题目：How Is Spatial Homogeneity in Precipitation Extremes Changing Globally?
期刊：Geophysical Research Letters
01 研究背景
随着城市化进程的加快，强降水事件在不透水区域迅速转化为洪水，对城市的雨水管理系统提出了巨大的挑战。以往的研究表明，极端降水强度与气温变化密切相关。气候变暖导致大气中的水汽含量增加，从而导致极端降水强度增加。根据Claussius-Clapeyron（C-C）公式，全球降水强度大约以气温每升高1°C增加6-7%的速率变化。
然而，短时极端降水事件的增长速率比C-C公式预测的更快，这种现象被称为超C-C尺度。超C-C尺度在热带和海洋区域尤为显著，但其空间范围的变化机制存在争议。当前学界存在两种截然不同的观点：一种认为随着气温升高，降水事件的空间范围会缩小；另一种认为空间范围会扩大。由于以往的研究多集中于特定地区或降水类型，且主要关注日尺度的降水事件，因此短时降水事件的空间变化机制仍不明确。
基于此，Ghanghas（2023）等人提出了一个新的指数— —空间均匀性（Spatial Homogeneity, SH），用于量化不同强度和不同区域的极端降水事件的空间范围变化，并通过全球范围内的卫星数据分析这些变化与气温和降水强度等气候因素的关系。
02 研究数据与方法
2.1 研究数据
本研究使用全球降水测量（Global Precipitation Measurement, GPM）项目中的Integrated Multi-satellite Retrievals for GPM（IMERG）数据集的2014-2021年的GPM IMERG估算数据，即IMERG版本6的3IMERGHH产品，具备0.1°×0.1°的空间分辨率和30分钟的时间分辨率。其次，使用ERA5再分析数据集提供的逐小时水汽含量（Integrated Water Vapor, TCWV）和逐小时2m高度表面气温。其中，水汽含量数据的空间分辨率为0.25°×0.25°，气温数据的空间分辨率为0.1°×0.1°。
2.2 极端降水事件的识别
本研究将一个极端降水的网格点及其八个相邻网格点定义为降水场。中心网格点（即降水场的中心）降水量必须高于周围的相邻网格点，并以此作为该降水场的中心。识别独立降水场的步骤如下：
（1）初步选择极端降水事件：对于GPM数据集，计算每个网格点每年前10个30分钟的年最大降水量事件（Annual Maximum Precipitation, AMP）。
（2）比较中心点与周围网格点的降水量：首先，选择每个网格点上强度最大的AMP事件（年最大降水量事件），并提取与该事件发生时间相同的八个相邻网格点的降水量。然后，比较中心网格点与其相邻网格点的降水量。
（3）筛选中心强度最大的事件：如果发现中心网格点的降水量与某个相邻网格点相比不占优势（即中心点的降水量低于或等于相邻网格点），则考虑下一个AMP事件（前10个年最大降水量事件中的第二个），并重新进行比较。反复进行这个过程，直到找到一个中心网格点降水量大于其所有相邻网格点的事件为止。
（4）确认独立降水场：最终选择的降水场必须满足中心点的降水量大于所有相邻网格点的条件，并且在该网格点前10个AMP事件中选出强度最大且符合条件的事件，才能被视为独立降水场。
2.3 空间均匀性（Spatial Homogeneity, SH）指数的计算
空间均匀性SH用来衡量不同强度的极端降水在不同位置的空间范围变化,能够将极端降水事件完全均匀的情况与降水集中在网格中心的单个极端事件进行比较。如果未来气候变暖导致更多独立且对流性的降水事件发生，SH将趋于零。相反，如果发生更多均匀分布的降水事件，该指标则会接近1（图1a）。
空间均匀性指数的计算过程如下：
（1）降水排序和累计归一化：对于每一个极端降水事件，首先将降水场中所有网格点的降水量按强度从大到小排序。设定排序后的降水量依次为，其中
为最大降水量，位于降水场的中心网格点。
（2）计算空间累计降水平均值：通过对降水量逐步进行累加，计算各个网格点的平均降水量。具体而言，表示中心网格点的降水量，
表示中心点和第二个最大降水量网格的平均值，以此类推，
表示整个降水场所有网格点的平均降水量。
（3）两种极端情况的对比：第一种是所有相邻网格点的降水量为零，只有中心点有降水，那么空间累计降水平均值等于。另一种是所有网格点的降水量（假设为
）都相同，那么空间累计降水平均值等于
。
（4）计算空间均匀性（SH）：首先，将实际降水事件的空间累计降水平均值（）减去第一种极端情况（即降水仅集中在中心网格点）的空间累计降水平均值
，来衡量实际降水场偏离“仅中心点降水”的程度（
）。其次，计算第一种极端情况
与第二种极端情况（即所有网格点均匀降水）之间的最大可能偏离值（
）。最后，将两者相除得到空间均匀性指数SH（
）。
图1:（a）对流增加假设的描述，温度升高导致强度更高，水分向降水中心重新分布。蓝色表示较低温度，红色表示较高温度。（b）空间均匀性方法的表示。九个方框代表最高强度中心周围的八个邻域。每个框中的灰色强度表示该网格的降水强度。
2.4 敏感性分析
本研究采用Wasko和Sharma（2014）提出的分位数回归方法，针对AMP事件，选择50%分位数（中位数）来评估SH对温度等气候变量的敏感性。此外，研究还对比了高温年与低温年、湿润年与干旱年、极高水汽含量年与极低水汽含量年的SH值，以评估这些气候因素对极端降水事件空间分布的影响。
2.5 t检验
本研究通过t检验对比高强度（或高TCWV/湿年/暖年）降水与低强度（或低TCWV/干年/冷年）降水的SH值，以评估不同气候条件下的极端降水事件空间均匀性是否存在显著的统计差异。此外，在每个4°×4°的网格区域内，通过样本对比检验分析年最大降水强度与年最小降水强度等气候变量对SH的影响。
03 主要发现
3.1 近期空间均匀性（空间范围）的变化
赤道地区（20°N至20°S）的降水空间范围在2014-2021年内呈现较为一致的持续显著增加趋势。阿拉伯半岛、摩洛哥、西撒哈拉的部分非洲地区，墨西哥，以及南美洲的秘鲁和玻利维亚周边，成为降水空间范围显著扩大的热点地区（图2）。相比之下，30°N以北和30°S以南的区域则表现出降水空间范围缩小的趋势。例如，西北非洲的摩洛哥和西撒哈拉、南阿根廷的巴塔哥尼亚沙漠，以及南澳大利亚等地的降水范围呈现出持续且显著的缩小趋势（图2）。但这些区域的变化并不一致，部分地区也出现降水范围零星扩大的情况。此外，SH指标在短期内的变化趋势可能受到强气候现象的影响，如厄尔尼诺或拉尼娜事件，这些事件可能发生在特定年份显著影响的降水空间范围。
图2: 2014-2021年4°×4°网格区域空间均匀性（SH）平均变化（以2014年SH为基准）的中位数。SH的减少以红色显示，增加以蓝色显示。方框突出代表SH变化显著的区域，红色方框突出显示减少，蓝色虚线方框突出显示增加。
3.2 空间均匀性（空间范围）对温度的敏感性
在以对流降水为主的热带地区，空间范围与瞬时温度呈现出显著的负相关关系。例如，在亚马逊和印度尼西亚等热带地区，温度每升高1°C，降水的空间范围就会减少4%-5%（图3）。同样，中欧和北欧（EU）、新西兰南部（NZ）以及阿根廷南部（PD）也表现出了降水空间范围与瞬时温度之间的负相关关系，变化幅度在0.1%至1.5%/°C之间（图3）。与此相反，在干旱地区，特别是东撒哈拉（SA）、印度的塔尔沙漠、阿拉伯半岛南部（AP）、塔克拉玛干沙漠和戈壁沙漠（TGD），以及美国西海岸（WUS），降水的空间范围与瞬时温度呈现出正相关关系（图3）。这意味着随着气候变暖，这些地区的降水空间范围会增加。此外，北半球和南半球的温带地区也表现出对温度的正敏感性。
图3: 4°×4°网格区域空间均匀性（SH）与瞬时温度的第50个百分位数回归的中值。负敏感性（SH随温度升高而减少）为红色，正敏感性（SH随温度升高而增加）为蓝色。蓝色框突出显示了负敏感性区域。
3.3 局部气候对空间均匀性（空间范围）的影响
总体而言，全球范围内降水强度的增加通常会导致降水空间范围的缩小（图4a），这反映出水分从降水边缘向中心区域重新分配的趋势。图3和图4a的结果进一步验证了图1a提出的假设，即温度升高会引发更强烈且空间上更集中的极端降水事件。然而，在撒哈拉沙漠、阿拉伯半岛、中俄地区和南阿根廷等地区，强度更大的降水反而展现出更广的空间范围。此外，总柱状水汽（TCWV）与降水的空间均匀性（SH）之间存在显著的正相关关系。TCWV的增加会导致SH值增大，这说明除美国东部和中俄地区外，空间范围更广的降水通常伴随着更高的TCWV水平（图4b）。综合来看，对于热带地区的对流降水而言，温度升高不仅加剧了降水强度，而且在高温条件下，由于水分供应的限制，水汽更倾向于向降水中心集中，从而导致降水的空间范围缩小。
年降水总量对降水空间范围的影响存在显著的区域差异。例如，在撒哈拉、阿拉伯半岛、印度、中亚和欧洲，湿润年份的降水空间范围更大。相反，在南美洲、非洲、东南亚以及澳大利亚北部和西部的热带地区，干旱年份的降水空间范围则更为广泛（图4c）。年平均气温对全球降水的空间均匀性（SH）的影响较小，未展现出显著的全球趋势（图4d）。
图4: 空间均匀性（SH）变化的t统计量，用于比较以下条件下的SH：（a）最大降水强度与最小降水强度，（b）最大总柱状水汽与最小总柱状水汽，（c）最湿年的降水与最干年的降水，（d）最暖年的降水与最冷年的降水。红色表示t统计量的减少，蓝色表示t统计量的增加。
04 主要结论
1. 短时极端降水事件的空间范围在赤道附近有所增加，而在北温带和南温带则有所减少。然而，空间范围对温度的敏感性表现出相反的结果。
2. 随着温度升高，降水的空间范围逐渐减小，水汽向降水中心集中。
3. 干旱地区（不包括澳大利亚）和中欧部分地区降水的空间范围随着气温的升高而增加。
4. 降水强度越高，通常会导致降水的空间范围越小。全球范围内，较大的空间范围通常与较高的总可降水量相关。在湿润年份，撒哈拉、阿拉伯半岛、印度、中亚和欧洲等地区的降水空间范围较大；而在干旱年份，南美洲、非洲、东南亚，以及澳大利亚北部和西部的热带地区则观察到较大的降水空间范围。
05 引发思考
本研究基于2014-2021年的全球降水测量（GPM）IMERG数据集，结合ERA5再分析数据中的整层气柱水汽含量（TCWV）和每小时2米表面空气温度数据，提出了一种新的指标——空间均匀性（SH），用于量化和评估全球降水空间范围的变化。未来的研究需要进一步分析影响极端降水年际空间范围变化的气候驱动因素，以及在持续更长时间的降水事件中，是否会出现与本研究类似的空间范围变化趋势。
编者注
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。
原文出处
Ghanghas, A., Sharma, A., Dey, S., & Merwade, V. (2023). How is spatial homogeneity in precipitation extremes changing globally? Geophysical Research Letters, 50(16), e2023GL103233.https://doi.org/10.1029/2023GL103233.
参考文献
Wasko, C., & Sharma, A. (2014). Quantile regression for investigating scaling of extreme precipitation with temperature. Water Resources Research, 50(4), 3608–3614. https://doi.org/10.1002/2013WR015194.
文字来源：谷天顺
图片来源：https://agupubs.onlinelibrary.wiley.com
编辑：谷天顺
审核：马轶杨 罗楚玉
