Nature Geoscience|高分辨率气候模型预测未来极端降水被更强水汽辐合加剧

2

内容图表

     

图1 基于观测与再分析资料揭示的北方地区暖季地表土壤湿度–降水（SSM–P）强因果关系。(a) 2003–2020 年间，NNsm 表层（0–5 cm）土壤湿度对 MSWEP降水的因果效应全球分布图（单位：nats day⁻¹）。因果效应以信息流强度表示，仅显示统计显著（p < 0.1）的结果。饼图显示了全球陆地中具有显著 SSM→P 因果关系的面积比例（粉色部分）。深蓝色线表示地形高度 2500 m 的等高线。(b) 基于 NNsm 与 MSWEP数据的纬向平均 SSM–P 因果强度，阴影范围表示各纬度带上一倍标准差。(c, d) 同 (a, b)，但使用 ERA5 表层（0–7 cm）土壤湿度与降水资料（1979–2021 年）。灰线所圈区域为本研究识别的八个耦合热点：印度北部（NI，18°–35°N, 73°–87°E，地形高度 < 2500 m），萨赫勒地区（SR，10°–16°N, 20°W–40°E），热带非洲（TA，0.25°–10°S, 5°–45°E），巴西北部（NB，10°S–5°N, 40°–65°W），墨西哥太平洋沿岸（PCM，三角形顶点为 17°N, 110°W；32°N, 110°W；17°N, 100°W），青藏高原西部（WTP，27°–32.5°N, 81.5°–91°E，地形高度 > 2500 m），伊朗高原（IP，30°–41°N, 32°–53°E，地形高度 > 900 m），以及非洲之角（GHA，0°–10°N, 37.5°–51°E）。

图2 基于 ERA5 再分析资料揭示的暖季表层土壤湿度（SSM）影响降水（P）的子过程强因果关系。(a) 全球陆地上具有显著 SSM→蒸散（ET）、SSM→感热（SH）、ET→降水（P）和SH→P 因果关系（p < 0.1）的土地面积比例（LAF，%）。(b) SSM–P 耦合的路径全球分布图。SSM→ET→P 路径出现在同时具有显著 SSM→ET 与 ET→P 因果关系的重叠区域；SSM→SH→P 路径出现在同时具有显著 SSM→SH 与 SH→P 因果关系的重叠区域；当四个子过程因果均显著时，两条路径均存在。深蓝色线表示地形高度 2500 m 的等高线。(c) 大气水汽通量辐合（MFC，单位：mm day⁻¹）格局，以及在八个 SSM–P 耦合热点区域中，具有显著 SSM→ET、ET→抬升凝结高度（LCL）和 ET→P 因果关系的网格单元所占比例（%）。(d) 与 (c) 类似，但展示边界层高度（BLH）变异性（无量纲）格局以及具有显著 SSM→SH、SH→BLH 和 SH→P 因果关系的网格单元比例（%）。此处的 BLH 变异性定义为 BLH 标准差与其气候学均值之比。

图3 基于再分析资料，北方暖季表层土壤湿度（SSM）特征（变异性与状态）与 SSM–降水（P）及其子过程强因果性概率之间的关系。(a) 1979–2021 年期间 SSM 变异性的空间分布（单位：m³ m⁻³）。SSM 变异性的幅度定义为日尺度 SSM 的标准差。深蓝色线表示地形高度 2500 m 的等高线。(b) 全球范围内按 SSM 变异性与 SSM 状态分箱后，显著 SSM→P 因果关系（p < 0.1）的概率（%）。具体方法为：计算落在第 i 个 SSM 变异性区间（i = 1,2,…,6）与第 j 个 SSM 状态区间（j = 1,2,…,6）内的 ERA5 网格单元总数 Ni,j；将这些网格按是否具有显著 SSM→P 因果关系分为显著与非显著两部分，记显著部分为 ni,j；显著概率即为 ni,j/Ni,j（以 % 表示）。(c, d) 与 (b) 相同的分析，但针对 ET→P 与 SH→P 因果关系。(e) 在不同 SSM 变异性范围内，显著 SSM→P、ET→P 与 SH→P 因果关系的概率（%）。

图4 基于 CMIP6 模拟与再分析数据的暖季表层土壤湿度–降水（SSM–P）因果关系的过程层面评估。a. 在八个 SSM–P 耦合热点区域中，ERA5估算与模式模拟的具有显著 SSM→P 因果关系（p < 0.1）网格单元所占比例（%）。b. 将与 ERA5 相似的模式（AWI-ESM-1-1-LR、MPI-ESM1-2-LR、MPI-ESM1-2-HR和 MPI-ESM-1-2-HAM）与与ERA5 不相似的模式（BCC-CSM2-MR、NorESM2-LM、MRI-ESM2-0和 BCC-ESM1）所模拟的具有显著 SSM→蒸散（ET）因果关系的网格单元比例，与 ERA5 的估算值进行比较。c–e 与（b）相同，但分别针对 SSM→感热（SH）、ET→降水（P）和 SH→P 因果关系。f. 比较 ERA5 相似模式模拟的 SSM 变异性与显著 SSM→P 因果概率之间关系，与 ERA5 得到的关系。g. 与（f）相同，但为 ERA5 不相似模式的结果。

全球耦合的有限性与空间集中性，表层土壤水分对降水（SSM→P）的显著因果影响仅出现在约16%的全球陆地上，呈显著区域性，并在热带近旁出现纬向峰值；观测与再分析的结果相互印证，结论稳健。由此识别出八个耦合“热点”（北印度、萨赫勒、热带非洲、北巴西、墨西哥太平洋岸、西藏高原西部、伊朗高原、非洲之角）。SSM 影响降水主要经两条链路：蒸散发路径（SSM→ET→P）与感热路径（SSM→SH→P）。陆面段（SSM→ET/SH）耦合普遍较强，而限制主要出现在大气段（ET→P、SH→P）；从区域主导看，北印度以感热路径为主，热带非洲与非洲之角以蒸散发路径为主，其余热点多为两路径并存。该差异可由外源水汽通量收敛（MFC）与边界层高度变率（BLH variability）解释：高 MFC 稀释 ET→P 而凸显 SH→P；低 BLH 变率抑制 SH→P 而强调 ET→P。强 SSM→P 因果效应更倾向于半干旱—半湿润带且土壤水分变率较高的地区；随着 SSM 变率增大，SSM→P、ET→P、SH→P 的显著概率同步升高，其中 SH→P 对变率更为敏感，而 ET→P 受外源水汽（MFC）约束，上升相对温和。由此提出以土壤水分变率作为过程型评估与监测的关键指标。随土层加深，SSM→P 因果效应普遍减弱；结合时滞信息流分析，热点区的陆气反馈可持续天气—候旬尺度（约 10–30 余天，区域有别），反映研究所揭示的因果主要对应短期尺度过程。多数 CMIP6 模式低估耦合强度与热点面积；仅少数模式（如 AWI-ESM-1-1-LR、MPI-ESM1-2-LR、MPI-ESM1-2-HR、MPI-ESM-1-2-HAM）较好再现热点格局及“变率—因果”正相关，其余模式在 ET→P、SH→P 等大气段耦合普遍偏弱。由此建议以“变率—因果关系”与“四子过程链路（SSM→ET、SSM→SH、ET→P、SH→P）”作为过程导向的模式评估与改进指标，并强调获取高频输出以准确诊断陆气耦合过程。研究以信息流因果方法首次在全球尺度上系统刻画了 SSM–P 的空间格局—物理路径—变率控制的统一图景，提出了可操作的过程型评估指标，为改进模式中陆面能量分配、边界层参数化与水汽输送表示、以及提升干旱/洪涝等事件的过程预测与预报能力提供了依据。