发生频率非平稳性改变设计降雨重现期：跨不同水文气候区的分解泊松 -GPD 分析

《Journal of Hydrology》：Occurrence-rate nonstationarity alters design rainfall return levels: A decomposed Poisson-GPD analysis across contrasting hydroclimatic regimes

　　

•仅严重程度的非平稳模型可能遗漏极端降雨发生率的变化。•发生率的非平稳性对设计降雨的影响因站点而异。•完整的"发生率–严重程度"模型使8个站点的RL100降低，使7个站点升高。•IVT比TCWV展现出更一致的发生率模型信息。•早晚期变化显示发生率和严重程度的贡献具有异质性。引言极端降雨频率估计是许多水文设计决策的基础，包括强度-历时-频率（IDF）曲线、设计降雨量、防洪标准、雨水基础设施和水库安全评估。传统上，此类设计估计是在极端值的概率分布在整个分析期内保持平稳的假设下得出的。然而，当极端降雨特征因气候变率、城市化及人为增温而发生变化时，这一假设越来越难以成立。多项综述指出，当底层降雨危险性演变时，平稳的设计估计可能导致不安全的欠设计或昂贵的过度设计。与此同时，非平稳方法引入了额外的不确定性，应当与可物理解释的驱动因素相关联，而非作为无约束的趋势拟合练习来应用（Fran?ois等，2019年；Salas等，2018年；Schlef等，2023年；Yan等，2021年）。应用研究进一步表明，实际影响可能是巨大的：平稳IDF估计可能低估设计降水量，且在平稳假设下被赋予极长重现期的事件，在考虑非平稳性后可能变得明显更频繁（Cheng和Aghakouchak，2014年；Silva等，2021年；Vu和Mishra，2019年）。这些担忧表明，核心挑战不仅是降雨频率估计是否应该被允许变化，而是这种变化应如何以一种在统计上站得住脚且在物理上可解释的方式来表示，以服务于水文设计。超阈值（POT）模型为此提供了一个有用的起点，因为它们将极端降雨表示为一种阈值超过过程，而不仅仅是年度最大值序列。POT模型不仅保留每年最大的事件，还使用所选阈值以上所有足够大的事件，从而描述了阈值超过事件的发生率及其发生后的幅度。在此框架中，所选阈值以上的超过次数定义了发生率或到达频率分量，而超额幅度定义了严重程度分量，通常使用广义Pareto分布（GPD）进行建模。这种结构为触发极端降雨事件的物理过程与放大其实际幅度的物理过程之间的区别提供了直接的统计类比。重要的是，POT重现水平取决于超过发生率与GPD严重程度参数、阈值和重现期的共同作用（Coles，2001年；Katz等，2002年）。因此，仅改变GPD严重程度分量而将发生率保持平稳的非平稳POT模型仅代表了一种受限形式的非平稳性。此类模型可能遗漏通过阈值超过频率产生的设计降雨风险变化（O'Shea等，2024年；Thiombiano等，2018年）。发生率-严重程度的区分不仅是POT模型的统计特征，也具有物理动机。极端降雨的变化可能通过热力学机制产生，包括大气水分可用性增加、温度缩放、露点依赖性和可降水水分，但也可能通过涉及环流、垂直运动、水分输送、风暴组织和天气尺度的触发等动力学机制产生（Jayaweera等，2024年；Liu等，2020年）。这些机制不必以相同的方式影响超过发生率和条件超过幅度（Tramblay等，2011年）。热力学控制可能主要影响可用于降雨强化的水分，而动力学控制可能影响降雨产生系统的形成、组织、持续性或区域性发生（Liu等，2020年；O'Shea等，2024年）。全球和理论研究已表明，热力学和动力学贡献可以在不同的降雨分位数、区域和时间尺度上以不同方式影响降水的频率分布和强度（Chen等，2019a；Chen等，2019b；Emori和Brown，2005年）。近期证据还表明，局部热力学控制和大尺度环流控制的相对重要性可能强烈依赖于降雨历时，不同机制在小时级与日级尺度上可能分别占主导地位（Andria等，2025年）。这些差异为允许发生率和严重程度对不同气候和大气协变量作出响应提供了物理依据（O'Shea等，2024年；Thiombiano等，2018年）。虽然POT模型允许发生率和严重程度分别变化，但这种灵活性在应用非平稳降雨频率分析中使用的并不均衡。多项研究主要通过GPD严重程度分量引入非平稳性，最常见的是将尺度参数与时间、温度或气候指数相关联，同时将超过发生率视为平稳或经验性的（Agilan等，2021年；Lee等，2020年）。其他研究使用气候协变量对Poisson发生率和GPD严重程度均进行了建模，证明了两个分量都可以纳入非平稳POT框架中（Thiombiano等，2018年；Tramblay等，2011年）。然而，这些应用通常并非设计为使用发生率-严重程度分解作为过程诊断框架。在许多情况下，协变量结构依赖于少数预选的预测因子，通常包括宽泛的气候指数或大尺度大气指示器。这类变量可以提供关于背景气候变率和大尺度水分输送的有用信息，但可能无法完全代表控制事件触发和降雨强化的区域大气条件。除了预测因子选择之外，空间变率和模型结构也可能影响非平稳设计降雨估计。Posa和Bhowmik（2025年）使用年最大降雨量和非平稳GEV模型表明了对两者的敏感性；然而，年最大值框架并不明确表示发生率分量。O'Shea等（2024年）为在非平稳POT模型中分离发生率和严重程度提供了最接近的概念先例。通过使用随机实验和基于气候模型的案例研究，他们表明极端分位数估计取决于非平稳性是否被分配到POT模型中适当的分量上，即风暴强度、风暴到达频率或两者兼有。他们的结果展示了分离发生率和严重程度过程的结构重要性，特别是在非平稳降雨频率模型被外推到观测气候之外时。然而，他们的分析主要是为测试受控和投影气候条件下的模型结构而设计的。仍不明确量化的是发生率非平稳性在跨越不同降雨条件的地点的观测站点尺度后果。具体而言，当允许发生率分量变化而非保持平稳（如传统仅严重程度POT公式中所示）时，重现水平变化有多大？更广泛地说，当发生率和严重程度协变量从一个更广泛的物理解释协变量池中分别筛选（包括区域大气指标和更大尺度的气候模态）时，重现水平估计如何变化？本研究通过评估将POT非平稳性分解为发生率和严重程度分量是否比仅严重程度公式为站点尺度重现水平估计提供了更有信息量的基础，来填补这一空白。第一个目标是构建一个过程驱动的Poisson-GPD重现水平框架，其中阈值超过发生率和条件超过严重程度被建模为分别依赖于协变量的独立分量。第二个目标是比较四类模型：平稳模型、仅发生率非平稳模型、仅严重程度非平稳模型和完整的发生率-严重程度非平稳模型。第三个目标是量化设计相关重现水平的变化主要是由发生率驱动、严重程度驱动还是共同控制，并评估当允许发生率变化而非保持平稳时重现水平如何变化。论文片段：研究地点和水文气候环境站点网络是在模型拟合之前有目的地选择的。选择基于三个标准：具有适合超阈值分析的长期日降雨记录、代表不同的水文气候环境，以及包含极端降雨可能通过不同降雨产生机制发生的地点。基于这些标准，分析了15个印度气象局（IMD）降雨站点（图1）：斋沙默尔，工作流程概述分析围绕超阈值模型的两个分量展开。在站点特定的阈值选择之后，超过值被表示为月发生次数和条件超额幅度。气候和大气协变量分别为发生率和严重程度分量进行筛选。然后使用Poisson公式对发生率分量进行建模，使用GPD公式对严重程度分量进行建模，然后将两者结合在一起。结果POT样本在15个站点之间显示出很大的变化，反映了研究所代表的不同降雨机制。所选阈值从瓦拉纳西的30.50毫米到西隆的154.23毫米不等，对应于96.88%至99.67%的分位数。阈值超过样本量从加尔各答的53个观测值到伊塔纳加的500个观测值不等，年均超过率在1.21至11.38事件/年之间。估计的GPD形状参数从斋沙默尔的-0.47到——讨论分析的主要启示是，模型比较强烈支持发生率的非平稳性，而其对设计重现水平的影响在站点之间存在差异。在晚期（2001-2022年），在15个站点中的8个站点，配对95%自举区间排除了零值，其中5个为负对比，3个为正对比。由于M_σ和M_λ_σ共享相同的严重程度分量，C_occ的符号取决于拟合的发生率在月份中的分布情况——结论本研究表明，非平稳降雨频率分析更宜被表示为超过发生率和条件超过幅度的联合演化，而非仅通过严重程度变化来表示。通过在Poisson-GPD框架内分别对这两个分量进行建模，分析证明发生率非平稳性的证据及其对设计降雨的影响是两个不同的问题：发生率可能具有强烈的非平稳性，但并不一定意味着——CRediT作者贡献声明：Shubham Dixit：撰写——审阅与编辑，撰写——原始草稿，可视化，方法论，形式分析，数据整理，概念化。Kamlesh K. Pandey：撰写——审阅与编辑，可视化，指导，概念化。生成式AI及AI辅助技术在写作过程中的声明：在准备本工作期间，作者使用了OpenAI GPT进行语言润色和校对。在使用该工具/服务后，作者根据需要审阅和编辑了内容，并对出版内容承担全部责任。利益冲突声明：作者声明他们不存在任何可能影响本文所述工作的已知竞争经济利益或个人关系。致谢：Shubham Dixit感谢印度教育部（MoE）通过总理研究奖学金（PMRF ID：1102013）提供的财政支持。Shubham Dixit | Kamlesh K. Pandey