《Earth's Future》：Intensifying Sub-Daily Rainfall Extremes in Tropical Cities: Projections From Downscaled Baselines in a Warming Climate
编辑推荐：
热带城市经常暴露于短时强降雨中，这对快速增长的人口构成显著洪水风险，因此预测这些极端事件在气候变化下如何演变至关重要。然而，局部预估仍受限于缺乏高分辨率气候模拟和长期气象记录。为解决这一问题，研究人员提出了一种全球可扩展的框架，该框架使用随机降尺度模型（sto
热带城市经常暴露于短时强降雨中，这对快速增长的人口构成显著洪水风险，因此预测这些极端事件在气候变化下如何演变至关重要。然而，局部预估仍受限于缺乏高分辨率气候模拟和长期气象记录。为解决这一问题，研究人员提出了一种全球可扩展的框架，该框架使用随机降尺度模型（stochastic disaggregation model）将网格化日降雨数据降尺度至小时分辨率。模型通过卫星衍生的小时降雨统计量进行校准，并利用通用环流模式（General Circulation Model, GCM）预估的露点温度（dew point temperature, DPT）应用降雨强度-温度缩放关系，从而消除了对局部小时记录的依赖。通过将露点温度-降雨关系与气候模式预估的变化联系起来，研究人员为20个热带和亚热带城市生成了未来的强度-历时-频率（Intensity-Duration-Frequency, IDF）曲线。结果表明，在SSP2-4.5情景下，并假设遵循克劳修斯-克拉佩龙（Clausius-Clapeyron, CC）缩放关系，2080–2100年相对于1995–2014年，小时降雨强度增加10%–17%，而在SSP5-8.5情景下，罕见高影响事件的频率增加高达六倍。温度-降雨缩放关系成为主导不确定性来源，超过气候模式和排放不确定性。研究人员进一步表明，仅使用平均温度变化而非整个温度分布的变化，可能显著低估降雨增强。这些发现强调了准确量化局部温度-降雨缩放关系的必要性，并为改进全球降雨极端事件预估（尤其是在数据稀缺地区）提供了途径，以支持未来气候下更具韧性的城市基础设施规划。
**论文解读：热带城市亚日极端降水增强的预估框架与不确定性分析**
**研究背景与问题**
随着气候变暖，全球大部分地区预计将经历极端降水的增强，尤其是短历时、高强度的对流性降水事件，这些事件与城市洪涝风险密切相关。热带城市因人口快速增长、高不透水面积和资产集中，对极端降雨尤为脆弱。然而，热带地区长期缺乏高分辨率气候模拟和长期气象记录，导致局部极端降水预估能力受限。现有卫星降水产品（如GSMaP、IMERG）虽提供全球覆盖，但常低估短历时极端事件；高分辨率的对流可分辨模式（Convection-Permitting Models, CPMs）计算成本高昂且主要局限于中纬度地区。因此，迫切需要开发一种数据需求低、可全球扩展的方法，以生成可靠的当前气候IDF曲线并预估未来变化。
**研究内容与结论**
研究人员开发了一个两步框架：第一步，利用卫星衍生的小时降雨统计量校准随机巴特利特-刘易斯矩形脉冲模型（Bartlett-Lewis Rectangular Pulses model, BLRP），将全球降水气候中心（Global Precipitation Climatology Centre, GPCC）的日降雨数据降尺度至小时分辨率，生成当前气候的IDF曲线；第二步，基于温度-降雨缩放关系，结合通用环流模式（General Circulation Model, GCM）预估的露点温度（DPT）变化，使用TENAX模型（TEmperature-dependent Non-Asymptotic statistical model for eXtreme return levels）预估未来IDF曲线。该框架应用于20个热带和亚热带城市。结果表明，在SSP2-4.5情景下，2080–2100年小时极端降雨强度相对于1995–2014年增加约10%–17%，未来50–100年一遇事件频率增加2–3倍；在SSP5-8.5情景下，强度增加15%–33%，罕见事件频率增加高达6倍。不确定性分析表明，降雨强度-温度缩放率是主导不确定性来源，超过气候模式和排放情景选择。此外，仅使用平均露点温度变化会低估极端降雨增强，必须考虑整个露点温度分布的变化。该论文发表在《Earth's Future》上，为数据稀缺的热带地区提供了实用的IDF曲线生成方法，支持非平稳设计基准下的城市洪水适应规划。
**关键技术与方法**
研究人员采用了以下主要技术方法：（1）随机降尺度：使用BLRP模型，通过卫星（GSMaP_NRT）小时降雨统计量校准，将GPCC日降雨数据降尺度至小时分辨率，生成当前气候IDF曲线。（2）温度-降雨缩放：利用TENAX模型，将露点温度（DPT）作为协变量，通过预设的缩放率（0.5×CC、1×CC、2×CC以及全球观测缩放率）模拟降雨强度对温度的依赖性。（3）未来预估：基于CMIP6中9个GCM的DPT分布和湿日频率变化，对当前校准的TENAX模型参数进行未来气候条件积分，生成未来IDF曲线。（4）不确定性量化：比较不同缩放率、排放情景（SSP1-2.6、SSP2-4.5、SSP5-8.5）和未来时段（2050–2070、2080–2100）下的预估结果，并评估全分布积分与平均偏移法的差异。样本队列来源为20个热带和亚热带城市。
**研究结果**
**3.1 当前气候降雨**
**3.1.1 降雨统计量与BLRP模型校准**：通过对比新加坡地面站数据与GSMaP卫星数据，发现卫星估计的方差和干期比例低于地面观测，但均值高度一致，表明卫星数据可用于校准BLRP模型。
**3.1.2 降尺度IDF曲线验证**：在雅加达、马尼拉、吉隆坡、新加坡、迈阿密和圣胡安六个验证城市，降尺度IDF曲线与地面观测IDF曲线吻合良好，均方误差较GSMaP和ERA5分别降低71.6%和90.1%，证明该框架可有效重现站点极端降雨强度。
**3.2 未来小时降雨强度预估**
**3.2.1 IDF预估框架：标准单站点应用**：以雅加达为例，在SSP2-4.5情景下，CMCC-ESM2模型预测湿日DPT均值增加1.31°C，99.995百分位增加1.65°C，表明尾端变化更剧烈；年降雨事件数从200天降至178–181天，频率变化与温度缩放共同影响IDF曲线。
**3.2.2 热带城市短历时降雨极端事件预估**：所有城市湿日DPT均增加，均值从SSP1-2.6的1.0°C到SSP5-8.5的3.3°C，且尾端增加通常超过均值。在CC缩放假设下，SSP2-4.5情景下2080–2100年加权增强范围为+9.8%至+16.8%，SSP5-8.5下为+15.4%至+33.1%。南亚、东南亚、西非和巴西沿海增强最强，中美洲和加勒比地区模型间变异性较大。
**3.2.3 热带城市极端事件频率变化**：所有城市未来相同降水强度对应的重现期缩短，稀有事件频率增加更显著。在SSP5-8.5情景下，当前50–100年一遇事件频率增加高达6倍，且高频事件（如2年一遇）频率增加较小。
**3.3 预估降雨增强的不确定性量化**
**3.3.1 预估降雨增强的不确定性来源**：缩放率的选择对增强幅度的影响与排放情景或气候模型选择相当或更大。零缩放情景（仅考虑频率变化）产生最小增强，而2×CC缩放产生最大增强。全球观测缩放率（Ali et al., 2021）导致最大跨城市变异性，表明局部缩放关系的不确定性至关重要。
**3.3.2 分布效应**：比较全温度分布积分法与平均偏移法，发现平均偏移法通常低估增强，尤其是极端事件，且低估幅度随缩放率增大而增大。少数情况下平均偏移法可能高估，表明考虑整个DPT分布变化是必要的。
**讨论与结论**
讨论部分指出，卫星数据校准的BLRP模型虽能较好重现IDF曲线，但卫星数据存在系统性偏差（如高估湿时步频率、低估变异性和极端值），且面积折减因子（Areal Reduction Factor, ARF）引入额外不确定性。未来预估中，缩放率不确定性主导整体不确定性，且GCM模拟的湿日DPT分布偏差（如湿日频率过高、湿度趋势偏差）会直接传递至预估。研究还强调，仅使用平均温度变化的方法会严重低估降雨增强，必须采用全分布积分方法。研究结论翻译如下：我们开发了一个可扩展的框架，用于在数据稀缺地区估计和预估短历时（1小时）降雨极端事件，并将其应用于20个热带城市。结果表明，卫星信息驱动的随机降尺度方法结合日降雨数据可在台站记录不足时提供可靠的IDF估计。未来预估显示，在SSP2-4.5情景下，小时极端强度增加约10%–17%，当前50–100年一遇事件频率增加2–3倍；在SSP5-8.5情景下，强度增加15%–33%，罕见事件频率增加高达6倍。不确定性分析表明，降雨强度-温度缩放率假设主导不确定性，超过气候模式或排放情景选择。研究进一步证实，简单的湿日DPT平均偏移法低估降雨变化，而全分布积分方法能更好地捕捉尾端行为，提供更现实的极端降雨估计。总体而言，尽管降雨增强的精确幅度仍不确定，但变化方向明确：短历时降雨极端事件将在变暖气候下增强。对于快速发展的热带城市，这意味着洪涝风险上升和排水基础设施压力增大。本框架为数据稀缺地区提供了设计适应规划所需的基线IDF信息。
