《Weather and Climate Extremes》：Unseen but increasing: recent changes in risk of extreme precipitation over Southern Africa and Southeast Asia
编辑推荐：
近几十年来全球多地极端天气事件频发，但受限于短期观测记录，准确评估极端降水变化仍面临挑战。研究人员采用非 precedent 模拟极端集合（UNprecedented Simulated Extreme ENsemble, UNSEEN）方法，对1981年以来
近几十年来全球多地极端天气事件频发，但受限于短期观测记录，准确评估极端降水变化仍面临挑战。研究人员采用非 precedent 模拟极端集合（UNprecedented Simulated Extreme ENsemble, UNSEEN）方法，对1981年以来南部非洲和东南亚地区极端降水的历史变化进行分析，并识别具有高记录破缺风险的区域。研究发现，两个地区雨季期间的极端降水风险自1981年以来已显著上升，金边、万象、曼谷、河内、马塞鲁、约翰内斯堡、利隆圭及卢萨卡等主要人口中心的若干月份风险甚至翻倍。CMIP6模式集合预估未来20年极端降水风险将进一步上升；然而在菲律宾、莫桑比克北部及马达加斯加北部，UNSEEN估算的近20年变化已超过未来预估。进而，研究人员将UNSEEN集合与历史记录对比，识别出具有"软记录"（soft records）且可能发生记录破缺事件的地区，并将这些风险上升但近期未经历极端事件的区域定义为当今气候下的"sitting ducks"。研究表明，莫桑比克大部、菲律宾及老挝在一年中至少一个月份可被视为极端降水的"sitting ducks"。灾害风险管理人员应利用此类大集合数据评估当今气候下的极端风险，以确保社会为破纪录事件做好准备。该方法亦可用于改进降水量重现期工程设计估算，以及对卫生系统和灾害 preparedness 进行压力测试。
极端降水风险的隐蔽攀升：基于UNSEEN方法的南部非洲与东南亚气候变化风险评估
研究背景与问题。全球气候变化背景下，极端天气事件频率和强度显著增加。在东南亚地区，极端高温和强降水事件呈上升趋势；南部非洲同样面临极端高温、强降水及干旱频率增加的挑战。极端降水已造成两个地区重大基础设施损毁和疾病暴发，推动了对灾害 preparedness 提升的迫切需求。然而，由于观测站点稀疏、历史记录短暂，仅凭观测数据难以准确捕捉极端降水的长期变化趋势，导致对历史变化的认知置信度仅为低至中等。在此背景下，如何有效评估数据匮乏地区的极端降水风险变化，成为亟待解决的科学问题。
研究设计与核心结论。研究人员采用UNSEEN方法，利用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）季节预报系统第5版（SEAS5）的历史预报存档数据，构建大样本集合以扩充极端事件样本量。研究选取南部非洲和东南亚为研究对象，前者代表具有明显干湿季、气候区系多样（干旱、温带及热带）的高纬度地区，后者则为全年高降水量的主要热带区域。通过对比分析两个数据稀缺且气候特征迥异的区域，研究旨在检验UNSEEN方法检测变化风险的能力，并评估灾害规划对数据匮乏区域风险低估的程度。研究表明，UNSEEN方法能够有效识别观测记录尚无法检测的极端降水风险变化趋势，为数据匮乏地区的风险评估提供了重要技术路径。该论文发表于《Weather and Climate Extremes》。
关键技术方法。观测数据采用气候灾害组红外降水与站点数据融合产品第2.0版（Climate Hazards Group InfraRed Precipitation with Station data v2.0, CHIRPS）（1981-2024年），该数据以卫星遥感与站点观测融合生成，作为观测代理数据。UNSEEN集合基于SEAS5历史季节预报存档构建，涵盖1981-2016年25个集合成员及2017-2024年51个集合成员，每个预报起报后运行7个月，经独立性检验筛选有效数据。采用一阶守恒重格点法将0.05°分辨率的CHIRPS数据重采样至SEAS5的1°分辨率以匹配模式数据。统计方法包括：比例偏差订正、Kolmogorov-Smirnov检验进行模式保真度验证、广义极值（Generalized Extreme Value, GEV）分布拟合及非平稳GEV（以时间为协变量）拟合、似然比检验判断非平稳性，以及Spearman秩相关检验集合成员独立性。与未来预估对比采用CMIP6模式集合在SSP3-7.0情景下2021-2040年近 term 预估数据。
研究结果。
3.1 南部非洲与东南亚极端降水风险的变化。基于通过独立性和保真度检验的格点-月份数据，研究采用UNSEEN方法估算极端降水风险及其随时间的演变。研究发现，两个地区多数地点和月份的非平稳GEV较平稳GEV拟合更优，表明1981年1-in-100年重现期事件在2024年已具有不同的重现期。在南部非洲，11月至次年3月的典型雨季期间，大部分地区检测到极端降水显著增加的强信号；莫桑比克北部（湿润区）在1-2月尤为突出，原1-in-100年事件现可能每隔75年或更短时间发生一次。雨季代表月（1月）分析显示，南部非洲多数主要城市和人口聚居区极端降水可能性上升。然而干季期间，南非西部5-9月及莫桑比克5月等地区极端降水可能性下降，与IPCC未来预估的RX1day（最大1日降水量）年最大降水量变化方向一致。在东南亚，几乎没有地区显示日极端降水风险下降；多数月份几乎所有地点极端日降水风险增加，菲律宾南部6-11月及北部11-次年5月增幅最大，7-10月台风季增幅最强。金边、曼谷等城市1-in-100年事件风险在2024年已翻倍。对比两区域发现，南部非洲月最大降水量趋势揭示更为复杂的极端变化图景，简单年最大趋势分析可能掩盖相反的季节性趋势；而东南亚几乎所有月份均可检测到显著趋势。
3.2 当前风险与未来预估的比较。UNSEEN集合揭示的历史极端降水增加趋势与气候变化未来预估方向总体一致。CMIP6对东南部非洲RX1day的预估显示雨季（12-次年4月）增加、干季（5-10月）减少，与1981年至今的历史变化镜像吻合；东南亚所有月份均呈增加趋势。历史UNSEEN近20年变化幅度通常小于未来20年CMIP6预估，包括南马达加斯加、南莫桑比克、东南非、津巴布韦、赞比亚、泰国及柬埔寨等地区。然而，莫桑比克北部和菲律宾南部等地区的UNSEEN近20年增幅已超过CMIP6未来20年预估；菲律宾和马达加斯加北部的CMIP6集合平均显示未来极端降水可能减少，但UNSEEN集合近20年趋势为增加。值得注意的是，CMIP6未来预估的空间变率高于UNSEEN历史变化估计的相对均一性，南部非洲信噪比在未来预估中更高，而东南亚UNSEEN历史估计更强，突显了在观测数据稀缺地区采用UNSEEN等创新方法评估变化风险的必要性。
3.3 当今气候下降水记录破缺风险最高的地点。
3.3.1 破纪录集合成员分析。UNSEEN集合检测到近40年风险显著变化基础上，分析识别具有"软记录"的地点。莫桑比克大部（尤其沿海）、马达加斯加北部、老挝北部及菲律宾中部等地区，较多数量的UNSEEN集合成员超过CHIRPS观测记录。南部非洲UNSEEN最高模拟降水达CHIRPS区域最高值的6倍，莫桑比克多地模拟值超观测值4倍，显示远超观测的极端降水潜力。东南亚模拟最高降水亦超过CHIRPS估计，但幅度较小，可能与该区域的台风活动频繁及菲律宾观测极端值本身较高有关。比较表明，UNSEEN方法在干旱地区（如莫桑比克）识别极端情景方面具有独特价值，这些地区年降水量低但面临登陆气旋可能性，具有极端降水的长尾分布特征。
3.3.2 基于GEV分布的记录破缺风险。利用2024年UNSEEN的GEV拟合估算超过CHIRPS历史记录的概率，发现记录破缺风险存在显著的季节非均匀性。莫桑比克2月南部、3月中部、4月北部具有高概率，追踪了热带辐合带（Intertropical Convergence Zone, ITCZ）2-4月北移进程，多地破纪录概率超过10%。老挝7-10月、菲律宾北部10-11月及中部12月记录破缺概率较高。
3.3.3 "sitting ducks"识别。结合图3（时间变化风险）和图6（记录破缺概率）结果，识别符合Masukwedza等（2025）定义的"sitting ducks"区域——即UNSEEN分布中极端事件发生频率增加，但观测记录近期无极端事件且当今气候下记录破缺概率高的地区。莫桑比克大部（尤其北部）一年中数个月份具有高破纪录概率；菲律宾大部地区一年中至少一个月份为"sitting ducks"。尤为重要的是，尽管菲律宾登陆台风频率远高于莫桑比克或马达加斯加，两区域的台风影响区均存在至少一个月的"sitting duck"风险，强化了短期历史记录即使在频繁风暴区也可能严重误导极端降水风险评估的发现。老挝全年多数月份风险亦较高，较津巴布韦等仅限少数月份信号的地区更为一致。
讨论与结论。研究表明，南部非洲和东南亚存在大量当今气候下的极端降水"sitting ducks"，背景风险持续增加但近数十年未经历统计上的罕见极端事件。UNSEEN方法有效扩充了观测记录，揭示了观测尚无法检测的广泛区域极端降水风险增加证据。部分地点历史趋势甚至超过未来20年气候预估，如北部莫桑比克和马达加斯加存在软记录，年破纪录概率超过5%；菲律宾中部及老挝北部、越南北部亦存在软记录。由于仅43年卫星融合数据无法检测多数地区趋势，观测趋势仅少量地点呈现戏剧性的非平稳分布，这更可能是序列首尾极端事件驱动的统计随机性。因此，虽无法用观测趋势验证模式趋势，但模式趋势存在而观测趋势尚不可检测的事实表明，UNSEEN等大集合方法可使变化风险对决策者可感知。
SEAS5集合产生的可信极端降水事件可达1981年以来观测最大值的数倍。卢萨卡和马塞鲁的极端降水风险已翻倍；马尼拉都会区（1400万人口）原1-in-100年事件现为1-in-77年。莫桑比克多地模拟日最大降水量达1981年以来观测最大值的3倍，此类破纪录事件可能对社会造成冲击。
方法适用性比较揭示，UNSEEN在两种不同气候区系均具有价值：南部非洲逐月分析揭示干湿季相反趋势，否则可能被年最大分析掩盖；东南亚则显示即使在高观测记录地区，UNSEEN仍能揭示风险已发生未被察觉的变化。但SEAS5模式在中纬度干旱区日降水分布表征上存在不足，且在高季节预报技巧区域（如东南亚1月）集合成员相关性高，独立性和代表性受限，应用时需谨慎。
研究强调，软记录和"sitting ducks"区域因近期缺乏极端事件经验，可能暴露性和脆弱性更高，灾害风险 reduction 投资尤为关键。传统基于历史信息的灾害规划在概率随时间变化的气候背景下存在局限，最坏-case历史场景可能严重低估多地区 plausible worst case。建议将大集合证据常规整合入风险评估、基础设施设计标准、应急预案及 anticipatory action 框架，推动从被动应对转向主动策略，确保卫生、金融、物流及治理机制为已更可能发生的破纪录极端事件做好准备。
