利用Copula方法和贝叶斯模型平均技术预测未来复合降水及极端风况的影响

《Journal of Hydrology》：Projecting future exposure to compound precipitation and wind extremes using Copula methods with Bayesian model averaging

复合降水与风极端事件风险评估框架研究，提出基于贝叶斯模型平均（BMA）与Copula的集成方法，通过CMIP6多模式数据模拟未来CPWE强度及空间异质性，构建综合暴露指数分析人口经济脆弱性。研究发现BMA方法提升模拟精度23.6%，未来至2100年CPWE频率在SSP245和SSP585情景下分别增加31.4%和48.7%，华北平原和东南沿海暴露风险增幅达45%-62%，中期面临气候-社会经济临界点。

　　

刘书友|夏俊|赵倩卓

中国湖北省武汉市武汉大学水资源工程与管理国家重点实验室，430072

摘要

复合降水与风极端事件（CPWEs）是具有破坏性的多变量事件，其风险在气候变化背景下会加剧。由于复杂的社会-气象因素相互作用以及全球气候模型（GCM）输出的不确定性，评估这些事件的强度风险并预测未来的暴露情况既紧迫又具有挑战性。为了解决这些问题，我们建立了一个新的CPWE风险评估框架，该框架包括基于贝叶斯模型平均（BMA）的GCM输出集合、基于Copula的CPWE选择方法以及强度评估。我们构建了一个综合暴露指数来评估未来的人口和经济暴露情况。主要研究结果如下：（1）BMA集合模型的表现优于单个GCM模型，在模拟降水和风速方面具有更高的准确性和稳健性；（2）预计未来CPWEs的强度将增加，其变化性和空间异质性将增强。在SSP245和SSP585两种情景下，有显著更多的地区表现出上升趋势，尤其是在后者情景下；（3）华北平原和东南沿海地区的暴露风险仍然很高，大多数地区的风险相对于历史时期有所增加。风险峰值出现在本世纪中叶，这表明这是一个气候-社会经济临界点的重要时期。这些结果为未来CPWEs的时空模式提供了关键见解，有助于开发有效的早期预警系统和气候韧性策略。

引言

复合天气和气候极端事件是指在各种时空尺度上同时发生或共同出现的多种相互作用的气候灾害（Zscheischler等人，2018年）。这些复合事件，如热浪、飓风和野火，会共同放大社会和环境风险，导致比孤立的自然灾害更严重的影响（AghaKouchak等人，2020年；Catto和Dowdy，2021年）。在人为气候变化的影响下，不同类型的气候极端事件的频率和强度都有所增加，形成了气候变量之间的依赖关系（Bevacqua等人，2023a年；Ridder等人，2022年）。预计在未来几十年内，复合事件的发生可能性、频率和严重程度将增加，对全球适应和减缓策略构成更大的威胁和挑战（Tripathy等人，2023年；Zscheischler等人，2020年）。提高对复合极端事件风险的认识对于建立社会韧性并保护脆弱社区至关重要，最终实现可持续发展目标（Colglazier，2015年），特别是气候行动（SDG 13）。

复合降水与风极端事件（CPWE）是最具破坏性的灾害之一，指的是强降水和极端风同时发生（Li等人，2022b年；Li等人，2024年；Prasad等人，2022年）。CPWEs作为灾害的放大器，其综合效应通常会导致连锁反应，造成更大的总体损失。在过去的几十年里，快速的社会经济发展和深刻的气候变化导致了全球极端天气和气候事件频率和强度的显著增加（Thornton等人，2014年；Zwiers等人，2013年）。许多例子表明，CPWEs造成了巨大的经济损失、农业损失和人员伤亡。例如，2024年的飓风Helene在美国东部造成了约892亿美元的经济损失，主要是由于广泛的风害和严重洪水（Meng等人，2025年）。2024年的超级台风Yagi引发了风暴潮、洪水和山体滑坡，影响了东南亚约765万人（Zhan和Feng，2025年）。2023年的风暴Daniel在利比亚引发了灾难性的水坝故障，导致广泛的基础设施损坏、长时间停电和严重的农业破坏（He等人，2024a年）。2023年的飓风Freddy给非洲东南部带来了持续强风和暴雨，导致致命的山体滑坡和大规模的人口迁移（Liu等人，2023年）。极端降水和风的复合效应显著扩大了损失，凸显了对CPWEs进行风险评估和管理的紧迫性。

以往的研究广泛探讨了识别和捕捉CPWEs的方法。其中，双变量百分位数阈值方法是最受欢迎的方法，该方法在降水和风速同时超过各自阈值时捕捉CPWEs。例如，Zhang等人（2021年）设置了降水和风速的第90、95和98百分位数来识别中国的CPWEs，而Owen等人（2021年）分别使用第99和80百分位数阈值来识别欧洲的CPWEs。同样，Li等人（2022a年）采用双变量百分位数阈值方法选择了CPWEs，并将分析扩展到频率、强度和持续时间，以评估复合气候风险。然而，尽管这种方法简单实用，但它未能很好地捕捉变量之间的相互依赖性，可能会在评估CPWEs的频率和风险时引入不确定性（Dodangeh等人，2019年；Srikrishnan等人，2022年）。最近的研究越来越多地采用联合概率分布方法来更准确地描述复合事件中天气变量之间的依赖关系。Bevacqua等人（2017年）使用成对Copula开发了一个多变量统计模型，用于量化意大利拉文纳的复合洪水风险及其相关不确定性。同样，Zhao等人（2024年）提出了一个基于Copula的生态综合干旱指数，用于监测2001年至2022年中国多变量干旱风险。在CPWEs研究中，Prasad等人（2022年）使用Copula方法分析了全球复合降水-风极值的联合重现期。Copula模型可以有效捕捉气候变量之间的相关性，从而更全面地分析复合事件的强度特征。尽管具有这种潜力，但它们在CPWEs研究中的实际应用仍然相对有限。这一差距突显了推进基于Copula的综合识别和评估框架开发和实施的迫切需求。

气候变化可能会显著改变CPWEs的特征的空间和时间分布，因此有必要在各种气候情景下评估其变化（Bevacqua等人，2021年；Bevacqua等人，2023b年；Ridder等人，2022年）。例如，Alvarez等人（2024年）使用CMIP6模拟在SSP245和SSP585情景下研究了伊比利亚半岛未来CPWEs的变化。同样，Jiang等人（2025a年）基于CMIP6在两种SSP情景下评估了气候脆弱地区的历史和未来CPWEs。尽管CMIP6的全球环流模型（GCMs）已广泛应用于未来气候研究，但它们仍然受到物理过程参数化、数值近似和系统简化带来的不确定性的影响（Hamed等人，2022年；Tebaldi和Knutti，2007年；Wang等人，2020年）。因此，有必要减少GCMs的不确定性，以获得更准确的未来风险评估并促进相应风险管理措施的发展。为了应对不确定性，利用CMIP6-GCMs集合模型探索了中国各地降水极值的未来变化（Lu等人，2022年；Xu等人，2022年）。类似地，Zhang和Li（2021年）以及Miao等人（2023年）分别使用多模型集合（MME）方法预测了中国和北半球的风速和风能。传统的多模型集合方法通常假设所有气候模型的可信度相同。这种简化忽略了模型偏差和性能的差异。因此，结合基于贝叶斯模型平均（Wang等人，2025年）和机器学习技术（Guven，2023年）等先进的基于性能的加权方案，代表了超越简单模型平均的实质性进步，为未来气候极值的集合预测提供了更稳健和可靠的基础。然而，这些方法在CPWEs研究中的应用仍然不广泛，这凸显了该方法论创新与实际应用之间的显著差距。

暴露是极端事件风险评估的一个重要特征，指的是位于灾害易发地区的资产、人口或系统（Lavell等人，2012年）。虽然以往关于CPWEs的研究主要集中在极端事件的频率和演变趋势上，但只有少数研究考虑了人口暴露的影响（Fran?ois等人，2025年；Meng等人，2022年）。在快速城市化、人口增长和不均衡的社会经济发展背景下，迫切需要开展综合风险评估，以同时考虑复合物理灾害、动态暴露模式和社会脆弱性。

基于上述研究空白，本工作的目标是：（1）开发一个基于Copula的统计框架，以改进CPWEs的识别和量化；（2）使用基于CMIP6的多模型集合和先进的贝叶斯模型平均方法预测CPWEs强度的未来变化；（3）进行全面的动态暴露风险评估，整合复合灾害、人口暴露和社会经济脆弱性。这项工作有望提高对CPWEs风险及其时空变化的理解，为开发有效的早期预警系统和气候韧性策略提供有价值的见解。

研究区域

研究区域

本研究聚焦于中国大陆的胡线（也称为胡淮线）东部地区。这条线代表了中国的基本地理和社会经济划分，深刻反映了中国的区域发展模式。该研究区域所涵盖的省份和主要河流流域如图1所示。

得益于有利的季风气候和平坦的地形，胡线东部地区约占中国的36%，但却包含了96%的人口。

BMA方法的性能评估

为了评估EM优化的BMA方法的性能，我们通过将模拟的降水和风速数据（来自六个GCM和BMA生成的输出）与研究区域每个网格点的ERA-5陆地数据集序列进行比较，计算了RMSE、Kendall's τ和PBIAS分数。每个模型的性能在图3中进行了比较。总体而言，BMA生成的输出显示出更小的RMSE、更低的PBIAS以及更高的Kendall's τ值，无论是对于降水还是风速。

BMA方法的必要性和可靠性

大量观测记录的可用性和先进的气候模型模拟的普及促进了复合事件（如CPWEs）的更系统分析（Bevacqua等人，2023a）。然而，以往的研究主要依赖于多个GCM的集合平均值来研究CPWEs。例如，Zhu等人（2023年）使用了14个CMIP6模型的多模型集合平均值来描述复合事件的年度和半年度平均频率的空间分布

结论

预计气候变化将增加复合极端事件的频率，其中CPWEs是最具破坏性的类型之一。评估不同情景下CPWEs的强度和暴露风险的变化对于复合灾害风险管理至关重要。为此，我们开发了一个新的风险识别和评估框架。该框架采用BMA集合方法来减少CMIP6多模型输出的不确定性，并引入了基于Copula的方法

CRediT作者贡献声明

刘书友：撰写——原始草稿、方法论、调查、正式分析、概念化。夏俊：撰写——审阅与编辑、监督、资金获取。赵倩卓：撰写——审阅与编辑、可视化、验证、软件、方法论、概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（编号：U2340213）的支持。作者衷心感谢编辑和审稿人的时间和建设性反馈。