A warming-induced reduction in snow fraction amplifies rainfall

摘要：随着气候变暖降水类型会发生变化，变成多雨少雪。这样的改变会使得高海拔地区降水强度放大15%。

以下均为回忆所用，图1，图2b,图3a，图4均值得借鉴

本文的分析方法在分析极端降水时值得细读

首先基于ERA5数据和CMIP6数据探究海报高度和最大降水量之间的线性（非线性）关系。图1中的百分比由历史时间段（1950-1979年）作为基线时段对降雨量极值变化计算百分比。

图1a、b显示了海拔与降雨量极值增加之间的总体正相关关系，3小时回归线斜率为0.82（每1000米%；0.4-1.2,95置信区间），24小时回归线斜率为0.92（每1000米%；0.4-1.4,95置信区间）。 同样，图 1C，D表明，从CMIP6的8个模式（彩色虚线）和它们的多模式平均值（黑线和标记）得到的降雨量极值的增加与海拔高度有关。 值得注意的是，这些关系与极端降雨的持续时间无关（图1中显示的3小时和24小时，·图扩展数据中显示的12小时，b)。（此处作者还提到了图1a-b拟合的线性趋势与值之间存在偏差，并对偏差的可能性进行分析）

在变暖水平下，所有网格单元的平均增加量约为7%K-1,这与C-C关系和基于观测的分析是一致的30； 然而，在海拔>3000m和积雪分数>0.5的格栅单元上，增加幅度较大，在15%～17.7%之间。

在这些地区（海拔>3000m，积雪分数>0.5)的变化率分布在图更为详细 2b. 除分布尾部差异较小外，可以清楚地看到，无论增温水平如何，降雨极值的放大模式在性质上是相似的，+1.5K、+2K、+3K和+4K增温水平的中值分别为17.7%K-1,15.3%K-1,15.1%K-1和16.4%K-1。 

鉴于这些结果对变暖水平相对不敏感，我们在本文的其余部分只使用世纪末CMIP6 SSP585模式模拟（扩展数据表1）。

为了进一步将放大的降雨量极值与积雪的变化，我们在每个模式中的网格单元级别上检查了积雪的变化和降雨量极值增加之间的关系。

图4A显示了CMIP6多模式平均风险比(RR)的地图，日降雨量极端，其中感兴趣的阈值是从参考期（方法）估计的20年回报值。 RR为1意味着未来的回归概率估计为1/20（即未来的回归周期为20，频率不变），而RR为4意味着未来的回归概率预计将增加到1/5(RR=(1/5)/(1/20)；即更高的频率）。 可以清楚地看到，喜马拉雅山、北美太平洋山脉（喀斯喀特山脉、内华达山脉和沿海地区）和高纬度地区未来出现更频繁极端降雨的风险更高(RR≥7；地图上的深蓝色）.

4(b)很明显，对于最极端的降雨事件（10年和20年的回归值），有一种依赖于海拔高度的向更高的风险发展的趋势。 值得注意的是，对于不太极端的事件，如2年回归值的RR也随着海拔升高而增加，尽管速率较低。

补充信息：

• 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).

文章来源：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