《Earth's Future》:Climate-Mode Precursors and the Predictability of Amazon Hot and Dry Extremes
编辑推荐:
研究人员刻画了滞后的大尺度气候模态与亚马孙气候极端事件之间的依赖关系,并评估了月尺度前兆信号是否能够实现对复合高温干旱事件的早期预警。基于copula(连接函数)的框架分析了主要气候驱动因子与降水和温度异常在多个滞后上的尾部依赖,确定了变率模态的极端相位在何处
研究人员刻画了滞后的大尺度气候模态与亚马孙气候极端事件之间的依赖关系,并评估了月尺度前兆信号是否能够实现对复合高温干旱事件的早期预警。基于copula(连接函数)的框架分析了主要气候驱动因子与降水和温度异常在多个滞后上的尾部依赖,确定了变率模态的极端相位在何处以及提前多久可能先于局部极端事件出现。机器学习模型随后评估了由滞后气候指数预测复合高温干旱事件的可预测性,确定了哪些模态和提前时间能够产生有技巧的预报。Copula建模表明,在厄尔尼诺-南方涛动(ENSO)和热带大西洋变率的正相位之后,高温极端事件更可能发生,且这种关系比冷极端事件更为普遍。最持久的信号出现在3—5月气温上,此时在正气候模态异常之后长达7个月的滞后上,亚马孙地区出现高温极端事件的概率增大,表明具有显著的长提前期预警潜力。在9—11月,高温极端事件与先前热带北大西洋增暖相关。在12—2月,高温极端事件在盆地范围内与热带南大西洋增暖的短滞后相关,而在高原亚马孙(Planalto Amazon)和安第斯—亚马孙山麓则与较长的ENSO滞后相关。相比之下,降水与气候指数之间的尾部依赖有限,北大西洋变率与单个高温和干旱极端事件之间的依赖较弱。复合高温干旱事件的可预测性由ENSO主导,并在12—2月达到峰值,尤其在圭亚那高地西部;在3—5月于中亚马孙低地达到峰值,而技巧在6—8月最低。可靠的预测通常需要至少一个提前1个月的气候指数。
复合高温干旱事件(即高温与降水短缺同时发生)对生态系统、人体健康、粮食安全和全球经济构成严重威胁。近年来,此类事件在亚马孙流域的频率和强度均有所增加,例如2023年亚马孙地区记录到前所未有的干旱和破纪录高温。以往研究主要通过相关、合成、回归或小波相干分析,侧重于线性或对称的平均协变关系,难以刻画气候模态极端相位与局部极端事件在特定时间滞后上的关联。为此,研究人员采用copula(一种描述变量间依赖结构的连接函数)框架显式建模非线性与尾部依赖,并结合机器学习评估滞后气候指数对复合事件的预测技巧。该研究发表在《Earth's Future》。
研究人员使用CRU TS v4.08数据集(1950—2023年月尺度温度和降水),先通过k-means聚类将亚马孙划分为6个气候子区域(Region1—Region6),再以3个月标准化降水指数(SPI
3)小于?1定义干旱事件,以3个月平均温度超过1971—2000年逐月第90百分位定义高温事件,二者同时发生定义为复合高温干旱事件。气候指数包括厄尔尼诺-南方涛动(ENSO)的Ni?o3.4指数、热带北大西洋(TNA)指数、热带南大西洋(TSA)指数和北大西洋涛动(NAO)指数。分析分两个层面:其一,采用copula模型(Clayton、Gumbel、Joe、Frank及其旋转和生存变体)拟合滞后0—7个月的气候指数与区域温度异常和SPI
3之间的依赖结构,以Akaike信息准则(AIC)选择最优族,以Kendall's τ量化依赖强度,并重点关注尾部依赖;其二,使用随机森林(Random Forest, RF)分类框架,对4个气候指数在滞后0—7个月的所有组合(共4,096种)进行训练和评估,以真阳性率(TPR)≥0.5和F1分数≥0.25作为有技巧的标准,并通过特征重要性排序识别主导预测因子。
### 3.1 温度异常与滞后气候指数的依赖关系
Copula分析显示,温度异常与滞后的Ni?o3.4、TNA和TSA之间最普遍的是上尾依赖,即这些指数正相位显著增加高温极端事件的发生概率,且其空间范围和出现频率均高于与冷极端相关的下尾依赖。最持久信号出现在3—5月(MAM),此时正气候模态异常可在滞后长达7个月的情况下仍使亚马孙大部分地区高温概率升高,表明存在稳健的长提前期前兆信号。在12—2月(DJF),高温依赖集中于TSA的短滞后或同期条件,而在Region5—Region6(Planalto亚马孙及安第斯—亚马孙山麓)出现较长滞后的Ni?o3.4关系。在9—11月(SON),高温极端事件主要与TNA相关。NAO在任何区域-季节组合中均未与温度表现统计显著的尾部依赖。
### 3.2 SPI-3与滞后气候指数的依赖关系
与温度相比,SPI
3与气候指数之间的依赖总体较弱且空间零散,尾部依赖鲜有检出。在存在依赖的情形中,多为Frank对称依赖,主要限于Region2中SPI
3与Ni?o3.4的多月滞后协变,并在Region3中表现为负相关(高指数对应低SPI
3,即更干)。明确的尾部依赖仅出现在孤立情况,例如Region2在SON时段高SPI
3更可能紧随高TSA的1个月滞后,以及Region3在JJA时段低TSA异常增加干旱概率。总体而言,降水极端事件受这些大尺度模态的调制远弱于温度极端事件。
### 3.3 复合高温干旱事件的可预测性
随机森林结果表明,滞后气候指数对复合事件的预测技巧因区域和季节显著不同。技巧配置比例最高出现在Region4-MAM(81%)、Region2-DJF(79%)和Region1-DJF(59%)。最强性能体现在Region2-DJF(中位F1≈0.5,中位TPR≈0.7)和Region4-MAM(中位F1>0.5,中位TPR>0.7),远高于基于经验事件频率的朴素分类器(F1分别约0.09和0.07)。整体上6—8月(JJA)技巧最低。成功配置中通常至少包含一个同期(滞后0)气候指数,但少数配置仅使用滞后1—2个月的指数即可实现最高性能,表明存在1—2个月的提前预测能力。Region6-DJF出现的完美分数源于训练和测试各仅含一个事件,受样本量限制,不能解读为稳健技巧。
### 3.4 气候指数对可预测性的重要性
在24个区域-季节组合中,Ni?o3.4在一半情况下被排为最重要预测因子,包括所有区域的DJF、Region3的全部季节以及Region3—5的MAM。TNA在Region1和Region4的SON中重要性最高,TSA在Region5的SON中领先,NAO仅在Region6的MAM中成为最重要。在高技巧配置中,Ni?o3.4几乎在所有情况下排名第一,表明ENSO是亚马孙复合高温干旱事件可预测性的主导贡献者。
讨论部分指出,温度极端事件更容易受大尺度环流异常和辐射强迫的直接影响,而降水极端事件受中尺度动力学和陆-气反馈强烈调节,因此温度与气候指数的依赖更强。物理上,ENSO和热带大西洋变率通过调整沃克环流、抑制对流、驱动热带北大西洋增暖并影响大西洋热带辐合带(ITCZ)位置等机制,共同调制亚马孙高温和干旱条件。值得注意的是,NAO虽然在双变量copula分析中无显著尾部依赖,却在随机森林中成为部分区域复合事件的贡献因子,暗示其影响可能是通过与大西洋海温及水分输送路径的间接、非线性交互实现。研究也存在局限性,如基于单一观测数据集、仅考虑四个气候指数、统计框架代表潜在而非实际预测技巧等。但copula分析和机器学习两种独立方法的结果相互印证,并与此前动力学机制认识一致,增强了结论的可靠性。
结论部分翻译如下:研究人员刻画了亚马孙气候极端事件与月尺度滞后气候模态之间的依赖关系,并评估了这些滞后前兆信号在复合高温干旱事件早期预警中的可利用程度。Copula分析表明,温度异常与滞后的Ni?o3.4、TNA和TSA存在广泛尾部依赖,高温极端事件多与正指数相位相关;最持久信号出现在MAM,滞后可达7个月。降水与气候指数的依赖普遍较弱且空间零散,仅在孤立情形下检出有意义的尾部依赖。随机森林实验证实滞后气候指数对复合事件的预测效用具有强区域和季节差异:预测技巧在北部区域的DJF和中亚马孙低地的MAM最高,在JJA最弱;ENSO是主要贡献者,热带大西洋海温变率也贡献显著技巧,而NAO仅在特定情形起作用。这些结果在CRU和ERA5两套数据间定性一致,为亚马孙区域季节风险评估和气候服务提供了改进早期预警的基础,尤其在MAM高温和相关复合风险方面。对于技巧低或缺失的时期和区域,仅靠气候指数不足,需纳入陆-气耦合和区域过程信息。