响已有充分记录（Sardana等，2022；Yadav等，2013），GTA也作为大尺度温度指标进行了考察，但在分区域框架内将耦合的海洋-大气遥相关与温度相关指标进行对比时，LTA和DTR的共同作用仍未得到充分研究。以往的工作也往往将远程海洋指数和区域温度指标分开考虑，而非在印度九个柯本气候区内比较它们的条件关联。

另一项局限性涉及统计方法的综合使用。滞后偏相关可以量化同步和延迟的条件关联，而小波相干可以在时频域中识别非平稳关系。然而，这些方法很少被系统地整合以在对比鲜明的气候区中比较远程遥相关与区域温度指标。同样，以0.25°分辨率进行网格级EMR和TMR计算，再进行分区平均，为评估观测到的关系在4641个IMD降雨网格上是否具有稳健性提供了机会。DTR的作用也需要谨慎解读，因为它反映了云量、辐射、地表能量平衡和土壤湿度的变化，因此可能通过耦合的温度-降雨过程与降雨相关联。

TMR和EMR的联合比较之所以重要，是因为月总累积量和由高强度日贡献的降雨可能与气候指标不存在相同的统计关系。Ni?o 3.4和DMI代表耦合的海洋-大气变异性，GTA代表全球温度变异性，LTA和DTR代表区域温度条件。同时考察这五个指标可以使得每个关联在其余预测变量条件下进行估计。同时，共同的季节性、预测变量依赖性、温度-降雨关系以及温度数据的插值都可能影响估计到的关系。这些问题促使对季节性调整、预测变量依赖性、温度网格插值以及EMR和TMR的构建进行明确的敏感性分析。

本研究对1951–2024年间印度九个柯本气候区的TMR和EMR与远程遥相关及区域温度指标的关系进行了综合评估。研究结合了0.25°分辨率的网格级降雨计算、分区平均、0–12月滞后的偏相关以及Morlet小波相干。分析旨在回答三个问题：(1) 五个气候指标与TMR和EMR的条件关联的幅度和符号在不同气候指标和气候区之间如何变化；(2) 哪些关系是同步的、延迟的或在时间和频率上局域化的；(3) 结果对季节性调整、预测变量依赖性和温度网格插值有多敏感。结果应解读为统计关联，不构成因果归因，也不证明预报技巧。

**节选片段**

**研究区域与数据描述**

印度面积约328.7万平方公里，纬度从北纬8°4′到北纬37°6′，经度从东经68°7′到东经97°25′（Singh等，2021）。西南季风（6月至9月）提供了超过75%的年降雨量，在一个以农业为主要经济支柱的国家，降雨和温度极端的时空行为对水资源管理、农业规划和气候适应具有直接意义（Das等，2020）。

**柯本-盖格分类**

**滞后偏相关**

偏相关估计在控制其余四个指数后，某个选定指数与降雨之间的线性关联。从概念上讲，它关联的是将指数-降雨对中每个成员对同一组控制变量进行回归后所得残差。包含全部五个指数并不意味着假设它们是独立的或同等重要的，也不建立因果关系（Adeyeri等，2022；Ashok等，2007）。所得系数描述的是条件……

**对温度插值的敏感性**

在汇总比较中，原生网格与插值序列高度一致（图2a和b）：LTA的r=0.996，RMSE=0.068 °C，MAE=0.037 °C；DTR的r=0.999，RMSE=0.113 °C，MAE=0.082 °C。分区差异则不那么一致（图2c）：LTA的RMSE在BWk区最大，约为0.17 °C；DTR的RMSE在Am-2区最大，约为0.23 °C。这些是处理途径之间的差异，而非相对于独立真值的误差。

显示的均值……

**讨论**

在印度各气候区观测到的微弱ENSO-降雨关联（|r|≤0.11）表明，ENSO是降雨变异性的一种次要且非平稳的调制因子，而非主要的同步预测因子。在Am-2区滞后2–5月、在BSh-2和Cwb区滞后7–9月所识别出的延迟响应表明，ENSO相关效应并非在印度全境空间均匀。相反，太平洋SST异常的影响似乎通过……的调整进行传播。

**结论**

本研究比较了1951–2024年间印度九个柯本气候区中五个气候指标与TMR和EMR的关系。在保留季节性的原始分析中，DTR具有最强的负向滞后-0月偏相关，EMR范围为?0.29至?0.89，TMR范围为?0.45至?0.94。LTA的关联较弱，在滞后0月以负值为主，仅在Cwb区有一个小的正值例外。Ni?o 3.4、DMI和GTA表现出微弱且依赖气候区的系数，近似最大值……

**CRediT作者贡献声明**

S. Pooja：撰写——初稿、可视化、软件、方法学、形式分析、概念构思。
S.P. Swarna Latshmi Surendhar：撰写——审阅与编辑、验证、监督、方法学、概念构思。
Degavath Vinod：撰写——审阅与编辑、验证、监督、方法学、调查、概念构思、数据整理、形式分析、可视化。
Amai Mahesha：撰写——审阅与编辑、验证、监督、方法学、概念构思。

**利益冲突声明**

作者声明，不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。

S. Pooja | S.P. Swarna Latshmi Surendhar | Degavath Vinod | Amai Mahesha