FLOOD STUDY

We are Long's group 短历时强降雨可以引起山洪、滑坡和泥石流等灾害，致灾性强。然而前人关于极端降雨的变化的研究主要关注日降雨及更长时间尺度降雨的变化（Georgescu et al., 2021），对于短历时（亚日尺度、亚小时尺度）极端降雨变化的研究较为匮乏，且置信度较低（IPCC第六次评估报告）。近日一项发表于国际著名杂志Science（https://www.science.org/doi/10.1126/science.abn8657）的研究首次对区域短历时暴雨强度的变化进行了深入研究。

作者选择澳大利亚悉尼以东的临海地区作为研究区，基于三个地面雷达近20年的卫星校准降雨数据（水平空间分辨率1 km，时间分辨率10 min），借助面向对象的诊断评估方法（Method of Object-Based Diagnostic Evaluation）识别出暴雨云团的最大降雨率，使用95分位数进行回归，发现自1997年以来最大降雨强度每年至少增加了2%（见图1）。

图1. 基于雷达云团的最大降雨强度（年95分位数）的变化趋势。（A）年降雨量的95分位数时间序列，虚线为基于分位数回归的拟合趋势。（B）分位数回归分析计算得到的变化斜率，所有趋势均显著（P<0.05）

研究进一步分析了不同时间尺度暴雨强度的变化趋势。作者首先将气象站的逐分钟降雨重采样成10分钟、小时和天尺度的累积降雨系列，再对气象站和雷达不同时间尺度的极端降雨强度进行分位数回归，其99分位数和99.9分位数雨强的变化趋势如图2所示。大多数气象站10 min尺度的99.9分位数雨强表现出显著的增加趋势，增幅高达2%每年（图2A），然而小时雨强表现显著增长趋势的站点明显变少（图2B）。对于90分位数，小时雨强增幅比10 min尺度雨强的增幅更大，且更显著。大多数站点日尺度极端降雨几乎没有明显变化（图2C-2E）。

图2. 基于站点和格点的极端降雨变幅。自动气象站(AWS)和相应位置雷达格点的非常极端（99.9%，A-B）和极端（99%，C-E）降雨数据在亚小时（10 min，A和C）、小时（B和D）以及日尺度（E）的变化趋势。橘色和蓝色条带表示在显著性水平0.05下通过检验；灰色条带表示变化不显著。

此外，雷达得到的极端降雨变化趋势比自动气象站更明显（图 2）。主要是由于站点观测对风速、发生降水的云层高度十分敏感，故站点观测的降水偏低。相比于站点观测、再分析数据和卫星降水产品，天气雷达能够提供更高时空分辨率的降水观测，有助于进行极端降水变化的研究。

研究表明，亚小时尺度极端降雨增幅最大，这一趋势随着时间尺度的增加（小时尺度或日尺度）逐渐下降。这说明即使在日尺度极端降雨变化不明显的地区，亚小时尺度极端降雨仍然可能增强，从而增加山洪泥石流等灾害的风险。Kendon等(2018)对英国南部的区域气候模拟结果发现，气候变暖条件下，10 min和小时尺度降水变化将比日降水量的变化提前几年至数十年出现。本研究作为这一模拟研究的观测证据，表明模式所预测的增暖条件下的降水变化已经真实发生。未来研究可以考虑对短历时极端降雨的变化原因进行探索，从而提高极端降雨未来预测的可信度。

文字：沈烨、张晶寒、杨依欣  美编：杨依欣  责编：杨   龙

原创 洪水嗑盐笔记 洪水嗑盐笔记

参考文献：

[1] Ayat H, Evans J P, Sherwood S C, et al. Intensification of subhourly heavy rainfall. Science, 2022, 378(6620): 655-659.

[2] Georgescu M, Broadbent A M, Wang M, et al. Precipitation response to climate change and urban development over the continental United States. Environmental Research Letters, 2021, 16(4): 044001.

[3] Olsson J, Foster K. Short-term precipitation extremes in regional climate simulations for Sweden. Hydrology Research, 2014, 45(3): 479-489.

[4] Kendon E J, Blenkinsop S, Fowler H J. When will we detect changes in short-duration precipitation extremes? Journal of Climate, 2018, 31(7): 2945-2964.