过去六十年间全球降水持续性的变化规律与下降趋势

《Journal of Hydrology》：Global patterns and declines of precipitation persistence over the past six decades

　　

• •
  全球降水量持续性（β_P）存在显著的空间异质性。
• •
  多数据集对比表明，在相同时段内β_P呈下降趋势。
• •
  持续性的下降可能意味着降水量变化更加碎片化。

引言

全球降水量模式直接影响水资源可用性（Zhang等人，2022）、农业生产力（Waller等人，2021）以及生态系统的可持续性（Siepielski等人，2017）。作为流域水文过程的主要输入因素，降水量决定了流域内各种过程的时机，并影响水资源的稳定性（Berghuijs等人，2014；Gao等人，2025）。过去几十年来，全球降雨模式发生了显著变化（Bui和Maloney，2018；Chen等人，2025；Feng等人，2013；Grant等人，2025；Grundemann等人，2023；Medina-Elizalde和Rohling，2012；Smith等人，2023；Tabari，2020；Tan等人，2023），表现为时间变化性增加（Bui和Maloney，2018；Tabari，2020；Tan等人，2023）、极端天气事件频发（Chen等人，2025；Grant等人，2025），以及不同地区的降雨分布格局发生变化（Feng等人，2013；Smith等人，2023）。这些变化给精确的水文预报和水资源管理带来了巨大挑战，凸显出了解降水量可预测性变化之急的必要性（Simpson等人，2019）。

降水量变化中一个重要但研究不足的方面是降雨事件的持续性，即湿润或干燥状态在时间上持续存在的倾向，这种倾向会导致时间上的聚集现象以及更长的连续湿润或干燥期（Fraedrich和Larnder，1993；Kantelhardt等人，2006；Markonis和Koutsoyiannis，2016；Moon等人，2019；Takalo，2021；Yang和Fu，2019）。持续性不仅影响降雨本身的可预测性，还决定着水文极端事件发生的概率。较高的持续性会加剧长期干旱或洪水灾害的风险，而持续性下降则会导致降雨更加零散且不稳定，增加干旱与洪水快速交替出现的频率，这对水资源管理和农业生产尤为不利（Boers等人，2019；Gómez-Gómez等人，2022）。值得注意的是，降水量持续性反映了大气环流系统的固有特征和动态规律（Wu等人，2024）。包括厄尔尼诺-南方涛动（ENSO）和太平洋年代际振荡（PDO）在内的大规模气候模式和环流系统，能够影响多个空间和时间尺度上的降雨变化（Bunde等人，2013；Fraedrich和Larnder，1993；Kantelhardt等人，2006；Takalo，2021；Yang和Fu，2019）。气候变化预计会改变这些系统的行为和强度（Shields等人，2024），进而可能改变降水量持续性的分布格局。

尽管降水量持续性的重要性已被广泛认可，但现有研究大多集中在局部或区域尺度上（Gómez-Gómez等人，2022；Gómez-Gómez等人，2023；Miranda等人，2004），通常是通过与其他气象或水文变量之间的关联间接研究持续性（Ault等人，2013；Pelletier和Turcotte，1997；Tessier等人，1996）。因此，关于全球不同气候区域降水量持续性空间分布的基本问题仍未得到解答。此外，近年来由于大规模大气模式的变化，降水量持续性究竟如何演变也尚不清楚，尤其是因为不同的全球日降水量产品在其数据来源、空间覆盖范围以及反映长期趋势的能力方面存在很大差异。因此，有必要通过系统地量化降水量持续性的全球空间格局和长期时间趋势来填补这些知识空白。

降水量持续性的量化颇具挑战性，因为降雨在从单个风暴到十年尺度不等的不同时间范围内都会发生变化，要捕捉这种多尺度结构就需要采用频域分析方法。在此，我们基于欧洲中期天气预报中心ERA5再分析数据集（Hersbach等人，2020），对1960年至2020年的日降水量持续性进行了全球范围的分析，运用谱分析法得出时间“记忆”指数β_P，以此作为衡量降水量持续性的可靠指标。该指数是通过将降水量功率谱与频率作近似幂律拟合后得到的斜率来计算的。较高的β_P值表示更强的时间持续性（见图S1）：例如，β_P＝0对应于没有持续性的白噪声，而β_P＝1则对应于具有高持续性的粉红噪声（类似分形结构的记忆特性）。为了评估所推断出的空间格局和趋势与降水量产品之间的关联性，我们还用站点观测数据以及基于观测数据的网格化产品对ERA5得出的结果进行了验证。我们还将β_P与25,215个降水监测站记录的连续湿润和干燥期长度以及潜在降水量可预测性指标进行比较，从而进一步探讨β_P的实际意义。我们的研究结果表明，多个数据集都显示全球平均β_P值呈下降趋势，这一结论为全球降水量持续性的变化提供了更为谨慎的评估。

章节要点

谱分析与降水量“记忆”指数（β_P）

目前用于研究降水量持续性（或时间行为）的传统方法，如自相关分析（Iliopoulou等人，2018；Sp?t等人，2024）、重标度范围分析（R/S分析）（Miranda等人，2004；Rehman和El-Gebeily，2009）以及去趋势波动分析（DFA）（Gómez-Gómez等人，2023；Kantelhardt等人，2006；Yang和Fu，2019；Zhao和He，2015），大多在时间域内开展，且往往受到特定方法论限制的制约。

数据来源

本研究使用了由欧洲中期天气预报中心生成的ERA5再分析数据中的日降水量数据。ERA5能够以0.25°×0.25°的空间分辨率提供1950年至今的全球降水量数据，它通过四维数据同化技术整合了卫星观测数据、现场观测数据以及模型模拟数据。该数据集能够给出降水量及其他关键大气变量的内在一致估计值，非常适合用于长期的全球降雨分析。

降水量持续性的全球空间差异

我们利用1960年至2020年的ERA5日降水量数据，计算了每个网格点的β_P值。图1a展示了β_P的全球分布情况，其数值范围在－0.04到0.94之间，全球平均值为0.38，中位数为0.34。这些数值表明整体上降水量持续性处于中等水平，但不同地区之间存在明显差异：北半球呈现集中的单峰分布，而南半球则呈现较为宽泛的双峰分布（见图S2）。从空间分布来看，β_P存在显著的纬度差异。

讨论与意义

通过引入时间“记忆”指数β_P，该指数能够将不同时间尺度上的降水量持续性整合为一个统一的指标，本研究基于ERA5数据对全球降水量持续性进行了分析，并通过多种独立的基于观测的数据集对其一致性进行了检验。ERA5分析结果显示，1960年至2020年间全球降水量持续性存在显著的空间异质性，并且整体呈下降趋势。此外，通过与GHCN、GPCC等数据集的对比分析，

结论

本研究利用谱“记忆”指数β_P，基于ERA5数据对1960年至2020年间的全球降水量持续性进行了分析，并结合GHCN、GPCC以及HOAPS/GPCC等多组基于观测的数据集，对其一致性进行了评估。研究结果表明，β_P呈现出明显的大尺度空间结构特征，陆地与海洋之间的差异十分显著，同时各地区的持续性也存在明显差异；此外，ERA5数据所反映的降水量持续性在过去六十多年间普遍呈现下降趋势。

CRediT作者贡献说明

周云秋：论文撰写——初稿编写、可视化处理、方法设计、数据收集与分析、正式分析、数据整理。梁秀玉：论文撰写——审阅与编辑、研究指导、资源协调、资金获取、研究构思。傅宗梅：论文撰写——审阅与编辑、资源协调、数据收集与分析。郑毅：论文撰写——审阅与编辑、资源协调、数据收集与分析。冯炼：论文撰写——审阅与编辑、资源协调、数据收集与分析。郑春苗：论文撰写——审阅与编辑、资源协调、数据收集与分析。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

本研究部分得到了以下机构的支持：中国国家自然科学基金（项目编号：42372289）、中国教育部基础学科拔尖计划（项目编号：JYB2025XDXM909）、粤港土壤与地下水污染控制联合实验室（项目编号：2023B1212120001）以及高校特色发展专项资金（项目编号：G03050K001）。

周云秋|梁秀玉|傅宗梅|郑毅|冯炼|郑春苗