《Journal of African Earth Sciences》：Station and Gridded Rainfall Evidence on Extreme-Rainfall Variability in Kinshasa, Democratic Republic of the Congo
编辑推荐：
摘要在数据匮乏的热带城市，可靠的降水极端事件评估仍然十分困难，因为观测记录不完整、累计时段不匹配以及空间平均化都会扭曲验证和推断结果。我们利用恩吉利（Ndjili）气象站数据，结合CHIRPS、ERA5-Land和IMERG产品，重新评估了刚果民主共和国金沙萨的降水变率和极端降水
摘要
在数据匮乏的热带城市，可靠的降水极端事件评估仍然十分困难，因为观测记录不完整、累计时段不匹配以及空间平均化都会扭曲验证和推断结果。我们利用恩吉利（Ndjili）气象站数据，结合CHIRPS、ERA5-Land和IMERG产品，重新评估了刚果民主共和国金沙萨的降水变率和极端降水情况。首先对气象站记录的完整性和报告一致性进行了审查，然后在2001—2023年共同时段内对各产品进行比较，采用考虑自相关的方法检验区域趋势，利用广义极值分布和超阈值模型估算城市平均极值，并评估无数据泄漏的机器学习模型在同日强降水检测中的表现。主要的24小时气象站序列完整度仅为20.1%，且2011年前后出现明显的报告方式变化，这使得基于气象站的趋势和重现期分析难以稳健进行。在共同报告日内，日尺度相关系数分别为：IMERG为0.32，CHIRPS为0.29，ERA5-Land为0.11；重构IMERG累积时段后，相关系数提升至0.53。所有产品均低估了气象站尺度的强降水强度。在区域尺度上，金沙萨大部分地区的多个强度指数呈上升趋势，但在序列依赖和多重检验校正后，没有任何城市平均趋势在各产品间保持显著。城市平均20年重现期水平相对稳定，为50—89毫米，而100年估计值对模型选择更为敏感。机器学习在同日强降水检测方面并未持续优于简单的IMERG阈值。这些结果表明，金沙萨可靠的降水极端事件评估取决于参考记录的完整性、时间对齐、空间尺度以及产品间的一致性，而非任何单一数据集或模型。
引言
极端降水是城市水文灾害（如内涝、侵蚀和排水系统失效）的关键因素。预计变暖的大气将在许多地区加剧强降水事件，尽管这种变化的范围和地理分布因地区和季节而异[1]，[2]。极端降水的变化可能与平均降水的变化不一致，因此强度、频率、持续性和多日累积量等指标对水文气候评估至关重要[3]，[4]。在快速发展的城市中，这些灾害的发生还受到排水能力、土地覆盖、地形和暴露程度等因素的进一步影响[5]，[6]。因此，可靠的降水极端事件特征描述对于气候适应性城市水管理至关重要。
这一问题在中非尤为突出，该地区降水具有高度季节性且区域差异显著，长期气象站覆盖仍然稀疏[7]。网格化降水产品通过提供连续的空间记录，部分弥补了观测数据的不足。CHIRPS结合了红外卫星信息与气象站观测[8]；ERA5-Land提供了完整的陆面再分析数据[9]；IMERG结合了多种卫星反演方法，提供高分辨率的时间序列数据[10]，[11]。然而，它们的性能在很大程度上取决于空间尺度和观测背景。在赤道非洲地区，网格化产品在重现季节性和年降水量方面比重现日尺度极端值更为可靠，其技巧因降水类型、气象站可用性和产品构建方式的不同而异[7]，[12]，[13]。在刚果盆地的评估同样表明，各产品之间存在显著差异，水文结果对降水产品的选择具有敏感性[7]，[14]。
金沙萨是一个特别重要的案例，尽管它是一座快速扩张的城市，却频繁遭受与降水相关的灾害和严重的城市冲沟侵蚀[5]，[15]。近年来的研究表明，金沙萨冲沟的扩张与上游汇水区特征密切相关，特别是道路密度、土地利用和径流产生能力。现有降水研究也提示了长期变化，但并未为推断提供完全一致的基础。例如，Mufwaya和Muchuru[16]报告了1961年至2006年间年降水量的增加，而Posite等[17]使用1991年至2023年的日尺度数据，发现极端湿润日数和简单日降水强度指数显著增加。虽然这些研究提供了重要的地方基线，但趋势和极端事件推断的可靠性取决于所用气象站记录的完整性和报告一致性，以及其时间均一性。这一问题也影响到产品评估，因为气象站与产品之间的表观不一致可能部分反映的是参考观测的局限性或时间定义上的差异，而非单纯的产品误差。
另一个挑战是空间支持度问题。雨量计在单一位置采样降水，而卫星和再分析产品则代表网格单元的平均值。因此，局地对流性极端事件可能因空间平均化而被削弱[13]，[18]。此外，稀有事件估计对记录长度、尾部假设和阈值选择敏感[19]，[20]。因此，在数据有限的城市中进行稳健评估，需要将点尺度的气象站—产品一致性与区域产品气候学区分开来，在共同时段内比较产品，在趋势推断中考虑序列依赖性，并将现有记录支持的重现期与更长期的外推区分开来。
机器学习为在预测变量关系非线性的情况下整合互补降水信息提供了另一种方法[21]。然而，具有时间结构的环境数据需要保持时间独立性的验证设计；否则预测性能可能被高估[22]。对于稀有降水事件，复杂模型应使用时间分离的数据和透明的单一产品基线进行评估。在金沙萨，结合CHIRPS、ERA5-Land和IMERG是否能比最佳单一产品在同日强降水检测方面增加可复现的技巧，这一问题仍未解决。
本研究提供了对金沙萨降水变率和极端事件的重新评估，既以气象站为锚点，又具有尺度意识。首先，我们审查恩吉利气象站记录的完整性和报告一致性，以确定可以从中得出哪些推断。然后，我们在共同时间段内评估CHIRPS、ERA5-Land和IMERG。我们量化它们在点尺度上的一致性和区域气候特征。我们还使用考虑自相关的推断来评估各产品在降水趋势方面的一致性。最后，我们使用互补的块极大值和超阈值模型估算城市平均极值。在时间分离数据上进行的机器学习实验测试了结合多产品是否能相对于简单产品阈值改善同日强降水的检测。这一框架识别了哪些降水信号在气象站质量、空间尺度、产品差异和记录长度方面是稳健的，哪些仍然过于不确定而无法得出可靠结论。
章节摘录
研究区域
金沙萨是刚果民主共和国的首都，位于刚果河南岸，面积约9,965平方公里[15]，[17]。研究范围对应金沙萨行政省（图1）。海拔从低地的约228米到周围高原的约795米不等，在城市范围内形成了显著的地形对比。金沙萨还表现出与快速空间扩张相关的强烈城市—城郊异质性，而
网格化降水产品相对恩吉利气象站的性能
在2001年至2023年间三个产品共有的1,279个恩吉利报告日中，网格化降水与气象站记录呈正相关但相关性适中（见图2a、b；表S1）。日尺度相关系数最高的是IMERG和CHIRPS，分别为r = 0.32（95% CI：0.23–0.39）和r = 0.29（0.21–0.38），而ERA5-Land的一致性显著较弱，r = 0.11（0.05–0.16）。三个产品均低估了气象站尺度的
讨论
点尺度比较表明，雨量计与网格化降水之间的较差一致性不能仅归因于产品误差。使用明确的NOAA报告标志重构恩吉利记录，显著改善了与CHIRPS和IMERG的对应关系。将IMERG累积时段从协调世界时（UTC）日调整为截至07:00 UTC的24小时时段，相关系数从0.32提升至0.53。然而，即使经过时间对齐，各产品
结论
本研究的主要发现是，金沙萨降水极端事件的稳健评估更多地依赖于对观测质量、空间尺度和产品差异所带来局限性的理解，而非识别单一的"最佳"数据集。虽然恩吉利记录在点尺度评估中仍然有价值，但其不完整性和报告方式的变化阻碍了可辩护的长期趋势、变点及重现期推断。在气象站序列被
CRediT作者贡献声明
Bayongwa Samuel Ahana：写作—初稿、可视化、方法论、调查、正式分析、数据管理、概念化。Ame Vuai Hidayat：写作—审阅与编辑、验证、调查、数据管理。Vithundwa Richard Posite：写作—审阅与编辑、方法论、调查、正式分析、数据管理、概念化。Ahmed Bashir：写作—审阅与编辑、验证、调查、数据管理。Alfred Nanyunga Modester：写作—审阅与
声明
在撰写本工作的过程中，作者使用了ChatGPT和DeepL等工具来检查部分内容的语法和拼写，并改进可读性和文体。使用这些工具后，作者对内容进行了必要的审查和编辑，并对出版物的内容承担全部责任。
利益冲突声明
? 作者声明，不存在可能影响本论文所报告工作的已知竞争性经济利益或个人关系。
Bayongwa Samuel Ahana|Vithundwa Richard Posite|Ame Vuai Hidayat|Alfred Nanyunga Modester|Ahmed Bashir|Chérifa Abdelbaki|Navneet Kumar
阿尔及利亚特莱姆森大学泛非大学水与能源科学研究所（含气候变化），B.P. 119, Tlemcen 13000
