由于极端风暴频发，密西西比河下游的洪水灾害风险正在增加

《SCIENCE ADVANCES》：Increasing flood hazard in the Lower Mississippi River due to extreme storm clustering

极端风暴集群导致密西西比河下游流域洪水风险加剧，未来气候情景下复合型洪水（CC型）占比从30%升至49%，峰值流量增加21%，设计洪水标准失效风险显著上升。

　　在低密西西比河盆地（LMRB）中，极端洪水通常是由极端风暴的集群引发，而不是孤立事件。然而，风暴集群在洪水灾害中的作用尚未得到充分研究。我们的研究表明，由复合时空风暴集群引发的洪水相比孤立风暴或单一模式集群引发的洪水，具有更高的峰值、体积和持续时间。在未来的气候条件下（2070年至2100年；SSP3-7.0情景），预计极端风暴数量将增加26%，平均风暴降水量增加8%，而在洪水峰值前的干燥间隔将减少17%。主导洪水类型预计将从孤立风暴（占38%）转变为复合风暴集群（占49%），而这种类型的洪水历史上曾导致灾难性洪水。这些发现强调了将风暴集群及其变化纳入设计洪水分析和管理策略的重要性。

洪水是全球最昂贵且最致命的灾害之一，每年造成数十亿美元的经济损失和数千人的死亡（1–3）。LMRB覆盖了美国连续领土的40%，历史上经历了许多毁灭性的洪水（4,5）。值得注意的事件包括2011年春季洪水，这是自1927年密西西比洪水以来在维克斯堡记录的最大流量，造成超过32亿美元（以2011年美元计算）的农业损失和基础设施损坏（5,6）。2019年春季洪水是记录中持续时间最长的洪水，许多盆地内的地点在洪水峰值后持续高于洪水水位超过150天（7）。为了减轻洪水灾害，低密西西比河由复杂的上游防洪水库、堤坝和一系列可以打开以缓解洪水的溢洪道系统进行调节（8,9）。然而，随着河流沿岸人口和开发的增加，如果在极端洪水事件中防洪管理系统出现故障，可能会导致严重的经济损失和社会影响（10）。估计表明，1927年密西西比洪水的重现可能造成超过1000亿美元的经济损失，对全球经济产生重大影响（11）。因此，理解和准确评估未来的洪水风险对于该地区的开发和灾害缓解至关重要。

LMRB的洪水通常由冬季和春季的极端风暴集群引发，通常与来自墨西哥湾的强水汽输送有关（4,5,12–15）。例如，2011年春季洪水是由4月17日至28日和4月29日至5月4日的两个连续风暴系统引发的，每个风暴系统在多个子流域产生强降水（14）。洪水事件往往也受到其他因素的影响，如俄亥俄-田纳西河和密苏里河盆地的高于正常积雪融水（SM）、以及由于前几个月强降雨导致的高河流水位和饱和土壤（9,16）。LMRB的设计洪水“Hypo-Flood 58A”是由1937年、1950年和1938年的三个历史极端风暴结合而成的，基于气象推理构建了一个4周长的序列（12）。这个假设的风暴集群提供了低密西西比河“最坏情况”洪水情景，并形成了防洪基础设施的设计容量（17）。

极端风暴的集群与空间和时间复合危害密切相关（18），然而，这些复合危害在密西西比河流域（MRB）中得到了有限的关注。空间复合发生在多个相连的地点在同一短时间内经历相同或不同的危害，从而放大整体影响（19）。在LMRB的洪水背景下，这涉及一个大型风暴系统在多个支流上产生强降水，引发同步的径流生成和复合洪水波在低密西西比河上形成（20）。时间复合则涉及连续的危害击中同一地区，使结果超出单一事件的强度（21,22）。在LMRB中，这通常表现为多个极端风暴在短时间内对单一支流产生重复的强降雨（15）。初始风暴使土壤饱和，提高基流，使后续风暴能够快速产生地表径流，形成增强的洪水波传播到主干河段。

极端风暴集群的复合影响对洪水灾害缓解和恢复有显著影响：集群中的每个风暴都可能消耗应急资源、填充水库、损坏基础设施并提高社区脆弱性，使得后续事件在该地区尚未恢复时更具破坏性（23）。这突显了理解并量化LMRB中极端风暴集群模式及其在驱动重大洪水中的作用的迫切需求。然而，由于极端事件的数据稀缺和质量问题，这一任务具有挑战性——最严重的复合事件在仅有50到100年的降水和河流流量观测数据下难以表征（24）。评估未来洪水情景的复杂性进一步增加，因为风暴和其空间时间结构的强度可能在未来的气候情景下发生变化（18,25–27）。

本文通过建模和分析在历史和未来气候情景下由极端风暴集群驱动的LMRB洪水，解决了这些问题。结果和讨论分为六个部分。第一部分使用StormLab，一种随机降雨生成器，模拟了从1901年到2100年MRB的风暴集群情景，使用来自四个全球气候模型（GCM）的大型集合。我们使用Hillslope Link Model（HLM），一种半分布式水文模型，模拟了LMRB的洪水径流，并分析了洪水峰值前极端风暴集群模式的变化。第二部分基于风暴集群模式对模拟的洪水事件进行分类，包括孤立（I）、空间集群（SC）、时间集群（TC）和复合集群（CC）。我们评估了每种洪水类型的特征和未来变化，并识别了导致最严重洪水的主要类型。

第三部分使用线性模型评估极端风暴集群降水、流域前期条件和积雪融水对洪水峰值流量的相对贡献。第四部分使用非平稳广义极值（GEV）模型量化未来极端洪水（如10,000年一遇事件）的变化，同时估算历史极端洪水和设计洪水在未来的重现期。第五和第六部分探讨了风暴集群增强对当前防洪系统的影响，并讨论了研究中的关键不确定性和局限性。我们最后呼吁采用新的降雨和洪水风险分析方法，考虑空间和时间上的风暴集群，而不仅仅是单一事件。我们还敦促改进天气预报和防洪管理策略，以纳入风暴集群的影响，从而减少LMRB日益增加的洪水风险。

在历史时期，LMRB的洪水主要由多个极端风暴引发，这些风暴在洪水峰值前的30天内影响多个子流域。为了研究这一点，我们使用StormLab随机降雨生成器，模拟了MRB的连续降水场，分辨率为每6小时和0.03°，从1901年到2100年。这些模拟基于四个经过偏差校正的CMIP6模型（CESM2、E3SM、MPI-ESM1-2-HR和EC-Earth3）的大集合，共38个集合。每个集合涵盖了历史时期（1901年到2014年）和未来时期（2015年到2100年）在SSP3-7.0情景下的模拟。高分辨率的降水场与GCM的每日地表温度和每月蒸散发数据一起输入到HLM中，模拟了低密西西比河的每日流量响应。我们关注了冬季和春季（12月到5月）在维克斯堡等关键水文监测站点的峰值事件，这些事件在历史上占了超过90%的峰值流量（表S1）。

我们分析了维克斯堡在洪水峰值前30天内极端风暴事件的特征，包括极端风暴数量、降水深度、持续时间和干燥间隔。30天窗口的选择是为了捕捉对LMRB洪水有贡献的累积风暴影响，因为历史上的洪水通常由在洪水峰值前30天内发生的风暴造成（4,17）。个体风暴事件通过风暴追踪算法识别（30），其特征从StormLab模拟的降水场中提取。极端风暴事件定义为至少在一个主要子流域产生强降水（≥历史记录的第90百分位）的事件。不满足此标准的风暴事件称为非极端风暴。

我们的分析揭示了极端风暴模式的显著变化。在1990年至2020年历史时期，极端风暴前的平均风暴数量为2.3，而在2070年至2100年未来时期，这一数值增加到2.9（增加26%；Welch’s t值 = -12.6；P < 0.001）。极端风暴的平均降水深度预计上升8%（Welch’s t值 = -7.0；P < 0.001），而非极端风暴的降水深度略有下降（3%；Welch’s t值 = 2.5；P < 0.05）。极端风暴的平均持续时间，历史上为4.0天，在未来时期略有下降，为2070年至2100年的3.9天（下降2%；Welch’s t值 = 2.2；P < 0.05）。极端风暴的平均影响面积从1990年至2020年的730,000 km2增加到2070年至2100年的750,000 km2（增加3%；Welch’s t值 = -6.9；P < 0.001）。此外，极端风暴之间的平均干燥间隔减少17%，从5.0天降至4.1天（Welch’s t值 = 5.1；P < 0.001）。这些极端风暴频率、强度、面积和时间的变化导致了洪水峰值前子流域的总降水增加，范围从LMRB的21%到密西西比河上游流域的26%（图2D）。

我们定义了一个风暴为具有强空间集群（SC）特征，如果它在多个子流域产生强降水。为了量化这一点，我们引入了一个SC指标Ns，表示单个风暴事件中受到强降水影响的子流域最大数量。为了评估时间集群（TC），我们定义了一个TC指标Nt，表示在同一个子流域连续发生的强降水风暴数量，且干燥间隔小于7天。高Ns值表明强SC，意味着单个风暴更可能在多个子流域产生强降水。同样，Ns值从历史时期的2.5增加到未来时期的3.0（增加20%；图2E；Welch’s t值 = -10.0；P < 0.001），表明单个风暴更可能在多个子流域产生强降水。而Nt值从历史时期的1.6增加到未来时期的2.0（增加25%；图2F；Welch’s t值 = -12.3；P < 0.001），表明在同一子流域重复发生强降水的倾向增强。Ns和Nt的增加反映了极端风暴SC和TC的增强，通过与流域排水网络的相互作用放大了径流和流量的生成，这将在下一节中进一步探讨。

极端风暴的SC和TC在驱动LMRB重大洪水方面起着关键作用。为了探索这一点，我们将模拟的洪水事件分为四种类型，基于洪水峰值前的风暴集群模式：SC、TC、I和CC。这些类型定义如下（见图1）：

SC发生在单个极端风暴在洪水峰值前影响多个子流域时（图1A）。该风暴事件在主要支流上产生同步的径流和流量，形成低密西比河上的大洪水波。例如，2018年3月的洪水由2月13日至26日的风暴造成，影响了四个子流域（OH、LM、UM和AR），在维克斯堡产生了51,253 m3/s的峰值流量（见图1A和附图S2）。当SC指标（Ns）≥3且TC指标（Nt）<2时，事件被归类为SC，表明至少有三个子流域受到强降水影响，且没有在同一子流域重复的极端风暴。

TC涉及重复的风暴事件，这些事件在同一个子流域产生强降水（图1B）。初始风暴使土壤饱和，降低其渗透能力；随后的风暴产生快速的地表径流和洪水波，迅速传播到主干河段。这种类型还可以对防洪基础设施（如水坝、城市排水系统和堤坝）造成累积压力，并提高受影响区域的洪峰风险。一个历史例子是2019年3月的洪水：第一个风暴（2月10日至13日）带来了强降水，随后第二个风暴（2月19日至24日）再次影响了LMRB和俄亥俄河盆地，导致维克斯堡的峰值流量达到53,235 m3/s（见图1B和附图S3）。归类为TC需要Ns <3且Nt ≥2，反映同一子流域重复的极端风暴，但SC较弱。

I事件涉及单个风暴在仅一个或两个子流域产生强降水，而其他地区则有弱或中等降水（图1C）。这种类型可能在受影响区域造成局部洪水，但其他支流相对平静。LMRB通常经历短时的峰值，因为主河吸收流入而不会造成灾难性洪水。例如，2020年4月的洪水是由主要影响阿肯色河盆地的风暴造成的，导致维克斯堡的中等峰值流量为44,175 m3/s（见图1C和附图S4）。归类为I类型需要Ns <3且Nt <2，反映最小的SC和TC。

CC代表多个极端风暴在短时间内连续影响，每个风暴在多个子流域产生强降水（图1D）。这种类型结合了SC和TC，产生复合效应，造成更严重的洪水。连续的广泛风暴可以从多个方向影响河流系统，产生主支流的排水，从而在LMRB上形成复合洪水波。2011年5月的洪水就是一个例子：第一个风暴（4月17日至28日）影响了四个子流域（俄亥俄-田纳西、低密西西比、上密西西比和阿肯色-红河），随后第二个风暴影响了俄亥俄河盆地、阿肯色河盆地和LMRB，导致维克斯堡的峰值流量达到65,411 m3/s，超过了1927年的记录（见图1D和附图S5）。归类为CC需要Ns ≥3且Nt ≥2，表明广泛和重复的强降水。

我们研究了历史和未来时期每种洪水类型的峰值流量、30天峰值体积和洪水持续时间等关键洪水特征（图3）。在历史时期，CC类型产生了维克斯堡最高的平均峰值流量（43,000 m3/s），比TC（41,000 m3/s）、SC（39,000 m3/s）和I（36,000 m3/s）分别高4%、10%和20%（图3A）。CC类型还表现出最大的平均30天峰值体积（98 km3）和洪水持续时间（7.7天），而I类型记录了最小的（82 km3和2.1天；图3B）。TC类型稍低于CC（95 km3和6.6天），但超过了SC（89 km3和4.3天）。这些结果表明，由强烈空间和时间风暴集群驱动的CC型洪水通常产生最严重的洪水条件。TC型洪水排名第二，其规模超过SC和I型。

在未来的气候情景下，所有洪水类型的关键洪水特征都显示出增加的趋势。CC型洪水表现出最大的增长，其平均峰值流量增加21%，达到51,970 m3/s（Welch’s t值 = -11.9；P < 0.001），洪水体积增加20%，达到118 km3（Welch’s t值 = -11.3；P < 0.001）。其平均洪水持续时间增加到23.9天，且变化幅度增加（Welch’s t值 = -10.7；P < 0.001）。主导洪水类型也发生了变化（图3D）：在历史时期，I型洪水占主导（1990年至2020年占38%），其次是CC（30%）、TC（17%）和SC（15%）。在未来的洪水类型中，CC型洪水将占据主导地位（2070年至2100年占49%），TC上升到第二位（20%）。这表明，未来的气候情景下，LMRB将经历更频繁的CC型洪水，其洪水峰值、洪水体积和持续时间均更大。

这些变化对洪水准备和管理具有重要影响。传统的洪水控制措施，如水坝和溢洪道运行，通常设计用于应对单个局部风暴事件，但未来策略必须适应应对重复的强降水和洪水波的复合效应。这要求对支流和下游基础设施进行结构升级和更频繁的检查和维护。此外，天气和洪水预报服务应超越预测即将到来的风暴，包括后续的极端事件，以更好地为洪水准备和响应提供信息。此外，应开发基于预测的运营框架，以纳入风暴集群的影响，从而提高该地区的洪水管理能力。

在未来的气候情景下，极端洪水的频率预计将显著增加。例如，2011年4月的洪水预计将从一个112年的事件变为一个23年的洪水（2050年）和一个8年的洪水（2100年）。同样，1955年的设计洪水（未受调节的条件）预计在2100年将具有一个仅150年的重现期，这突显了当前防洪措施在应对未来洪水风险方面的不足。

风暴集群在驱动LMRB重大洪水中的关键作用对洪水风险预测和管理具有深远的影响。传统的降水和洪水频率分析方法，通常聚焦于单个风暴事件（例如，降雨强度-持续时间-频率分析），在大流域如LMRB中是不够的。因此，需要采用先进的方法，如降雨-径流模型和随机方法，如本研究中使用的方法，来捕捉风暴集群的到达和时空模式，并模拟大流域的洪水情景（54,55）。洪水控制策略，包括水坝和溢洪道的运行，必须超越缓解单个风暴事件的影响，以考虑后续风暴和洪水波的复合效应。这突显了对长期、准确的天气和洪水预报的必要性。此外，应开发基于预测的运营框架，以纳入风暴集群的影响，从而增强该地区的洪水管理能力。

本文研究了极端风暴集群在LMRB洪水中的作用，并揭示了其在历史和未来时期的变化趋势。这些变化对洪水管理策略和防洪基础设施的适应性提出了挑战，因为现有的防洪措施可能无法有效应对更频繁和更严重的洪水。因此，未来的防洪规划需要考虑极端风暴集群的时空特征，以更准确地预测洪水风险，并采取相应的缓解措施。这可能包括改进天气预报系统，以预测风暴集群的发生和强度，以及更新防洪基础设施，以适应未来的洪水情景。此外，研究还强调了加强流域内的协同管理，以确保防洪措施的有效性和可靠性。