题目：Historical Shifts in Seasonality and Timing of Extreme Precipitation
期刊：Geophysical Research Letters
01 研究背景
随着全球气候变暖的加剧，极端降水事件的频率和强度在全球范围内发生了显著变化，对水文循环、农业以及水资源管理产生了深远影响。因此，研究极端降水事件的季节性和时间变化对于制定洪水和相关灾害的应对策略具有重要意义。尽管已有研究分析了极端降水的空间分布和季节性模式，但仍然缺乏在全球尺度上关于极端降水季节性和时间历史变化的综合评估。
基于此，Gründemann等人（2023）采用相对熵（Relative Entropy，DKL）方法分析1959-2021年全球极端降水的季节性特征，并评估全球极端降水的历史变化趋势。通过分析极端降水的发生时间和持续时间，研究极端降水在不同区域的时间分布模式。
02 研究数据和方法
2.1 降水数据
研究使用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第五代再分析数据集ERA5（1959-2021，https://doi.org/10.24381/cds.adbb2d47），空间分辨率为0.25°，时间分辨率为1小时。将1959-2021年逐小时降水数据合并为日降水数据，并使用30年的滑动窗口，首先分析前30年（1959-1988年），然后对每个新的30年时间段向前滑动一年，从而产生33个30年时间窗口。
2.2 相对熵计算
本研究中的极端降水被定义为平均每年降水量最大的3次降水事件，对应于每30年时间窗口中最高的90次降水事件。相对熵（DKL）方法通过量化月极端降水事件的实际分布与均匀分布之间的统计距离，识别不同地区极端降水事件的季节性变化模式。计算公式如下：
式中，pm表示月极端降水发生次数的实际概率分布，qm表示月极端降水发生次数的均匀分布。每个网格点通过计算30年滑动窗口得到33个DKL值。较高的DKL值表明极端降水事件集中发生，而较低值则表明分散发生（图1）。
图1 1~12月所有极端降水事件均匀分布时的相对熵DKL值。
2.3 时间计算
为了评估极端降水事件的发生时间和持续时间，计算月极端降水事件发生次数的质心（C）和离散度（Z）。计算公式如下：
式中，nm为月极端降水发生次数，N为极端降水总发生次数。
2.4 区域分析和显著性分析
区域分析是根据联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第一工作组（Working Group I，WGI）定义的参考区域，重点关注陆地区域。在本研究中，首先汇总某一区域内的所有极端降水事件，按网格点大小加权，计算该区域的DKL、C和Z。其次，为确保分析的重点集中在降水显著的区域，排除类似撒哈拉地区的极干旱地区（即在30年时间窗口中第90次最高降水事件的平均值低于5毫米/天的网格点）。最后采用Spearman相关系数评估和C在网格点和区域中随时间变化的正负单调关系（p<0.05）。
03 主要发现
3.1 全球极端降水季节性的分布模式
相对熵（DKL）遵循山脉、海岸线等地理特征，山峰区域的DKL值较低，而斜坡区域的DKL值较高（图2a）。研究发现，除南太平洋、副热带大西洋和阿拉伯海外，陆地上的DKL值普遍高于海洋。马达加斯加、西非和亚洲部分陆地区域的DKL值最高（图2b）。相反，美国东部和西部、南美洲南部、东南亚和澳大利亚南部以及新西兰在陆地上的DKL值最低。
极端降水事件的季节性表现出增加和减少的混合模式（图2c-d）。具体而言，撒哈拉以南非洲地区、澳大利亚和北美洲的DKL值呈上升趋势，表明极端降水事件的季节性分布更加集中。西非和东北非地区的DKL值增幅最大，表明这些区域的极端降水事件的季节性分布最集中。而亚洲、加勒比地区和南美洲东北部地区的DKL值呈下降趋势，表明极端降水事件的季节性分布更加分散。
DKL随时间变化的Spearman相关系数与△DKL的变化趋势高度一致，但信号更为强烈（图2e-f）。73.0%的全球网格点和73.4%的陆地区域网格点相关性显著（p<0.05）（表1），其中，约一半陆地区域网格点的极端降水事件季节性变得更加聚集或更加分散。
图2 极端日降水发生的相对熵（DKL）。（a）每个网格点所有30年时间窗口的DKL平均值；（b）每个WGI陆地参考区域的DKL平均值；（c）每个网格点中首尾时间窗口的差异(△D=D1992-2021-D1959-1988)，负△D表示极端降水事件分布更加分散，正△D表示极端降水事件更加聚集；（d）每个WGI陆地参考区域的△D；（e）每个网格点DKL随时间变化的Spearman相关系数，非白色值表示统计显著性（p<0.05）；（f）每个WGI陆地参考区域DKL随时间变化的Spearman相关系数
表1 采用Spearman相关系数，分析DKL随时间变化趋势的显著性（p<0.05）
3.2 不同地区极端降水季节性随纬度和时间的变化
在全球范围内，南半球的DKL值较低且变化较小，而在陆地范围内，南半球的DKL值波动较大（图3a、e），副热带和北纬大部分地区的DKL值较高。在不同地区中，西非和东南非等区域的DKL值呈现长期上升趋势。而北美洲东部、南美洲南部、地中海和新西兰等区域在1959-2021年间的DKL值保持稳定的低值。此外，DKL的最高值，即极端降水事件分布最集中的区域，主要出现在西非、马达加斯加、青藏高原、东西伯利亚、俄罗斯北极地区和澳大利亚北部（图3b-d和图3f-h）。
图3 （a）网格点的纬度DKL平均值；（e）仅限陆地区域的纬度DKL平均值；（b）-（d）和（f）-（h）显示了WGI各陆地区域DKL的年际变化，每条线对应于该地图上相同颜色的区域。
3.3 全球极端降水季节性的时间分布
在非热带陆地区域，极端降水事件的质心主要发生在夏季；南半球的质心集中在12月至次年2月，北半球则集中在6-8月（图3a-b）；在地中海和中亚西部，C出现在冬季（1-2月）。
在大多数WGI区域，首尾时间窗口之间的差异仅为几天（图4c-d），表明极端降水事件时间变化较小。在一些特定区域，如澳大利亚、南美洲西部、欧洲东北部、地中海和南亚，极端降水事件的质心在一年中出现的时间较早。相反，在北美洲西部、中美洲南部、加勒比地区、南美洲东部和撒哈拉以南非洲的大部分区域中，质心在最后一个时间窗口中相较于首个时间窗口晚了几天。
与图2e-f类似，C随时间变化的Spearman相关系数与△C的变化趋势相似（图4e-f）。在澳大利亚、地中海和北美洲西北部，DKL值增加而C值下降，表明极端降水事件的聚集性更高且发生时间更早。在南亚、南美洲西北部和非洲东南部，DKL值和C值均下降，表明极端降水事件分布更加分散且发生时间更早。在西非、中非、东南非和马达加斯加，DKL和C均增加，表明该地区的极端降水事件的聚集性更高且发生时间更晚。
图4 极端日降水发生次数的平均季节质心（C）。（a）每个网格点的所有30年时间窗口的C平均值；（b）每个WGI陆地参考区域的C平均值；（c）每个网格点中首尾时间窗口C的差异（△C=C1992-2021-C1959-1988），负△C表明极端降水事件的中心日期发生在年初，正△C则表明在年末发生；（d）每个WGI陆地参考区域的△C；（e）每个网格点C随时间变化的Spearman相关系数，非白色值表示统计显著性（p<0.05）；（f）每个WGI陆地参考区域C随时间变化的Spearman相关系数。
04 主要结论
（1）研究表明，不同地区极端降水事件的季节性发生显著的历史变化。在1959年，非洲和亚洲的极端降水分布十分集中，北美和澳大利亚极端降水较分散。而随着时间推移，极端降水的集中程度在非洲、北美和澳大利亚加剧，在亚洲则更加分散。
（2）非热带陆地区域的极端降水事件的发生时间主要集中在夏季，且多数地区极端降水事件持续时间的变化较小。
05 引发思考
本研究基于1959-2021年的ERA5降水数据集，使用相对熵（DKL）指数作为衡量极端降水季节性的指标，揭示了全球不同区域极端日降水事件的季节性和发生时间的历史变化。研究结论对于理解全球变暖如何影响水文循环和极端天气事件具有重要意义。此外，本研究方法可以应用于其他类型的极端气候事件，如干旱、热浪和风暴，以评估这些事件的季节性模式和变化趋势，进而为气候变化适应策略提供更加科学全面的理论依据。
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
Gründemann, G. J., Zorzetto, E., van de Giesen, N., & van der Ent, R. J. (2023). Historical shifts in seasonality and timing of extreme precipitation. Geophysical Research Letters, 50, e2023GL105200. https://doi.org/10.1029/2023GL105200
文字来源：王思翔
图片来源：https://agupubs.onlinelibrary.wiley.com
编辑：王思翔
审核：罗楚玉 连晓生
