Changes in extreme temperatures of the Earth's desert regions over the next 100 years

该研究利用贝叶斯推断和广义极值回归模型，基于五个 CMIP6 模型分析了 2025 至 2125 年间全球五个沙漠区域极端气温的变化，发现随着气候强迫情景的加剧，所有沙漠区域的年极端最高气温均呈现显著上升趋势，而年极端最低气温虽呈类似趋势但显著性较弱。

要点

这篇论文就像是一份**“地球沙漠的百年体检报告”，但它不是用听诊器，而是用了一套非常精密的“数学望远镜”**。

简单来说，科学家们想搞清楚一件事：在未来 100 年里，地球上的沙漠地区，最热的夏天和寒冷的冬天，到底会变得有多极端？

为了让你更容易理解，我们可以把这篇论文的研究过程拆解成几个有趣的步骤：

1. 为什么要研究沙漠？（寻找“极限选手”）

想象一下，如果你想知道一个运动员的极限体能在哪里，你通常会让他去跑马拉松或者举重，而不是让他去散步。

• 沙漠就是地球的“极限运动员”。那里本来就热得离谱，或者冷得刺骨。
• 如果全球变暖，这些“极限选手”会变得更疯狂吗？比如，原本 50 度的高温会不会变成 60 度？原本 -20 度的极寒会不会变成 -30 度？
• 这篇论文就盯着全球 5 个著名的沙漠（比如撒哈拉、南极洲的部分地区等），看看它们未来的“脾气”会变得多暴躁。

2. 他们用了什么工具？（“通用极值模型”GEV）

科学家不能只盯着某一天的天气看，因为天气是随机波动的。他们需要一个能预测“百年一遇”极端天气的数学模型。

• 比喻：想象你在玩一个**“抓娃娃机”**。你抓了 86 次（代表 86 年的数据），每次抓到的娃娃大小都不一样。
• 科学家用的GEV 模型，就像是一个超级聪明的**“概率预测员”。它不看中间那些普通的娃娃，而是专门研究那些“最大的娃娃”（最热的一天）和“最小的娃娃”**（最冷的一天），并试图找出它们变大的规律。

3. 最大的挑战：选哪个“预测员”？（模型选择）

这是这篇论文最精彩的部分。科学家发现，用不同的数学公式去预测，结果会大不相同。就像你有 11 个不同的算命先生，有的说“未来会线性升温”，有的说“未来会指数级升温”。

• 问题：该听谁的？选错了，预测就会翻车。
• 解决方案：作者们做了一场**“模拟大考”**。
  • 他们先自己造了一些“假数据”（就像老师先出答案的模拟卷）。
  • 然后让这 11 种不同的数学模型去预测这些假数据。
  • 结果：他们发现，**“贝叶斯信息准则（BIC）”**这位“考官”最靠谱。它最擅长在“预测得准”和“模型不复杂”之间找到平衡点，就像一位既聪明又务实的教练，不会让模型变得太花哨而失去准确性。

4. 他们发现了什么？（未来的“温度剧本”）

用选出的最佳模型（BIC）去分析真实的地球气候模型数据后，他们得出了几个惊人的结论：

• 热浪会更热（而且很确定）：
  在大多数沙漠地区，未来 100 年，“百年一遇”的极端高温将会显著升高。

  • 如果是温和的减排情景（SSP245），高温会明显上升。
  • 如果是高排放情景（SSP585，即人类继续大量排放），高温将剧烈飙升。有些沙漠的极端高温可能会比现在高出 10 多摄氏度！这就像给沙漠加了一个超级大火炉。

• 冷冬也会变暖，但没那么确定：
  最冷的冬天也会变暖，但这个趋势不如高温那么明显，数据上还有点“模糊”。

• 南极是个“叛逆者”：
  在南极，情况有点反直觉。那里的极端低温（最冷的时候）似乎比极端高温（相对暖和的时候）升温得更快。就像南极的冬天正在拼命追赶夏天的温度，试图抹平温差。

5. 为什么这很重要？（不仅仅是数字游戏）

这篇论文不仅仅是算几个数字，它是在量化风险。

• 比喻：如果你要建一座房子，你需要知道未来 100 年最大的洪水会涨多高，才能决定把地基打多深。
• 这篇研究告诉我们：未来的“洪水”（极端高温）可能会比我们要想的还要高。如果我们只按现在的标准去设计城市、电网或农业系统，未来可能会“水漫金山”。

总结

这篇论文就像是一次**“未雨绸缪的演习”**。

1. 它用**“模拟大考”**的方法，选出了最靠谱的预测工具（BIC 准则）。
2. 它用这个工具给地球沙漠做了**“百年体检”**。
3. 它警告我们：未来的极端高温将比现在猛烈得多，而且这种趋势在排放越多的情况下越明显。

这就好比医生拿着最精准的听诊器告诉你：“虽然我们现在感觉还好，但根据最科学的预测，如果不改变生活习惯（减少排放），心脏（地球气候）在未来可能会承受巨大的压力。”

技术摘要

这是一份关于该论文《Changes in extreme temperatures of the Earth's desert regions over the next 100 years》（地球沙漠地区未来 100 年极端温度的变化）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心问题：评估在未来 100 年（2025-2125 年）内，地球主要沙漠地区近地表气温（tas）的**100 年重现期（100-year return value）**的变化量（$\Delta Q$）。
• 研究动机：
  • 气候变化导致极端天气事件（如热浪）的频率和强度增加，这对社会影响巨大。
  • 沙漠地区拥有地球最极端的温度记录，是研究气候极限的理想场所。
  • 现有的全球气候模型（GCMs）输出存在偏差，且通常需要对不同排放情景（SSP126, SSP245, SSP585）进行独立分析，缺乏对情景间耦合关系的考虑。
  • 在极值统计建模中，如何从多个候选模型中选择最优的非平稳模型（即参数随时间变化的模型）是一个挑战，不同的信息准则（Information Criteria）表现各异。
• 数据源：使用 5 个 CMIP6 全球气候模型（GCMs）的输出数据，涵盖 5 个沙漠地区（南极、Dasht-e Lut、Mojave、撒哈拉、辛普森）以及英国（作为对照）。

2. 方法论 (Methodology)

2.1 统计模型：耦合的非平稳广义极值回归 (Coupled Non-stationary GEV Regression)

• 基础分布：使用广义极值分布（GEV）来描述区域年最大值和年最小值的分布。
• 非平稳性：假设 GEV 的三个参数（位置 $\mu$、尺度 $\sigma$、形状 $\xi$）随时间 $t$ 和气候情景 $j$ 变化。
  • 考虑了多种参数化形式：常数（C）、线性（L）、二次（Q）和渐近（A）形式。
  • 构建了 11 种不同复杂度的候选模型（如 CCC, LCC, QCC, QLL 等）。
• 情景耦合（Coupling）：
  • 关键创新点：强制三个排放情景（SSP126, SSP245, SSP585）在 GCM 输出起始年（2015 年）具有共同的极值尾部分布。这利用了 CMIP6 模型在初始时刻物理状态一致的特性。
• 推断方法：采用贝叶斯推断和马尔可夫链蒙特卡洛（MCMC）方法，以获得模型参数的联合后验分布，从而量化不确定性。

2.2 模型选择策略 (Model Selection)

• 挑战：在小样本（86 年数据）下，选择合适的信息准则（IC）至关重要。
• 候选准则：比较了 AIC（赤池信息准则）、BIC（贝叶斯信息准则）、DIC（偏差信息准则）和 WAIC（广泛适用信息准则）及其变体。
• 模拟研究（Simulation Study）：
  • 为了确定哪种准则在预测 $\Delta Q$ 时表现最好，作者进行了模拟研究。
  • 生成了 11 种不同数据生成过程（对应 11 种模型复杂度）的 100 次模拟样本。
  • 评估各准则在最小化预测均方根误差（RMSE）方面的表现。
  • 结论：**BIC（特别是 BIC3 变体）**表现最佳，优于 AIC、DIC 和 WAIC。BIC 倾向于选择更简约（parsimonious）的模型，这在极值建模中更为稳健。

2.3 贝叶斯模型平均 (Bayesian Model Averaging, BMA)

• 作为模型选择的替代方案，作者尝试了基于堆叠（stacking）方法的 BMA，即对所有候选模型进行加权平均。初步结果显示 BMA 倾向于选择更复杂的模型，但在该特定任务中，其预测误差略高于 BIC 选择的单一模型。

3. 主要结果 (Key Results)

3.1 模型选择结果

• 在 30 种“地区-GCM"组合中，BIC3 最常选择的模型是 LCC（位置参数线性变化，尺度和形状参数恒定）或 QCC（位置参数二次变化）。
• 这表明数据主要支持位置参数（$\mu$）随时间发生非平稳变化，而尺度和形状参数通常保持平稳。
• 模型选择对 $\Delta Q$ 的估计值有显著影响，复杂的模型往往导致更大的不确定性。

3.2 极端温度变化趋势 ($\Delta Q$)

• 区域年最大值（Annual Maxima）：
  • 在 SSP245 和 SSP585 情景下，所有沙漠地区的 100 年重现期温度均显示出显著增加。
  • SSP126 情景下，变化不显著（置信区间包含 0）。
  • 增加幅度随排放情景的强迫强度增加而增大。Dasht-e Lut、撒哈拉和辛普森沙漠的增幅较大，南极增幅较小。
  • 英国（对照区）的趋势与沙漠地区相似。
• 区域年最小值（Annual Minima）：
  • 也观察到增加趋势，但显著性较弱，且不同 GCM 之间的不一致性更高。
  • 在 SSP245 和 SSP585 下，许多地区的 95% 可信区间仍包含 0。
• 最大值与最小值的对比：
  • 除南极外，大多数地区极端高温（最大值）的升温速率快于极端低温（最小值），导致温差扩大。
  • 南极例外：在 SSP585 情景下，南极极端低温的升温速度快于极端高温（$\Delta \Delta Q$ 为负值），表明南极夜间或冬季极端变暖更为剧烈。

4. 主要贡献 (Key Contributions)

1. 耦合建模框架：提出并实施了一种将不同排放情景耦合的 GEV 回归方法，强制它们在初始年份共享极值分布，这比独立分析各情景更符合物理现实且能减少参数冗余。
2. 模型选择准则的实证评估：通过模拟研究，针对极值预测任务（特别是小样本 CMIP6 数据），明确证明了 BIC 优于其他信息准则（如 AIC, DIC, WAIC），为类似研究提供了方法论指导。
3. 贝叶斯推断的应用：利用贝叶斯方法不仅提供了点估计，还给出了 $\Delta Q$ 的完整后验分布，量化了模型选择、GCM 差异和集合成员带来的不确定性。
4. 沙漠极端温度量化：提供了未来 100 年沙漠地区极端温度变化的定量估计，特别是区分了不同排放情景下的显著性差异。

5. 意义与结论 (Significance and Conclusions)

• 科学意义：该研究证实了在中等和高排放情景下，沙漠地区的极端高温事件将显著加剧，且这种加剧在统计上是显著的。这为适应气候变化的政策制定提供了科学依据。
• 方法论启示：
  • 在极值统计中，模型选择至关重要，不能盲目使用某种信息准则，应通过模拟研究针对特定问题选择最佳准则。
  • 对于小样本数据，简约模型（如 BIC 选择的模型）往往比复杂模型具有更好的预测性能。
  • 贝叶斯模型平均（BMA）虽然可行，但计算成本高，且在该研究中并未显著优于精心选择的单一模型。
• 局限性：研究直接使用了 GCM 原始输出而未进行偏差校正（downscaling/calibration），虽然避免了引入额外的校准不确定性，但结果可能受模型本身偏差的影响。此外，样本量（86 年）限制了检测更复杂非平稳模式（如形状参数的变化）的能力。

总结：该论文通过严谨的统计建模和模拟验证，揭示了未来百年沙漠极端高温的显著增长趋势，并确立了一套基于 BIC 的贝叶斯极值回归分析框架，为评估气候变化下的极端风险提供了可靠的方法论和定量结果。