《Weather and Climate Extremes》：Using analogue methods to identify trends in circulation patterns of midlatitude heatwaves
气候变化正使我们日益频繁地经历极端天气事件。破纪录的热浪、强降水和干旱常可归因于人类引起的气候变化。这类极端天气气候事件对社会和环境均产生重大影响，是政策制定者高度关切的问题。对于极端高温事件，气候变化正在增加所有近期研究案例中事件的发生频率和强度。然而，由于模式和观测之间的系统性差异，量化其中可归因部分的变率常常具有挑战性。变化由大气状况的热力动力和动力变化共同驱动。高温事件与大气环流异常密切相关，因此环流变化将影响极端高温。观测到的极端高温增长率在全球并不均匀，并且在许多地区，气候模式未能再现观测到的大气环流趋势的幅度，这解释了部分模式/观测极端高温趋势不匹配的原因。西欧的巨大热浪趋势已被证明因大气动力学趋势而放大。东欧超过一半的极端高温趋势已被证明与反气旋环流的增加有关，后者常与位于东大西洋的切断低压耦合。
为了表征与极端事件相关的大气环流型，归因研究有时会使用环流相似法。特定大气事件的环流相似被定义为在某种相似性度量下，与该环流具有相似特征的环流。尽管最早的研究已指出识别良好相似的困难，但环流相似已被证明是一种具有多种应用的有用工具，例如用于调查特定环流型对热浪的贡献。特定极端天气事件的环流相似可用于在快速归因框架内，在环流条件下，检验类似事件的变化。这种方法已应用于多种事件类型。然而，对于某些极端降水案例，已表明环流相似可能无法代表气象灾害。我们注意到，环流相似法不允许大气型态的变率——即使相似灾害通过不同型态发生，也只有动力相似的事件被纳入。
尽管这种方法很有用，但相似法需要一系列可能影响事件分析结论的、潜在的主观选择。例如，相似域大小的选择、识别的相似数量或相似的数学公式，都可能影响结论。早期的研究已针对特定案例评估了其中一些方法学选择。例如，Harrington等人评估了1947年中欧热浪，特别关注相似的质量和时间尺度；Jezequel等人调查了使用不同环流变量和空间域来识别欧洲热浪相似的影响。一些研究结合了多种方法学选择，例如Kim等人使用欧氏距离识别相似，然后使用空间相关识别这些相似的一个子集。
在数学上，有多种方法可以选择相似。过去的研究通过最小化天数之间的均方根误差来识别最接近的日子；通过最大化天数之间的斯皮尔曼相关；最小化欧氏距离；或最大化马氏距离。这些方法中的任何一种都有可能通过与深度自编码器结合得到改进，这已通过欧氏距离方法应用于欧洲热浪。自组织映射也可用于评估极端事件动力学的变化。
本文评估了使用环流相似来调查与极端高温相关的环流型趋势。我们着手评估如何最好地为极端高温识别相似，制定一个可在业务归因中与其他归因方法一起进一步开发使用的工作流。在早期研究的基础上，这些研究单独或针对特定事件探索了方法学的各个要素，我们评估了大气场的选择、场相似性的数学公式、域大小和相似数量。对于其中一些方法学选择，可以定义识别具有最大影响的相似的规则，使我们能够朝着一个准业务系统迈进，正如已经在概率极端事件归因和简化相似方法中实现的那样。我们利用这些发现来分析六个中纬度极端高温事件相关的环流型在时期之间的差异和长期趋势。这有助于高效、透明地归因和评估具有影响的天气事件，促进全球合作。
在本研究中，我们仅关注中纬度的极端高温事件。原则上，所提出的方法可应用于许多不同类型的气候极端事件，如降水、风暴和寒冷事件，这些事件源于不同的环流型。然而，由于气候系统的复杂性，不同类型的事件会带来不同的挑战，因此可能需要对不同类型的事件应用不同的规则集。
为了开展研究，研究人员主要应用了以下几项关键技术方法：研究基于第五代ECMWF大气再分析资料ERA5，使用了海平面气压(SLP)、500 hPa位势高度(Z500)和2米温度(T2m)等气候变量；通过计算灾害指数（特定区域平均T2m时间序列）与SLP、Z500的全球空间相关性，客观确定每个事件最优的环流相似域；比较了欧氏距离和空间相关两种最常用的相似性度量方法，以评估其对表征热浪灾害能力的影响；在识别相似时，去除了相似域的空间均值以消除长期趋势影响，并设置了至少5天的间隔以确保事件独立性；通过对比历史时期(1950-1980)和近期(1994-2024)的相似合成，评估环流动力和热力条件的变化，并使用双尾t检验评估差异的统计学显著性。
3. 客观方法学选择
通过识别给定时期内最相似的环流相似日，我们可以评估相似事件在不同时期之间的动力变化。我们还可以评估最相似相似的时间分布——创建每年相似的时间序列以评估可能的时间趋势。对于两者，我们必须首先评估识别相似所需的方法学选择。理想情况下，环流相似应不仅重现事件的大气环流，还应重现气象灾害。这确保了动力变化可能导致灾害变化。如果特定极端事件的动力相似不表现出相似的气象灾害，那么动力因素以外的其他因素可能是灾害更重要的驱动因素。作为案例研究，我们使用了一组中纬度极端高温事件。关键气象灾害是最受影响区域的日平均T2m。我们评估了事件最热单日的气象灾害，并识别单日的环流相似，因为使用多日定义会减少潜在相似的数量——使得不太可能识别出高度相似的相似。所选事件是持续时间短、具有明确单日峰值的极端高温事件。大多数事件是ERA5记录中该区域最热的日子，尽管为中国选择的事件是最热的六月天——更热的日子出现在夏季后期。
3.1. 相似域
识别相似的域将影响选择哪些日期。较大的域将导致可用相似较少——对于整个北半球，需要1030年的数据才能找到两个匹配的相似。如果选择的域太大，相似中的局地环流将与事件本身不那么相似——并且地表影响不太可能是极端的。如果选择的域太小，那么我们评估的是非常局地的过程，可能会错过大尺度动力学的变化。我们评估使用两种不同的环流变量——SLP和Z500。早期的研究通常使用专家判断来确定一个基于被认为相关的气象特征（如高压系统）的区域。一些研究已经探索了改变域大小的影响。Faranda等人建议对极端高温事件使用跨越欧洲大陆的相似域——尽管指出方法对域大小的适度变化在质量上不敏感。为了识别每个环流变量的相似域，我们生成了一个灾害指数（灾害区域上空的T2m时间序列），并与环流变量在全球范围内进行相关分析。这些相关图也使我们能够确定哪个环流变量与灾害联系更紧密，这可能带来温度更高的相似。我们使用相关图通过包含最大绝对相关区域来识别相似域。假设该区域内的环流型正在影响灾害指数——尽管关系可能通常更为复杂。这些区域是为每个事件和每个环流变量单独定义的。对于中国和阿根廷的案例，SLP和Z500显示出相反的相关性。在解释此类案例时需要谨慎，因为来自单一变量的环流相似可能无法捕捉气流的垂直结构。
3.2. 相似变量和相似性度量
在本研究中，我们比较了使用两种相似性度量：欧氏距离和空间相关——两种最常用的方法。我们确定从Z500或SLP中选择的相似是否更好地代表灾害。一些早期的研究使用了不同的场，例如250 hPa流函数，但我们选择使用可直接从ERA5获取而无需进一步后处理的变量。我们比较了两种不同环流变量的结果——由于气候系统的复杂性，尚不清楚一种环流变量是否总是在气象灾害方面提供最佳相似。早期对热浪环流相似的研究同时使用了SLP和Z500。极端高温与SLP之间的关系已牢固确立，高压异常导致整个中纬度地区的极端高温。该信号也出现在Z500场中——并且Z500可能优于SLP，因为极端高温本身对SLP场有影响。极端地表高温会减弱局地高压（通过“热低压”效应），减小SLP异常。对于SLP，我们有更多的直接观测，并且再分析数据可追溯到更远的过去。仅使用SLP可能使我们能够评估更早的相似，但如果只能评估一个环流变量，可能会降低我们结论的可信度。在本研究中，我们使用ERA5数据，该数据为1950年以来的SLP和Z500提供了可靠的数据。此外，一些研究认为，最好使用SLP，以避免因Z500的长期趋势而出现问题。为了减少趋势的影响，我们在识别最相似相似之前，去除了每个时间步长在相似域上的空间平均值。评估环流变量与极端高温之间的关系已表明，Z500在欧洲和北美均优于SLP。我们为我们选定的热浪重新评估了这一点。
在这里，我们评估了使用欧氏距离和空间相关，并从Z500和SLP中选择的相似。这给出了这些选项的四种组合。我们确定哪种组合，无论是欧氏距离还是空间相关，以及Z500还是SLP，能识别出更好代表灾害的相似——以及这是否具有统计学显著性。相似平均温度和p值的差异表明，空间相关并没有为任何评估的极端高温事件产生统计学上更热（更热相似）的相似。对于两个案例（北美和中国），欧氏距离给出统计学上更热的相似。因此，在本研究的其余部分，我们仅评估使用欧氏距离识别的相似。在图中我们还显示了评估时期的气候学温度。这表明，尽管相似确实低估了观测温度，但最佳相似集比单独的气候学要极端得多。
相反，我们发现，并非所有事件都有一个最佳的环流变量。除了澳大利亚外，Z500识别出更热的事件，尽管并非所有案例都显示出统计学显著差异。对于北美、欧洲和中国，Z500相似显著更热。澳大利亚的SLP相似显示出统计学上更热的事件。与Jézéquel等人的发现相反，我们并未发现Z500对于欧洲热浪大大优于SLP——两个环流变量之间没有显著差异。
为了确保Z500和SLP相似之间的差异不是由于各自使用的不同域造成的，我们测试了域依赖性。我们展示了两个事件的结果——北美和澳大利亚，对于两者，我们发现结论不变。对于北美，无论使用哪个域，Z500都能给出更极端的相似；对于澳大利亚，SLP始终提供更极端的相似。
结果可能对所选相似的数量敏感。相似的平均温度随着所选相似数量的增加而降低，但这会趋于稳定。如果动力相似真正捕捉到气象灾害，这是可以预期的——因为更近似的相似能更好地捕捉案例研究的动力学和极端温度。需要在确保选择足够相似以评估不同时期之间的差异，同时相似仍能提供极端事件之间取得平衡。这些图还表明，SLP或Z500的选择通常不受相似数量的影响——除了一个案例。对于阿根廷事件，SLP和Z500的线确实相交，但两者在整个过程中都非常相似。其他研究也表明结果对相似数量不过度敏感。
因此，我们研究了一些方法学决策，这些决策是识别能最好捕捉事件地表影响的热浪环流相似所必需的。我们发现在某些情况下，欧氏距离能识别出统计学上更热的极端高温，但在任何情况下空间相关都不能。我们发现，对于热浪，环流变量的选择无法预先确定。不同的事件在哪个环流变量显示更热相似方面显示出相反的、具有统计学显著性的结果。
4. 迈向业务化系统
利用所研究的方法，我们现在提出一个原型业务系统，以使用环流相似评估极端天气事件动力学的变化。我们评估中纬度热浪案例研究。在这里，我们仅展示一个事件的结果。其他5个事件的简短报告——例如可以以业务方式生成——包含在附录2中。类似的使用相似的评估已被世界天气归因组织用于洛杉矶野火（2025年1月）和美国洪水（2025年5月）。我们比较两个时期，一个过去时期（1950-1980）和一个当前时期（1994-2024）的事件日相似。这使我们能够评估每个时期中最相似事件的动力学差异，评估可能的趋势。
重要的是要注意，过去和现在合成之间的差异不一定是由强迫变化（如人为温室气体强迫）引起的。差异可能源于内部变率、土地利用或气溶胶变化，或者可能是由于样本量小或缺乏良好相似而导致的统计假象。我们不能仅从这些结果中归因变化，但它们可用于支持从其他方法得出的归因陈述。
对于北美事件，2021年6月29日，方法学建议使用Z500作为环流场，区域30-70 °N, 100-140 °W作为相似域。观测到的事件显示了北美西部上空的高压系统。相似合成显示了相似的动力学，尽管高压系统较弱且不那么明确。观察两个时期之间的差异，我们发现强度和北移在统计学上显著增加。事件和相似合成的T2m场显示，现在气候中的相似比过去更热，这得到了早期研究的支持。这种差异包括了热力学和动力学分量。两个时期之间全球平均温度的升高将导致变暖，但现在相似中加强的高压系统也可能有助于合成之间的变暖——特别是沿海变暖，其大大超过了全球变暖速率。可以使用方法（例如推断与环流型增强相关的温度变化）来分离各自的贡献，但这超出了我们的范围。我们注意到，特别是对于动力变化，（部分）变化可能是由内部变率而非强迫气候变化引起的。
我们还调查了动力学相似日频率在事件3个月窗口内随时间的变化。我们显示频率没有趋势，但有证据表明存在年代际变率，更相似日的峰值出现在1980年和2000年左右。这提醒我们在解释两个时间段之间的差异时应谨慎——变化可能是由于时期之间的气候变化，但也可能由年代际变率驱动。重要的是要注意，该方法无法区分驱动因素或归因变化，它只能检测时期之间的趋势。
5. 讨论
我们研究了一些选择中纬度热浪环流相似所需的方法学选择，案例研究涵盖了全球六个。我们强调将一种方法应用于多个事件的挑战——即使所选事件仅限于中纬度极端高温。我们表明，通过欧氏距离识别的中纬度热浪相似比通过空间相关识别的相似显示出更大的极端高温。我们提出了一种客观的方法来确定选择相似的域，确保使用与气象灾害关系最强的区域。早期的研究比较了不同大小的相似域，显示了考虑事件特征的重要性。Cattiaux和Ribes提出了一种基于空间和时间极端性来确定灾害域的方法。然而，我们不知道基于事件灾害识别相似域的客观方法。相似集的大小会影响结果，这在我们评估的案例研究中得到显示。基于分析的6个事件，我们建议识别最接近的1%的事件，但请注意，对单个事件进行敏感性测试可能会增加结论的稳健性。我们发现环流变量的选择因事件而异，一个事件显示SLP与极端高温关系更密切，而对于大多数事件，Z500是更好的选择。我们建议为每个事件测试这种选择。
虽然计算相似的类似方法以前已在快速事后研究中使用（例如ClimaMeter；WWA），但这些研究没有包括优化空间域选择的方法。与ClimaMeter相反，这里使用的方法去除了任何在另一个相似5天内识别的相似，以确保所选相似是独立事件。我们注意到，在大多数情况下，所提出的相似法不能用于将识别的任何变化归因于气候变化，它仅仅检测最相似事件的环流型变化。可能存在相似质量足够高——并且变化符合我们对气候变化物理理解的情况——从而能够得出进一步的结论。在这些情况之外，该方法仍可扩展以允许归因变化，例如通过使用具有不同强迫的模式数据来分离潜在的驱动因素。
我们为6个中纬度热浪呈现的结果通常与早期研究一致，无论是使用环流相似还是替代方法。关于欧洲热浪有几项早期研究，它们一致认为类似事件正变得更热。中国热浪的结果与早期研究一致，显示强度增加，但频率变化的不确定性较大。对于阿根廷热浪，我们发现在当前气候中事件较弱，这与Kim等人或Collazo等人不同。然而，与Kim等人一致，我们显示类似事件的频率随时间增加。这可能是由于域大小的差异、增加了2020年以后的再分析数据，或所用月份的差异。这表明结果对方法学选择的敏感性。我们注意到，尽管我们选择测试事件以覆盖一系列地理位置，但这里仅评估了6个事件。在更大范围的事件上进行进一步测试将提高对工作流的信心。
我们评估了具有最相似环流型的日的频率变化。在许多情况下，这些时间序列显示出较大的年际和年代际变率。气候变化的大尺度环流模态，如大西洋多年代际变率、太平洋年代际振荡或ENSO，是包括热浪在内的气候极端事件的重要驱动因素。例如，欧洲的夏季极端温度与冬季NAO强迫有关。通过对频率时间序列与可能驱动因素的时间序列进行进一步分析，有可能显示出统计关系，为变化的可能驱动因素提供证据。这超出了本研究的范围。
使用相似时的一个关键基本假设是环流型驱动了观测到的极端事件。我们的方法仅考虑了气候系统的一个二维元素（单日的SLP或Z500），但实际上系统要复杂得多。仅每日天气型态并不能决定极端高温的特征。我们没有考虑其他已知的极端高温驱动因素，例如土壤湿度，或前期条件。可以识别使用多变量技术的相似，即结合大气场和土壤湿度。我们不对此进行探索，因为在有限的观测记录中，用更多变量进行约束不太可能识别出密切的相似。同样，为了能够单独评估大气环流变化的影响，我们需要一组在各种海表和土壤湿度条件下发生的相似，但我们受到再分析中观测范围的限制。
也可以识别多日的相似，通过识别最小化欧氏距离的N天序列，但我们选择仅使用单日来识别相似。与多变量相似一样，探索评估多日动力学的相似最适合气候模式的大集合。增加搜索的时间尺度会减少可选择相似的样本量——并且样本量越小，预期的相似度越低。我们强调了几个未来工作可以关注的课题。我们仅从再分析数据集ERA5中识别相似。我们受到该记录长度的限制，它提供了1950年以来全球完整的气候数据。在记录中，极端事件（如所研究的极端高温）是罕见的。从观测记录中识别出的破纪录极端事件的相似集总是会低估灾害。因此，与相似集和观测事件之间的偏移相比，方法学选择，如使用欧氏距离还是空间相关，可能显得微不足道。在气候模式的大集合中研究相似，提供更大的样本，从而增加动力相似事件的可能性，可能有助于理解观测记录中相似法的局限性。具有不同强迫的气候模式大集合可以提供一种方法，用于评估通过观测相似识别的动力趋势的过程和驱动因素。
尽管未明确包括在本研究中，但相似可用于评估动力条件的持续性。已使用了多种方法，例如连续日的简单空间相关，或动力系统理论和极值指数。有空间进一步开发该工具以评估持续性变化。我们没有评估相似事件的季节性变化，或选择以事件月为中心的3个月窗口的影响。对于中纬度极端高温事件，这不太可能有重大影响，但在考虑其他事件类型和区域时，可能需要考虑。
环流相似可能不是适用于每个极端天气事件的工具。许多极端事件是独特的，至少在观测记录中是这样。对于破纪录事件尤其可能如此，而科学兴趣往往最大。如果极端事件的动力学是前所未有的——例如在先前未记录的位置出现的温带气旋——那么在观测记录中将没有任何合适的相似。如果气象灾害主要由大尺度动力学驱动，那么相似可能不合适——灾害与相似度量（例如欧氏距离）之间必须存在统计相关性。
多种环流型可诱发极端高温，即使在特定区域内也是如此。所提出的相似法在很大程度上以所评估特定极端事件的环流为条件。如果一个区域显示出可诱发极端高温的环流型存在显著变率，那么其他方法可能更适合评估此类极端事件的变化——例如概率归因。进一步比较通过环流相似识别的事件集（如本研究所用）和通过灾害相似识别的事件集（如概率归因中所用），将有助于科学理解，提供关于气候变化下不断变化的动力学与极端事件强度之间联系的见解。对于最独特的事件，可能在强度和环流方面都前所未有，情景方法如谱逼近或伪全球变暖可能更合适。
尽管这里提出的方法原则上可以应用于许多其他事件类型——例如极端降水或风暴，但这并非简单任务。对于中纬度极端高温，大尺度动力学（例如高压系统）与气象灾害（日温度异常）之间存在牢固的、被充分理解的关系。通常，最接近的相似会显示出极端高温——尽管并不总是如此，如图中所示，一些相似日比气候学更冷。对于降水事件，灾害通常不能完全由环流相似代表——动力学本身不能决定降水型态。为了说明这一点，我们使用了2021年7月14日严重影响西欧的极端降水事件。我们可以基于动力学——一个切断低压系统——识别相似，但这些相似并不都显示出观测事件影响区域上空的极端降水。类似的切断低压可能无法再现极端降水，因为仅天气系统并不代表发生降水极端的充分条件。识别相似的方法仍可用于评估类似环流型的变化。同样，一些最湿润的日子并不是该事件的相似，表明不同的动力情况也可导致该区域的极端降水。
即使是极端高温事件，我们也将其限制在中纬度地区。相似法可能在中纬度表现最佳，因为那里的环流变率大于赤道地区。这导致与极端高温相关的动力情况在中纬度地区比平均值更加明显，使得相似法能更好地捕捉这些事件。在环流变率较小的区域，识别一组不同的相似事件将更加困难。
总之，我们表明环流相似可用于识别具有相似气象灾害的事件，适用于中纬度热浪。基于对两种最常用度量的评估，我们建议使用欧氏距离来选择相似。我们表明环流变量的选择取决于个别事件，并非所有极端高温都同等地由相同变量解释。我们提出了一种方法来评估特定极端事件动力驱动因素的趋势。这使我们能够评估类似事件是否随时间增加强度或频率。我们注意到，检测和归因研究在从多个角度使用一系列方法分析事件时最为有用。因此，结合其他方法，来自相似的信息可以提供关于环流条件下灾害变化的信息，从而增加归因研究的可信度。
