亚日极端降水的预估变化：沿阿尔卑斯梯度比较温度缩放方法与对流允许模型

《Journal of Hydrology》：Projected changes in sub-daily extreme precipitation: comparing temperature-scaling approaches and convection-permitting models across an Alpine gradient

　　

量化山区流域亚日极端降水的未来变化对于适应日益强烈的山洪和泥石流至关重要。通常，极端降水-温度缩放率被用于预估未来的极端事件。在本研究中，研究人员通过比较温度缩放方法的极端降水预估与对流允许模型（CPMs）的输出，评估了温度缩放方法的可靠性，研究区域位于意大利东北部的一个复杂山区。研究人员使用了五个CPMs集合的每小时数据，分辨率为3 km，比较了历史时期（1996–2005）和未来时期（2090–2099，RCP8.5），并使用降水事件前24小时的平均温度来计算缩放率。分析采用了一个稳健的方法框架来识别最优缩放因子，以复制CPM模拟产生的极端降水估计。研究人员发现，最优缩放率随持续时间和重现期而变化。对于中等极端事件（2年和5年重现期），最优缩放率通常在5.5%到6% K^-1之间，而更严重的事件以更高的速率缩放，对于3小时、100年事件可达8.4% K^-1。未来降水季节性的变化也起到作用。在高海拔地区，极端事件在现在和未来条件下都主要发生在夏季，基于温度缩放率的估计与CPM输出非常吻合。相反，在预计极端事件季节性发生较大变化的地区，性能较差。总体而言，在从温度缩放关系推导预估时，需要仔细考虑局部变异性、季节性、持续时间和重现期，以避免潜在的不准确性。

**论文解读：温度缩放方法与对流允许模型在阿尔卑斯山区亚日极端降水预估中的比较研究**

**研究背景与问题**
山区亚日极端降水（sub-daily extreme precipitation）事件常引发山洪和泥石流，造成严重人员伤亡和经济损失。准确预估其未来变化对适应策略制定至关重要。基于克劳修斯-克拉佩龙（Clausius-Clapeyron, CC）方程的温度缩放方法（temperature-scaling approach）被广泛用于预估极端降水变化，该方程认为大气持水能力随温度升高约以6–7% K^-1的速率增加。然而，实际极端降水与温度的关系远比CC缩放复杂，受大气热力学与动力学非线性相互作用影响，且不同持续时间、季节和地形条件下缩放率存在显著差异。此外，现有温度缩放方法多基于当前气候的日间变异性推导，其“表观”敏感性未必等同于未来气候状态下的“气候变化”敏感性。对流允许模型（convection-permitting models, CPMs）以高于4 km的分辨率显式解析对流过程，能更准确地模拟亚日极端降水，为评估温度缩放方法提供了基准。但CPM模拟计算成本高，在数据缺乏区域难以广泛应用。因此，研究人员旨在评估简单温度缩放方法作为CPM替代方案的适用性与局限性，重点考察其在不同海拔、持续时间和重现期下的表现，并分析极端事件季节性变化对方法可靠性的影响。该研究发表在《Journal of Hydrology》。

**主要技术方法**
研究区域位于意大利东北部阿尔卑斯山区，涵盖威尼斯地区和博尔扎诺、特伦托省，面积约32,000 km²，海拔从-5 m至3990 m。研究人员使用来自FPS-CORDEX项目的五个CPMs（CCLM、COSMO-crCLIM、HCLIM38-AROME、CCLM5、HCLIM38-AROME41）的每小时降水与温度数据，历史时期（1996–2005）和未来时期（2090–2099，RCP8.5情景），统一重采样至3 km网格。同时采用174个加热雨量计的质量控制5分钟分辨率降水数据，聚合为小时尺度。极端降水估计采用简化元统计极值分布（Simplified Metastatistical Extreme Value, SMEV）方法，基于威布尔分布（Weibull distribution）拟合普通事件上尾，计算不同重现期（2、5、10、20、50、100年）和持续时间（1、3、6、12、24小时）的回报水平（return level）。温度缩放方法基于降水事件前24小时平均温度（T_BS）计算未来温度变化ΔT，测试缩放率R_sc从5%到15% K^-1，通过最小化分数均方根误差（FRMSE）确定最优缩放率。采用皮尔逊相关系数（Pearson correlation coefficient）和平均偏差（mean bias）评估温度缩放与CPM预估的一致性。季节性变化分析使用圆形统计（circular statistics）计算极端事件发生日期的平均角度。

**研究结果**

**3.1 温度变化**
通过比较历史与未来时期，研究人员发现所有CPM模拟均显示未来升温（ΔT为正），且短持续时间（1小时）事件前的平均温度增幅最大（区域平均ΔT = 3.0 °C），长持续时间（24小时）增幅最小（2.4 °C）。空间上，高海拔北部地区升温最显著（中位数ΔT约3.5–4 °C），低海拔地区升温较低且空间异质性更大（中位数ΔT约1.5–2.5 °C）。不同CPM模型间ΔT的一致性在高海拔地区更高（四分位离散系数QCD较低），低海拔地区模型间变异性较大。

**3.2 极端事件的时间变化**
研究人员分析了极端降水事件发生季节的预估变化。短持续时间（1小时）极端事件在高海拔地区历史与未来均主要出现在夏季（7–8月），变化较小；低海拔地区则倾向从夏季向夏末（8–9月）移动约一个月。长持续时间（24小时）事件季节变化更复杂：部分山区从仲夏向晚春移动，低海拔地区未来情景下晚秋至初冬成为主导季节。与观测对比显示，CPM能较好再现短持续时间对流风暴的夏季峰值，但对长持续时间事件存在约一个月的平均滞后。

**3.3 基于CPM模拟与温度缩放方法的未来降水变化**
研究人员比较了CPM集合与不同缩放率下温度缩放方法预估的极端降水变化。CPM结果显示，高海拔地区和短持续时间事件的变化幅度更大，且高重现期（100年）的变化大于低重现期（10年）。通过皮尔逊相关系数评估，高海拔地区（>100 m）短持续时间（1–3小时）的温度缩放预估与CPM结果相关性较高（>0.5），而低海拔地区相关性普遍较低（<0.3）。平均偏差分析表明，对于1小时事件，约7% K^-1的缩放率使偏差最小；对于24小时事件，低海拔地区需8–9% K^-1，高海拔地区仍接近7% K^-1。基于年平均温度（MAT）的温度缩放方法表现更差，相关性更低且偏差更大。通过最小化FRMSE确定的最优缩放率随重现期增加而增加，随持续时间增加而减小：中等极端事件（2–5年重现期）最优缩放率低于7%，最低约5.5% K^-1（24小时、2年）；更严重事件（>10年重现期）需更高缩放率，3小时、100年事件峰值约8.4% K^-1。不同海拔分组下，3小时事件的最优缩放率趋于一致（10年约7.5%，100年约8.5%），而其他持续时间低海拔地区缩放率略高。

**讨论与结论**
讨论部分指出，温度缩放方法的可靠性受海拔、持续时间、重现期和极端事件季节性变化共同影响。在高海拔地区，极端事件季节窗口稳定（夏季主导），温度缩放预估与CPM结果一致；低海拔地区因极端事件向较冷季节移动，预风暴温度变化更大，导致温度缩放方法相关性低。季节性变化破坏了温度与极端降水之间的稳定关系，尤其在长持续时间事件中更为明显。基于MAT的温度缩放方法因无法捕捉事件前具体热力学条件，产生较大偏差。研究还强调，CPM模拟本身存在不确定性，不应视为绝对基准，但整体上温度缩放方法在考虑局部变异性、季节性和重现期后仍具应用价值。结论部分翻译如下：研究分析表明，基于克劳修斯-克拉佩龙（CC）方程的温度缩放方法可以提供与对流允许模型（CPM）模拟相当的未来极端降水预估。然而，这些方法的有效性随海拔、持续时间、重现期和季节性稳定性等因素显著变化。具体而言，不同重现期需要不同的缩放率，更极端的事件通常需要更高的缩放率。研究发现，温度缩放在高海拔地区最为准确，这些地区具有稳定、季节一致的暴风雨条件和较高的预风暴温度。相反，在低海拔地区和较长持续时间下——预计会出现季节性变化和预风暴温度更大变异性——温度缩放方法明显不太可靠。尽管CPM输出在本分析中作为参考，但这些模型本身存在固有不确定性，特别是关于罕见短持续时间极端降水的预估。因此，尽管结果总体上支持温度缩放方法的适用性和可信度，但在解释和应用这些缩放方法时必须格外谨慎，尤其是在地形复杂和季节性变化显著的地区。由于气温是大气湿度的代理而非直接测量，温度与湿度之间的偏差可能限制基于CC缩放的迁移性。未来工作应侧重于缩放参数的局部校准和细化，强调结合稳健物理原理与明确考虑模型不确定性的综合方法。