《Weather and Climate Extremes》：Intrinsic predictability of heavy precipitation influenced by atmospheric rivers in the Western Iberian Peninsula
编辑推荐：
为解决葡萄牙强降水事件（HPE）预报难题，Ehud Bartfeld等结合大气河流（AR）诊断与动力系统度量，发现AR关联的HPE降水强度高36%，高可预报性事件与深厚气旋及射流作用有关，为沿海区域极端降水预报提供过程依据。
当冬天的风暴席卷葡萄牙，随之而来的往往不仅是阴沉的天空，还有可能引发严重洪水和山体滑坡的强降水事件（Heavy Precipitation Events, HPE）。在伊比利亚半岛西部，这类极端天气频发，对当地的基础设施、公共安全和水资源管理构成了日益严峻的风险。尽管现代气象科学已经取得了长足的进步，但准确预测这些高强度降水的发生时间、地点和强度，仍然是气象学家面临的重大挑战。尤其是在气候变化的大背景下，极端降水的频率和强度预计将发生转变，这使得提升预报能力和延长预警时间变得尤为紧迫。
在这些影响葡萄牙的气象系统中，大气河流（Atmospheric Rivers, AR）——即对流层中低层狭窄而集中的水汽输送通道——扮演了关键角色。它们如同天空中的“输水管”，能将热带和副热带地区的海量水汽输送到中纬度地区。当这些“大气河流”在伊比利亚半岛西部登陆，遇到地形抬升或锋面系统时，往往转化为极强的降水。然而，并非所有由AR引发的降水都是可预测的，大气固有的混沌特性（即“蝴蝶效应”）为预报设置了内在极限。传统的数值模式预报受限于模型缺陷和初始场误差，而理解这些事件本身的内在可预报性（即即便拥有完美模型和初始条件，大气混沌性质所决定的可预报上限）则更为根本。
为了深入探究AR究竟是如何影响强降水事件的动力过程及其内在可预报性的，Ehud Bartfeld、Alexandre M. Ramos 和 Assaf Hochman 等人开展了一项系统性的研究。他们利用了高分辨率的ERA5再分析数据，结合客观天气分型、AR检测算法以及动力系统理论中的度量指标（如局部维数 Local dimension 和持续性 Persistence），对1959年至2023年冬季（10月至次年3月）葡萄牙地区的降水事件进行了细致分类和动力学诊断。该研究不仅量化了AR相关降水的强度特征，还首次在动力系统的框架下，系统地将强降水事件按照其天气学特征和动力签名进行了分类，揭示了高可预报性与低可预报性事件背后的环流机制差异。这一成果发表于《Weather and Climate Extremes》期刊，为理解中纬度沿海地区的极端水文气象事件提供了重要的过程基础和预报启示。
作者主要采用了以下关键技术方法：基于欧洲中期天气预报中心（ECMWF）的ERA5再分析数据（空间分辨率0.25°×0.25°，时段为1959-2023年冬季），定义了红色（陆地区域）和蓝色（上游大西洋区域）两个分析框；通过计算积分水汽输送（Integrated Water Vapor Transport, IVT）并应用百分位数阈值识别大气河流（AR）事件；将降水事件划分为重降水（Heavy）、IVT事件和极端（Extreme，即二者交集）三组；引入“风味（flavor）”框架分解IVT为湿组分和风组分以判断主导因子；利用基于极端值理论和庞加莱递归的动力系统度量（计算局部维数 d 和逆持续性 θ-1），基于蓝色框内1000-300 hPa的风场评估大气状态的内在可预报性；并结合合成分析和个例研究（2022年12月）进行验证。
1. 葡萄牙降水极值的天气学和动力系统表征
研究首先对分类后的降水组别进行了天气学分析。结果显示，“极端（Extreme）”组（即同时是重降水和IVT事件）表现出最高的平均降水总量，其R-intensity值（综合考虑强度和空间范围的极值指标）达53，显著高于普通重降水事件（42）和非AR相关的重降水事件（39）。在合成的水汽输送（IVT）场上，极端组和IVT组显示出更强、更狭长的IVT结构，这是AR的典型特征。进一步的动力系统度量分析表明，极端组和IVT组在各等压面上均表现出较低的局部维数（d）和较低的逆持续性（θ），尤其在1000 hPa到300 hPa之间，这种特征随高度增加（即d和θ减小）更为明显。这意味着与AR相关的强降水事件通常发生在更为约束、自由度更低的大气动力状态下，因此其内在可预报性相对更高。此外，通过IVT“风味”分析发现，绝大多数极端事件位于“风主导”区域，即风场的异常对IVT的贡献大于比湿异常，归一化的风分量中心偏移达(1.68, 0.56)，证实了低层强风导致的增强水汽通量是驱动这些极端事件的核心动力。
2. 大气河流关联的强降水事件内在可预报性的天气学影响量化
为了直接探讨内在可预报性与天气型的关系，作者根据动力系统度量（d 和 θ）的最低和最高十分位数，在“极端”组中筛选出了高可预报性和低可预报性事件子集。对比发现，高可预报性事件伴随着更连贯、更显著的天气尺度特征：包括组织良好的西南低层风，以及一个位于约[50°N, 15°W]附近深厚且定义明确的温带气旋，其平均海平面气压距平约为-40.6 hPa，几乎是低可预报性组（-20.6 hPa）的两倍。高可预报性事件还表现出增强的急流（Jet stream）相互作用和更相干的罗斯贝波（Rossby wave）图案，平均降水强度比低可预报性事件高出约80%。相反，低可预报性事件的环流模式较弱且空间组织性差，降水足迹局限。这表明，当上游大西洋的流场组织度高、伴有强斜压波活动时，对应的葡萄牙降水事件在动力系统意义上处于更“稳定”、更可预报的状态。
3. 2022年12月个例研究
作为详细例证，研究分析了2022年12月中旬的一次极端事件，该事件在葡萄牙西部造成了大范围洪水和破坏，里斯本Dom Luiz天文台记录到了120.3毫米的24小时降水量，为160多年来最高。该事件的R-intensity值分别达56.4（12日）和115.6（13日）。IVT风味分析显示这两天均略偏“风主导”。在动力系统相空间中，12月12日的大气状态具有较低的 d 和 θ，处于极端组均值的一个标准差范围内，表明事件初期具有较高的可预报性；而到12月13日，随着气旋加深和事件强化，d 和 θ 均超出1倍标准差阈值，预示着可预报性降低。对应的天气图显示，12日可见典型的AR结构，而13日则演变为一个位于葡萄牙上空的深低涡。这一个例生动展示了AR、天气尺度动力与预报信心之间的相互作用：事件发起时可能置信度较高，但随着气旋爆发性发展及系统复杂度增加，预报技巧可能下降。
研究在讨论与结论部分指出，AR关联的强降水事件确实比非AR事件平均高出36%的降水强度，且这种增强主要归因于更强的低层风带来的水汽通量增幅，而非柱积分水汽含量的大幅增加。通过动力系统框架，研究发现高内在可预报性事件与大幅度的大气波动、强的纬向西风气流以及位于区域西北侧的深低压异常密切相关，这些状态的低 d 和低 θ 意味着大气自由度低、停留时间长，因而更可预报。反之，低可预报性事件常与快速发展的温带气旋、经向流增强及涉及潜热释放等亚天气尺度过程有关，这些过程在全局模式中解析度不足，限制了实时预报。
该研究的重大意义在于，它成功地将AR诊断与动力系统内在可预报性度量结合起来，提供了一个基于流动状态（flow-dependent）的预报信心指标。低 d 和 θ 可视为动力约束态的信号，提示确定性的预报可能更为可靠；而高值则警告进入快速演变、低可预报性的 regime。对于业务预报员而言，识别那些促进AR高效登陆的环流配置（如相干的低层急流、强IVT和上空槽脊支持），能提供关于事件严重性及预报稳健性的早期线索。这一框架不仅适用于葡萄牙，也为全球其他受AR影响的中纬度沿海地区（如美洲西岸、南非）的极端降水理解与预报改进提供了可迁移的方法论基础。
