基于风场松弛多模式集合模拟解构人为气候变化对近期水文气候骤变事件的影响

《npj Climate and Atmospheric Science》：Disentangling the anthropogenic climate change influence on recent hydroclimate whiplash events via multiple nudged model simulations

　　

水文气候骤变（Hydroclimate whiplash）描述的是极端干旱与极端湿润条件之间的摆动。在全球变暖背景下，观测到的骤变事件的幅度与物理驱动因素仍认识不足。本研究利用标准化降水蒸散指数（Standardised Precipitation Evapotranspiration Index, SPEI）及一套独特的多模式风场松弛故事线（storyline）模拟集合，对九个高影响事件中热力学驱动的骤变强度变化进行了定量化。人为气候变化对观测骤变强度的贡献在事件加权平均意义上为9%（各事件范围：?2%至72%），根据多模式均值，几乎所有事件均呈现正贡献，且约三分之二的事件所有模式一致同意正贡献。该气候变化贡献主要由潜在蒸散（potential evapotranspiration, PET）的非线性增加所驱动，其在干旱 phase 对干燥化的增强作用大于湿润 phase。模式对气候变化贡献幅度的不确定性较大，事件间模式间离散度平均为13%。上述结果凸显了气候变化在观测骤变事件中的印记，以及采用多个松弛数据集对复杂事件进行稳健归因的必要性。

研究背景方面，极端湿润与极端干旱之间的快速和/或大幅度转换通常被称为水文气候骤变（hydroclimate whiplash）。由于两种水文气候极端事件在时空特征上存在固有不对称性，对此类转换的定量化是一项精细而复杂的任务。湿润极端事件主要与分钟至日尺度、跨越大范围空间尺度的强降水事件相关联；相比之下，极端干旱条件通常由降水减少和蒸散增强共同作用形成，在数周至数年尺度上演变，并可影响大陆尺度。以往关于水文气候骤变的研究主要聚焦于降水（"供给端"）来表征干湿 phase 及其转换。然而，纳入蒸散相关过程（"需求端"）的定义，如基于标准化降水蒸散指数（SPEI）的定义，日益受到青睐，且能够纳入全球变暖驱动的大气需求增加。过去十年间，全球范围内出现了大量快速的干-to-湿和湿-to-干转换，往往造成严重影响。此类转换事件造成的损害常常超过孤立的极端湿润（如洪水）或极端干旱（如干旱）事件的影响，因为其可能对生态系统和人类社会产生级联影响，可被视为时间上的复合事件。在季节及更短时间尺度上，相反极端事件的快速交替可能超出灾害管理结构的适应能力，导致超出预期最坏情景的极端状况。此类快速转换可对水资源管理系统造成巨大压力，影响水量和水质。在更长的年际时间尺度上，水文和生态记忆效应日益重要。例如，湿润期异常的植被生长可能增加燃料可用性，从而在随后的干燥期增加野火风险。快速转换还可通过增加有机和/或矿物含量输入而恶化水质，并增加洪水、滑坡和侵蚀的风险与幅度。越来越多的证据表明，相对于历史基线，水文气候摆动的频率和强度在全球和区域尺度上均在增加。以往研究报告称，自20世纪中叶以来，基于SPEI-3的水文气候骤变发生率全球平均增加了31%–66%，基于SPEI-12增加了8%–31%，预计在持续变暖下将进一步增加。这种增强由基本热力学原理引起：随着温度升高，大气持水能力由于Clausius-Clapeyron关系而呈非线性增加。在相对湿度近似恒定的条件下，这导致大气干燥度增加和潜在蒸散（PET）升高，有利于更强的干旱期。同样，持水能力增加加剧了极端降水事件，因为额外的水分在强降雨期间被释放。然而，现有研究主要量化来自自由运行模拟的一般性骤变事件的频率或强度的长期变化，而人为因素对特定历史观测事件强度的贡献幅度仍广泛缺乏定量化。虽然热力学响应在很大程度上解释了水文气候波动性的大尺度增强，但单个骤变事件发生在特定动力驱动的环流型和遥相关之下。因此，事件间的环流变率可能掩盖或放大热力学响应，使气候变化归因更加复杂。此外，增暖在骤变事件的干旱和湿润 phase 均增加蒸发，干旱 phase 增强的干燥化可能被湿润 phase 的干燥化部分抵消；然而，对观测骤变强度的净效应仍不清楚。对历史观测事件的人为影响可通过条件性、基于事件的故事线框架进行量化，该框架在观测环流下分离热力学响应。风场松弛气候模拟提供了这样一个框架，通过将大尺度动力约束至观测，从而明确抑制环流变化，同时允许热力学状态自由响应人为增暖，从而实现强度变化的归因。此外，维持观测气象条件使得能够分析通常在自由运行模拟中信噪比低的复杂极端事件。本研究考察了过去十年约十个重大水文气候骤变事件，这些事件由3个月和12个月SPEI的大幅转换所定义。如先前工作所详述，这些事件在农业、基础设施和能源系统等多个部门产生了重大影响，并伴随着人员伤亡、流离失所和粮食不安全。为将骤变强度归因于人为气候变化，研究人员采用基于事件的故事线方法。分析基于多个气候模型的格点松弛和谱松弛模拟，从而能够评估条件数据集之间的差异并增强结果的稳健性。此外，通过分解降水和蒸散在水收支快速转变中的作用，研究人员解构了人为贡献对水文气候骤变事件驱动机制的贡献。研究发现，气候模式能够模拟观测到的骤变事件。研究人员使用多种性能指标评估了四个气候模型的松弛环流模拟再现所选骤变事件的能力，将性能分类为"差"、"合理"或"好"，并排除某些在特定事件中被评为"差"的模型。总体而言，模型能够较好地模拟大多数事件。在Swain et al.选取的十个事件中，九个保留在分析中，因为没有模型充分捕捉西非事件。此外，对于东非，只有IFS-FESOM在历史模拟中充分捕捉了骤变事件。这两个区域已知对气候模式构成重大挑战，因为降水主要由有组织的深对流驱动，包括中尺度对流系统。因此，热带降水预计较少受松弛大尺度环流控制，因为对流组织在很大程度上调节降水。对于中美洲事件，ECHAM6和AWI-CM-1被排除，因为少于两个集合成员在历史模拟中捕捉到骤变事件的强度。总体而言，未能捕捉事件是最常见的排除标准，在大多数情况下这也反映在降水异常的低相关系数中。此外，IFS-FESOM未用于2016年巴塔哥尼亚事件，因为松弛模拟始于2017年。总体而言，九个分析事件中有六个被所有四个模型捕捉，一个事件被三个模型捕捉，一个被两个模型捕捉，东非事件仅被一个模型捕捉。观测骤变强度部分可归因于人为气候变化。对于每个事件，人为气候变化对骤变强度的热力学驱动效应（ΔCC）通过比较当代和工业化前强迫下环流松弛模拟之间的事件强度来量化，分别基于SPEI-3和SPEI-12用于较短和较长时间尺度事件。由于骤变事件由两个对比极端之间的转换所定义，当其干旱 phase 变得更干、湿润 phase 变得更湿，或两个极端同时增强时，其强度可以增加。相反，相反方向的变化降低骤变强度，湿润和干旱 phase 的响应也可在骤变强度方面相互削弱。在本研究中，骤变强度（whiplash intensity, WI）定义为感兴趣区域内所有格点的空间平均。基于模式平均，九个事件中有八个显示人为气候变化对骤变强度的正贡献，模式平均贡献范围为?2%至72%。仅中美洲事件（仅基于两个模型）显示负的气候变化贡献。研究人员量化了事件间约9%的平均贡献——此处及本节下文中的平均贡献计算为跨模式平均，权重与每个事件可用模式数成正比。该加权反映了由更多独立模式估计支持的事件比由单一模式代表的事件具有相对更高的统计置信度。值得注意的是，所有结果中的明显离群值为东非事件；排除该事件使平均加权贡献减少2.2%（从约9%，即8.6%，降至6.4%）。研究人员对ΔCC在湿润和干旱 phase 的解构揭示，总体骤变增强的主要驱动因素是干旱 phase 增强的干燥化，所有事件均呈现一致的模式平均正贡献（平均：14%）。对总骤变强度的影响部分被湿润 phase 减少的湿润化所削弱（平均：?5%）。为分离供给端和需求端贡献，研究人员解构了降水变化ΔCC(P)和潜在蒸散变化ΔCC(PET)的贡献。在需求端，与温暖气候中PET普遍增加的理论预期一致，ΔCC(PET)的符号在所有单个模式-事件组合的干旱和湿润 phase 中均一致，干旱 phase 的正值意味着增强的干燥化，湿润 phase 的负值表明减少的湿润化。然而，结果表明PET驱动的干燥化在干旱 phase（平均：12%）强于湿润 phase（平均：?7%），在湿润 phase 增强的PET导致相对干燥化从而降低骤变强度。这种PET在干旱和湿润 phase 之间的不对称增强解释了为什么总体而言增强的蒸散有助于更强的骤变。在供给端，降水的平均贡献一致为正但 considerably 较小，因此不如PET贡献稳健，总平均信号为4%。此外，贡献在不同事件间符号不同，与复杂的降水动力学一致。尽管如此，湿润 phase 引起的降水诱导骤变增强（在九个事件中的七个一致）与变暖下强降水事件的热力学增强一致。相比之下，干旱 phase 降水诱导信号的符号在事件间更为多变。尽管模式平均结果表明人为气候变化增强了九个事件中的八个，但研究人员发现模式之间存在相关差异。模式在九个事件中的六个（约三分之二的事件）上一致同意正的气候变化贡献。然而，骤变强度气候变化贡献（ΔCC）的平均模式间离散度为13%（各事件范围：5%–25%），而平均气候变化贡献为9%。ΔCC(PET)和ΔCC(P)的相同离散度分别为5%和10%，与降水动力学比PET更高的复杂性一致，导致降水贡献的不确定性更大。最后，在将每个模式的结果按其各自增暖水平归一化后，ΔCC的平均模式间离散度贡献变为9%/°C（各事件范围：6%–14%/°C），而平均归一化贡献为6%/°C。人为骤变响应取决于单个事件和松弛数据集。研究人员逐一考察了每个事件并比较了模式差异，首先考察较短时间尺度事件（以SPEI-3为特征），然后考察较长时间尺度事件（SPEI-12）。在较短时间尺度事件中，模式一致同意正的气候变化贡献。在这些事件中，东非事件显示出最强的信号，也是所有九个事件中最强的。然而，鉴于仅有一个模式（IFS-FESOM）可用，该事件的结果应谨慎看待。在这种情况下，观测骤变强度的72%可归因于人为气候变化，ΔCC(P)和ΔCC(PET)均有 substantial 贡献。这一大的人为贡献与反事实模拟中仅出现非常弱的骤变事件这一事实一致。对于中国南方事件，PET贡献较小，因此人为增强主要由降水变化主导，与总气候变化信号密切匹配（平均：11%）。这与早期研究将该 broader 区域确定为季节性骤变事件可能变化的热点区域一致。对于北中东事件，CESM2和AWI-CM-1一致同意约17%的正总贡献，而ECHAM6和IFS-FESOM显示小得多的贡献（6%和2%）。这一增加主要由干旱 phase PET诱导的干燥化增强驱动，加上接近零的降水驱动贡献ΔCC(P)。值得注意的是，AWI-CM-1对该事件的内部变率远小于其他任何案例。在较长时间尺度骤变事件（SPEI-12）中，估计贡献更为异质，三个事件显示中度至小的具有模式间符号一致同意的人为增强，三个事件由于模式间符号不一致而显示无可检测信号。在三个具有稳健中度至小增强的SPEI-12事件中，太平洋西南部事件显示平均增强11%，模式间离散度小。与早期研究一致，研究人员发现主要由PET驱动的贡献。这一2022-2023年干-to-湿事件对火灾活动特别有意义，因为其最终湿润 phase 可能开始促进植被生长，随后干燥并为2024/2025年加州火灾提供燃料。美国中北部事件显示类似的气候变化驱动平均增强11%，但模式间差异更大，主要由ΔCC(P)的差异驱动。北欧事件显示骤变强度平均仅增加3%，ΔCC(PET)贡献在模式间信号特别一致，这可能反映该区域相对稳健的热力学驱动增暖。在三个由于模式间符号不一致而无可检测人为信号的SPEI-12事件中，巴塔哥尼亚事件显示平均信号为1%。这一小而不确定的信号可能与该区域复杂地形有关，安第斯山脉通过局地至区域动力环流过程强烈调节降水，导致大的区域自然变率可能掩盖热力学驱动的效应。澳大利亚东南部事件以平均信号0%为特征，显示比巴塔哥尼亚事件稍大的模式间差异。最后分析的事件是中美洲，这是唯一一个具有略微负的平均人为信号（?2%）的事件，然而这基于两个模式的不一致结果（IFS-FESOM：7%；CESM2：?11%）。该事件已知对气候模式具有挑战性，因为复杂的海-气-陆相互作用及其位于两个温暖海洋之间的相对狭窄陆地，这可能导致了满足评估标准的模式数量有限。在技术方法方面，研究人员使用ERA5再分析数据集和四个环流松弛气候模型（CESM2、IFS-FESOM、AWI-CM-1和ECHAM6）在当代（ndHist，事实）和工业化前（ndPi，反事实）强迫下的日均温度、月降水量数据。事实模拟使用历史温室气体和气溶胶浓度，遵循RCP4.5（ECHAM6）和SSP3-7.0（其他三个模型）。反事实模拟使用工业化前强迫水平。所有数据集被插值到共同的0.5°×0.5°网格。AWI-CM-1和ECHAM6均提供五个集合成员，研究人员将五个历史（事实）和五个工业化前（反事实）模拟组合成所有25种可能组合。CESM2和IFS-FESOM中使用的强松弛有效抑制了大尺度内部变率。SPEI基于月气候水分平衡D（降水量P与潜在蒸散PET之差）计算，PET由Hargreaves方法基于最低和最高温度估算。采用L-Moments方法将累积水分平衡序列拟合为对数逻辑分布，并在校准期（ERA5、CESM2和AWI-CM1为1980–2024年；IFS-FESOM为1980–2014年）对每个格点和日历月进行标准化。分析基于两种时间尺度：SPEI-3（3个月移动平均）和SPEI-12（12个月移动平均）。骤变事件的空间范围使用ERA5数据确定，格点转换幅度超过历史基线（1940–1980年格点特定第90百分位数或第10百分位数）即被认为经历骤变事件。研究人员采用四步评估框架评价模型性能：空间模式、季节模式、异常时间序列相关性以及骤变事件表征。模型评估结合了基于视觉检查和专家判断的成分。在讨论部分，研究人员指出，对九个高影响水文气候骤变事件的分析表明，事件加权平均约9%的骤变强度可归因于人为气候变化（各事件范围：?2%至72%），约三分之二的事件模式一致同意正贡献。需要注意的是，9%的事件间平均值是此处考虑的九个特定事件样本的汇总统计量——这些事件在地理区域、季节、转换类型和累积时间尺度上各不相同——不应被解释为全球水文气候骤变事件的普遍人为贡献。这一基于事件的分析补充了先前的大集合和基于趋势的骤变特征变化评估，并扩展了早期发现，即人为贡献主导了北美更突然和强烈的季节性骤变事件（SPEI-3）。通过在故事线框架内采用松弛模拟，研究人员约束了大尺度大气环流并分离了特定事件变化的热力学分量，这与热力学效应是变暖下骤变强度增加的主要驱动因素的证据一致。该方法允许限制与自由运行动力大气相关的一大不确定性来源，这有助于满足对复杂复合事件稳健估计所需的大样本量。虽然该方法不允许检查人为气候变化引起的潜在大气环流变化（这对强降水事件可能特别相关），但此类环流变化仍不确定。此外，所应用的风场松弛也抑制了通过大尺度环流变化运作的任何热力学反馈。本研究结果基于一个独特的数据集，包含四个独立开发的环流松弛气候模型模拟，迄今为止主要被单独使用。虽然模式在九个事件中的六个（约三分之二）上一致同意正的气候变化贡献，但单个事件的变化幅度存在 substantial 不确定性。多模式设置揭示了九个分析事件中气候变化贡献的平均模式间范围为13%，当结果按每个模式的增暖水平归一化后变为9%/°C。此外，结果清楚表明，依赖单一松弛数据集进行事件归因的典型做法可能无法提供稳健结果。尽管松弛约束了大尺度大气动力学并减少了内部变率，但气候模式和松弛方法特定的差异仍然存在，导致不确定性。与其他模式相比，IFS-FESOM在湿润 phase 往往显示最大的降水驱动骤变增强，可能归因于其原生公里级分辨率能更好地表征小尺度过程。总体而言，结果表明采用多个独立开发的松弛数据集增强了稳健性并提高了归因结果的置信度。此外，位于有组织深对流或复杂海陆相互作用主导区域的事件被证明是松弛模拟最难再现的，导致西非事件被排除、东非仅单模式结果、中美洲仅两个可用模式。因此，多模式集合对这些区域的代表性最差，相应结果应特别谨慎解读。先前研究考察了降水（P）和潜在蒸散（PET）变率对基于SPEI-3的干-to-湿转换时间的影响，但它们对总体骤变强度的作用仍鲜有探索。结果表明骤变干旱 phase 有明显的PET驱动干燥化信号，部分被湿润 phase 一致但较弱的PET驱动干燥化所补偿。这种不对称可以通过以下事实理解：PET在非线性Hargreaves公式下估算，取决于日较差（ΔT = Tmax ? Tmin）和日均温度。然而，由于气候变化对平均温度的影响强于对日较差的影响，PET变化主要由平均温度升高驱动，受事件期间观测到的日较差ΔT（平方根）调制。因此，鉴于干旱 phase 的日较差ΔT通常大于湿润 phase（与干旱 phase 低云量一致），气候变化驱动的PET增强在干旱 phase 强于湿润 phase。研究人员指出PET使用Hargreaves公式估算，该公式仅取决于温度和太阳辐射。虽然更物理全面的PET公式（如Penman-Monteith方法）包含额外驱动因素（如辐射、湿度、风），但温度变化在全球变暖下仍是主导因素。Hargreaves公式因其数据需求少和全球结果总体可靠而被广泛认为是对Penman-Monteith方法的合适替代。总体而言，虽然变暖下PET增加与先前工作一致，但需要注意的是PET代表无限水分供应下的蒸发需求。在水资源受限系统中，干旱 phase 的实际蒸散可能远低于PET所暗示的。本研究在骤变事件表征方面存在若干局限性值得考虑。第一，识别高影响观测骤变事件具有挑战性。虽然各个极端 phase 的影响已有记录，但表征相继 phase 之间相互作用产生的复合影响仍然困难。此处事件及其时间尺度遵循Swain et al.的定义。然而，稍作改变的累积时间尺度将捕捉事件的不同特征，由此产生的气候变化信号可能相应不同。第二，骤变事件可以多种方式表征。此处研究人员使用SPEI并聚焦于观测环流型下骤变强度的条件性变化。因此，该框架未捕捉相反 phase 之间转换时间的潜在变化，SPEI将变化归因于环境条件的代理而非独特的气象实体。第三，此处采用的基于SPEI的指标涉及相对较长的累积期（3个月和12个月窗口）。虽然此类聚合时间尺度在骤变文献中已确立，但有影响的骤变事件也通过更短时间尺度特征的湿润 phase 发生。第四，SPEI幅度还取决于假设的对数逻辑分布和用于标准化的校准期，这可能影响结果。然而，ΔCC比较使用相同拟合分布变换的事实和反事实模拟，其参数从历史模拟一次性估计并应用于两者。因此，研究人员预期它对这些选择的敏感性低于SPEI值本身。虽然研究人员预期关键发现——即骤变强度总体增加以及模式-事件组合间的 considerable 离散度——在更短累积时间尺度上也将成立，但这一假设应通过进一步研究加以检验。此外，系统分析自由运行模拟中不同累积时间尺度定义的事件气候变化效应是否存在差异将是有意义的。此外，虽然分析受限于四个松弛气候模型的可用数据，进一步探索不同PET公式（如Penman-Monteith方法）下干旱和湿润 phase 之间PET放大不对称性将是相关的。最后，研究人员希望本研究能推动使用多样方法和模型开发更大规模的松弛气候模型模拟集合，并将其用于基于故事线的归因研究以改进不确定性量化。尽管存在上述局限性，本研究为理解全球不同区域观测骤变事件的人为驱动变化提供了新见解。通过采用松弛气候模拟，即使对使用传统归因方法难以研究的复杂复合极端事件，也能够分离和检测人为信号。在研究结论方面，研究人员总结了以下要点：在分析的九个事件中，研究人员发现与人为气候变化相关的热力学效应对观测骤变强度的平均贡献为9%（各事件范围：?2%至72%），主要由干旱 phase PET诱导的干燥化驱动，事件间差异大。此外，四个松弛数据集之间的结果离散度凸显了使用多个松弛数据集以充分捕捉复杂事件基于事件归因分析中结构不确定性的重要性。