Предупреждение об экстремальных осадках с использованием масштабных закономерностей

Почему внезапные ливни важны

Наводнения мгновенного типа, оползни и подтопления в городах часто вызываются не многодневными осадками, а несколькими часами интенсивного ливня. Тем не менее такие короткие, сильные всплески осадков остаются одними из самых труднопредсказуемых погодных явлений. В этом исследовании поставлен простой, но важный вопрос: можно ли обнаружить скрытые закономерности во времени экстремального почасового дождя, которые помогут предупредить о следующем ливне до его начала, не полагаясь на сложные численные погодные модели?

Скрытые ритмы в осадках

Исследователи проанализировали пятилетний набор качественных почасовых данных с дождемеров с 1 729 станций на востоке Китая — регионе, регулярно испытывающем сильные муссонные дожди, тайфуны и фронтальные шторма. Вместо того чтобы смотреть только на объем выпавших осадков, они сосредоточились на том, когда происходят экстремальные почасовые события и как долго они длятся. С помощью инструментов анализа временных рядов они проверяли, проявляют ли записи дождя долговременную выдержанность — другими словами, склонны ли влажные или сухие периоды «помнить» то, что происходило часами или днями ранее, а не вести себя как случайные броски монеты. Оказалось, что почасовой дождь имеет две отчетливые временные шкалы: короткую (примерно от полудня до пяти дней) с сильной корреляцией и более длинную (свыше примерно пяти дней) с существенно более слабой «памятью».

Штормы, которые приходят пачками

Имея этот фон, команда переключилась на экстремумы: редкие часы с очень большим количеством осадков. Они измеряли две базовые характеристики — как долго проходит между экстремальными событиями и как долго длится каждая экстремальная эпизода после её начала. Если бы экстремумы были случайными, интервалы между ними следовали бы простой модели, похожей на радиоактивный распад или пуассоновский процесс. Вместо этого наблюдаемые промежутки подчинялись «растянутому» закону с большим числом очень коротких и очень длинных интервалов, чем ожидалось, что означает: интенсивные ливни склонны приходить кластерами, разделенными более спокойными периодами. Длительности экстремальных эпизодов также показывали повышенную вероятность затяжных событий по сравнению со случайными данными. Когда учёные перемешали порядок наблюдений, разрушив долговременную память при сохранении краткосрочной структуры, кластеризация исчезла, что подтверждает: именно эта память является ключевым фактором скопления событий.

Как вчерашний шторм формирует риск завтра

Чтобы сделать эту связь более конкретной, авторы рассчитали, насколько сильно каждое экстремальное событие влияет на вероятность появления следующего в ближайшее время. Они использовали «функцию опасности», которая отвечает на вопрос: с учетом того, что экстремальный час произошёл t часов назад, какова вероятность, что ещё один экстремум случится в следующем коротком интервале? Для реальных данных по осадкам этот риск велик вскоре после экстремума и затем убывает приблизительно по степенному закону до примерно четырех дней, после чего влияние прошлых событий становится незначительным. Искусственные данные, сконструированные так, чтобы иметь ту же долговременную зависимость, показали почти идентичное поведение, тогда как полностью перемешанные данные дали плоскую кривую функции опасности, указывая на отсутствие памяти. Эти результаты показывают, что многошкальная структура дождя — с сильной памятью на коротких временных масштабах — напрямую определяет, как экстремумы группируются во времени.

Преобразование закономерностей в ранние предупреждения

Исходя из этого вывода, исследователи предложили простой статистический метод предупреждения. Используя прошлые годы почасовых данных каждой станции, они оценивали функцию опасности и затем покадрово переводили время с последнего экстремума в текущий уровень риска. Если оценённый риск превышал заданный порог, система подавала сигнал о приближающемся экстремуме. Эффективность оценивалась с помощью общепринятого диагностического инструмента прогностической науки — кривой оператора приёмника (ROC), которая сопоставляет частоту правильных сигналов об экстремумах с частотой правильной идентификации неэкстремальных часов. По всем станциям итоговая эффективность предупреждений варьировала примерно от 0,69 до 0,93, в среднем составляя 0,76, и была наибольшей там, где краткосрочная память осадков была сильнее. В сравнении с ведущей глобальной системой погодного прогнозирования их чисто статистический метод оказался немного менее точным, но оставался конкурентоспособным для предупреждений с прогнозным горизонтом в шесть часов.

Что это значит для будущей безопасности от наводнений

Эта работа показывает, что экстремальные почасовые дожди на востоке Китая не возникают случайно: они склонны сгущаться во времени, и эта кластеризация восходит к тому, как штормы сохраняются в течение часов и дней. Квантифицируя, как риск нового ливня растёт и падает после каждого экстремума, авторы демонстрируют, что относительно простой подход, основанный на данных, может давать полезные ранние предупреждения, дополняющие сложные численные погодные модели. На практике города, фермеры и водные службы однажды смогут использовать такие инструменты, основанные на закономерностях, чтобы лучше оценивать, когда они входят в «опасное окно» для внезапных наводнений, добавляя слой защиты в условиях потепления климата и ожидаемого роста интенсивных осадков.

Цитирование: Yang, L., Yuan, N. & Chen, B. Forewarning extreme precipitation events using scaling behaviors. Sci Rep 16, 10795 (2026). https://doi.org/10.1038/s41598-026-45565-3

Ключевые слова: экстремальные осадки, почасовой дождь, кластеризация штормов, раннее предупреждение, климатическая изменчивость