《SCIENCE ADVANCES》：Evidence from 2024 Storm Boris indicates anthropogenic climate change amplifies floods more than extreme precipitation
编辑推荐：
人为气候变化加剧了极端降水，但其如何影响洪水灾害仍不确定。2024年9月，风暴鲍里斯（Storm Boris）在中欧引发灾难性洪水，凸显了量化人为气候变化对洪水强度贡献以实现有效风险管理的必要性。采用故事线（storyline）方法，研究人员表明，在没有人变暖
人为气候变化加剧了极端降水，但其如何影响洪水灾害仍不确定。2024年9月，风暴鲍里斯（Storm Boris）在中欧引发灾难性洪水，凸显了量化人为气候变化对洪水强度贡献以实现有效风险管理的必要性。采用故事线（storyline）方法，研究人员表明，在没有人变暖的情况下，与风暴鲍里斯相关的降水量将降低6%至9%，而洪水洪峰平均将降低14%至22%。研究人员的估计基于两个气候模式的nudged（松弛逼近）模拟，并与两个水文模型耦合，覆盖数百个受影响流域。结果表明，人为强迫使洪水洪峰的放大倍数相对于事件降水增幅达到2.1至2.9倍。总体而言，研究人员证明，仅对降水进行归因将大大低估气候变化对洪水灾害的放大作用——这一效应应为未来的风险评估和损失估算提供参考。
洪水是全球最具破坏性的气候相关灾害之一。2024年9月风暴鲍里斯在中欧引发灾难性洪水，造成大范围破坏、疏散和27人死亡，促使人们追问人为气候变化在其中的作用。观测显示欧洲极端降水事件日益频繁，这与变暖增加大气持水能力的物理认识一致；但洪水长期趋势检测仍受混杂因素和记录长度限制。事件归因通过分离人为气候变化对单个极端事件的贡献，成为量化其影响的关键工具。已有研究估计人为气候变化使风暴鲍里斯相关极端降水强度增加7%至9%，并使事件概率翻倍；然而洪水对降水变化的响应涉及阈值依赖产流、前期土壤湿度和流域蓄泄等非线性机制，因此仅归因降水可能不足以反映洪水灾害变化。为此，研究人员直接对洪水洪峰进行事件归因。该研究发表于《SCIENCE ADVANCES》。
研究人员采用故事线（storyline）方法：利用CESM2和AWI-CM-1两个气候模式进行nudged（松弛逼近）模拟，将大气环流约束到ERA5再分析场，保持事件实际动力学条件，从而分离人为温室气体和气溶胶浓度变化引起的热力学效应；随后采用delta方法，将气候模式事实（2024年浓度）与反事实（工业化前浓度）模拟之间的降水相对差异和温度绝对差异施加到高分辨率E-OBS v31.0e观测数据上，生成反事实水文强迫；使用两个结构不同的水文模型——基于NeuralHydrology的机器学习模型EARLS（训练于EStreams数据集5000余流域）和物理网格模型mHM（0.125°分辨率）——模拟数百个流域洪峰；通过广义极值（GEV）分布选取事实模拟中洪峰重现期≥25年的流域（EARLS为484个，mHM为377个）进行分析。
### 人为气候变化放大了风暴鲍里斯期间的降水
观测显示事件区域（12°E至20°E，47°N至52.5°N）累积降水最高达398毫米。反事实模拟中，CESM2和AWI-CM-1的事件累积降水分别比事实低9.3%和6.4%。该结果与克劳修斯-克拉佩龙（Clausius-Clapeyron）关系（约每摄氏度7%）及先前归因研究（7%和9%）一致。
### 人为气候变化对洪水的放大超过对降水的放大
在波兰尼萨克沃兹卡河（Nysa K?odzka）尼萨站案例中，EARLS模拟显示无反事实洪峰低10.6%（CESM2）至12.0%（AWI-CM-1），mHM模拟低10.5%至13.4%，而相应流域降水仅低7.0%至8.6%。区域上，CESM2反事实使EARLS洪峰平均降低19.7%、mHM降低14.4%；AWI-CM-1对应降幅为22.4%和17.6%。空间上CESM2在西部降幅最大，AWI-CM-1更均匀。两个气候模式与两个水文模型的结果一致性支持归因信号的稳健性。
### 洪水强度放大超过降水放大
洪峰相对变化与事件降水相对变化的缩放因子，在EARLS中平均为2.8（CESM2）和2.9（AWI-CM-1），在mHM中平均为2.1和2.2，整体为2.1至2.9。反事实模拟中降水转化为径流峰值的效率降低，说明除降水总量减少外，产流过程也受到抑制。
讨论指出，该研究与中欧年最大洪水长期趋势的混合信号并不矛盾：趋势分析受自然变率影响，而故事线方法固定观测环流，仅分离人为热力学贡献。研究局限包括反事实模拟仅修改事件期气象，未考虑前期土壤水分和积雪的暖化预调节；未纳入土地利用和水管理变化；粗分辨率气候模式难以刻画对流尺度极端降水；nudging排除了动力环流变化；亚网格降水空间位移可能未被充分捕捉。未来可利用IFS-FESOM等高分辨率nudged模拟和动力降尺度，并在多事件中系统量化洪水归因。研究结论可翻译为：尽管存在上述注意事项，结果表明洪水灾害归因需要明确的水文模拟，而非仅依赖降水分析；所识别的洪水强度相对于降水变化2.1至2.9倍的放大，对洪水风险评估和气候相关损失归因具有直接意义，因为极端降水事件的适度热力学增强可能引发不成比例的洪水灾害增加。
