A warming-induced reduction in snow fraction amplifies rainfall
摘要：隨著氣候變暖降水類型會發(fā)生變化，變成多雨少雪。這樣的改變會使得高海拔地區(qū)降水強(qiáng)度放大15%。
以下均為回憶所用，圖1，圖2b,圖3a，圖4均值得借鑒
本文的分析方法在分析極端降水時值得細(xì)讀
首先基于ERA5數(shù)據(jù)和CMIP6數(shù)據(jù)探究海報高度和最大降水量之間的線性（非線性）關(guān)系。圖1中的百分比由歷史時間段（1950-1979年）作為基線時段對降雨量極值變化計算百分比。
圖1a、b顯示了海拔與降雨量極值增加之間的總體正相關(guān)關(guān)系，3小時回歸線斜率為0.82（每1000米%；0.4-1.2,95置信區(qū)間），24小時回歸線斜率為0.92（每1000米%；0.4-1.4,95置信區(qū)間）。 同樣，圖 1C，D表明，從CMIP6的8個模式（彩色虛線）和它們的多模式平均值（黑線和標(biāo)記）得到的降雨量極值的增加與海拔高度有關(guān)。 值得注意的是，這些關(guān)系與極端降雨的持續(xù)時間無關(guān)（圖1中顯示的3小時和24小時，·圖擴(kuò)展數(shù)據(jù)中顯示的12小時，b)。（此處作者還提到了圖1a-b擬合的線性趨勢與值之間存在偏差，并對偏差的可能性進(jìn)行分析）
在變暖水平下，所有網(wǎng)格單元的平均增加量約為7%K-1,這與C-C關(guān)系和基于觀測的分析是一致的30； 然而，在海拔>3000m和積雪分?jǐn)?shù)>0.5的格柵單元上，增加幅度較大，在15%～17.7%之間。
在這些地區(qū)（海拔>3000m，積雪分?jǐn)?shù)>0.5)的變化率分布在圖更為詳細(xì) 2b. 除分布尾部差異較小外，可以清楚地看到，無論增溫水平如何，降雨極值的放大模式在性質(zhì)上是相似的，+1.5K、+2K、+3K和+4K增溫水平的中值分別為17.7%K-1,15.3%K-1,15.1%K-1和16.4%K-1。?
鑒于這些結(jié)果對變暖水平相對不敏感，我們在本文的其余部分只使用世紀(jì)末CMIP6 SSP585模式模擬（擴(kuò)展數(shù)據(jù)表1）。
為了進(jìn)一步將放大的降雨量極值與積雪的變化，我們在每個模式中的網(wǎng)格單元級別上檢查了積雪的變化和降雨量極值增加之間的關(guān)系。
圖4A顯示了CMIP6多模式平均風(fēng)險比(RR)的地圖，日降雨量極端，其中感興趣的閾值是從參考期（方法）估計的20年回報值。 RR為1意味著未來的回歸概率估計為1/20（即未來的回歸周期為20，頻率不變），而RR為4意味著未來的回歸概率預(yù)計將增加到1/5(RR=(1/5)/(1/20)；即更高的頻率）。 可以清楚地看到，喜馬拉雅山、北美太平洋山脈（喀斯喀特山脈、內(nèi)華達(dá)山脈和沿海地區(qū)）和高緯度地區(qū)未來出現(xiàn)更頻繁極端降雨的風(fēng)險更高(RR≥7；地圖上的深藍(lán)色）.
4(b)很明顯，對于最極端的降雨事件（10年和20年的回歸值），有一種依賴于海拔高度的向更高的風(fēng)險發(fā)展的趨勢。 值得注意的是，對于不太極端的事件，如2年回歸值的RR也隨著海拔升高而增加，盡管速率較低。
補(bǔ)充信息：
Moreover, we assess the sensitivity of our findings to different levels of global warming (+1.5 K, +2 K, +3 K and +4 K) resulting from different emissions scenarios (ssp126, ssp245, ssp370 and ssp585) using a total of 43 model simulations (Extended Data Table 3).
文章來源：Ombadi, M., Risser, M.D., Rhoades, A.M.?et al.?A warming-induced reduction in snow fraction amplifies rainfall extremes.?Nature?619, 305–310 (2023). https://doi.org/10.1038/s41586-023-06092-7
