；审核时间:65天；文章出版费用:3790美元
期刊领域:地表过程，土壤科学
期刊分区:地球科学1区TOP
信息来源:ScienceDirect\中科院文献情报中心
期刊官网:https://www.sciencedirect.com/journal/journal-of-hydrology
文章梗概
本文结论
1.二十四节气对降水模式的准确概括
通过对比节气前后30天的累积降水量和有效降水日数，研究验证了二十四节气，特别是雨水、谷雨、小暑和大暑节气，与中国不同区域的降水变化高度相关。这一传统历法在描述降水模式方面具有科学依据，能够反映出降水的时空分布特征。
2.未来极端降水事件的集中发生期
研究预测，在不同的未来碳排放情景下，超过55%的中国区域将在小暑和大暑两个节气期间发生极端降水事件。青藏高原地区极端降水事件的频率在未来有显著增加的趋势，尤其是在高碳排放情景下。
随着全球变暖，未来极端降水事件的频率整体呈上升趋势。尤其在最高排放情景（SSP5-8.5）下，小暑和大暑期间的极端降水风险大幅增加，部分区域的极端降水频率通过了95%以上的显著性检验。
本研究通过将二十四节气这一中国传统文化元素与现代气象和水文科学相结合，提出了一种新的时间尺度分析方法。通过这种方法，揭示了中国复杂气候背景下降水的周期性变化，并为未来极端降水事件的预测、防洪措施和灾害预警提供了理论支持。
小暑和大暑节气是中国大部分区域极端降水的高频时段，尤其在华北、华中和华东等地最为显著。青藏高原和东南沿海等特殊地理区域的极端降水事件在未来情景中表现出明显的空间异质性。
本文研究方法和创新点分析
研究方法分析
1.数据来源与整合
研究结合了CMIP6气候模型与中国大陆观测数据。CMIP6模型提供了未来不同碳排放情景下的降水预测数据，而观测数据则用于验证模型的准确性。这些数据帮助研究团队分析了中国过去40年及未来的降水模式和极端降水事件。
2.二十四节气框架分析
以二十四节气为时间框架，研究对比了每个节气前后30天的累积降水量和有效降水日数，从而检验传统节气是否能够准确反映降水变化。通过这种方法，研究分析了节气与降水的相关性。
3.极端降水事件识别
使用降水95百分位（R95P）和99百分位（R99P）指标识别极端降水事件。研究统计了各个节气期间超过这两个阈值的降水频率，并结合不同的未来情景模型，分析了极端降水的时空分布。
4.多模型情景预测
采用了四种不同的未来碳排放情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5），对未来极端降水事件的频率和分布进行预测。通过多模型集合平均，减少单一模型带来的预测偏差。
5.统计分析与验证
研究使用了曼-肯德尔趋势检验（M-K）来分析极端降水事件的时间趋势，确定未来极端降水的显著变化趋势。该检验用于判断不同情景下，某些区域在未来是否会显著增加极端降水的频率。
创新点分析
相较于大多数基于季节或月份的降水研究，本文通过二十四节气这一约15天的时间段，进行了更精细的时空降水模式分析。这种短期时间段的分析方式提供了更高的时间精度，使得研究能够更细致地揭示降水和极端降水事件的变化规律。
本文不仅验证了过去40年中国降水模式与节气的相关性，还通过多种未来碳排放情景预测了极端降水事件的未来发展趋势。尤其是在小暑、大暑两个节气期间，极端降水事件在不同情景下的时空分布和风险评估，为未来防洪和灾害管理提供了创新性的理论支持。
研究揭示了在不同碳排放情景下，青藏高原等特殊区域的极端降水风险显著增加，并结合二十四节气展示了各区域在未来可能面临的气候风险。这种基于节气的降水模式研究，在揭示区域性气候差异方面具有新的贡献。
通过CMIP6多模型集成和量化模型偏差的方法，本文在不同碳排放路径下，对未来降水和极端降水进行了可靠的预测，减少了单一模型带来的不确定性。这种方法为未来气候变化研究提供了更稳健的分析框架。
关键词：
二十四节气 (Twenty-four solar terms);降水模式 (Precipitation pattern);极端降水 (Extreme precipitation);气候变化 (Climate change)
数据来源
实验步骤
1.数据收集与处理
本文通过多个数据源收集和处理降水相关数据，用于分析中国的降水模式和极端降水事件。
2.二十四节气时间框架的定义与计算
① 利用太阳在黄道上的位置划分二十四节气，每个节气约为15天。
② 通过公式计算每年各节气的具体开始和结束时间。
③ 将这些节气时间应用于降水数据的分析，比较不同节气前后30天的降水变化。
3.降水指标的计算与验证
① 选择关键节气（雨水、谷雨、小暑、大暑）分析常规降水和极端降水。
② 计算以下两个指标：
• 累积降水量差值（DPST）：比较节气前后30天的降水量变化。
• 有效降水日数差值（DIEPD）：统计节气前后有效降水日（降水量大于0.5mm）的变化。
4.极端降水事件的识别
通过以下两种百分位标准识别极端降水事件：①R95P：日降水量超过历史95百分位的为极端事件。②R99P：日降水量超过历史99百分位的为更极端事件。
5.多模型未来情景模拟
① 采用CMIP6模型进行四种未来碳排放情景的模拟：SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5。
② 将这些情景应用于二十四节气框架下的降水预测，重点分析未来极端降水事件的时空分布。
6.M-K趋势检验
采用曼-肯德尔趋势检验方法分析未来极端降水事件的时间趋势，判断未来极端降水事件在不同碳排放情景下的显著变化。
7.结果分析与验证
① 对比模型预测结果与观测数据，验证二十四节气对降水模式的准确性。
② 分析未来各节气极端降水事件的时空分布及其在不同情景下的变化趋势，特别是小暑和大暑节气的极端降水现象。
插图赏析
图1、雨水和谷雨节气前后30天累计降水量差异的空间分布
图2、雨水和谷雨节气前后30天有效降水日数差异的空间分布
图3、中国雨水和谷雨节气前后30天累计降水量差值和有效降水日数差值的箱线图
图4、中国极端降水事件频率最高的二十四节气的空间分布
图5、中国极端降水事件频率最高的二十四节气的纬度和经度分布统计结果
图6、中国十大独立流域在不同节气期间的极端降水事件频率的山脊图
图7、中国EEP事件频率最高的二十四节气的空间分布
图8、未来中国小暑和大暑节气期间极端降水频率的Mann-Kendall趋势分析空间分布
图9、Mann-Kendall趋势分析Z值的箱线图
