长江流域极端降水：滞后和非对称遥相关分析

长江流域。理解来自大规模气候驱动因素（LSCDs）的水文气象风险常常因非线性、滞后和非对称的遥相关而变得复杂。本研究针对将组合LSCD相位与以季风为主的长江流域的极端降水簇关联的挑战。我们引入一个统一框架来分析六个每月极端降水指标（1961–2022）。通过采用随机森林滞后筛选、季节性分组的PIT校准copulas和场景条件的奇异值分解（SVD），我们识别出最佳滞后的主导驱动因素，量化特定尾部风险，并绘制由联合驱动相位驱动的空间热点转移。随机森林筛选识别出北极振荡（AO）、厄尔尼诺3.4和大西洋多年代涛动（AMO）作为主导驱动因素。厄尔尼诺3.4在1-2个月滞后时达到峰值，并增强下尾风险，而AO在4-6个月时达到峰值并加剧上尾风险。场景条件的SVD揭示出一个强大的流域尺度二极化现象。主导模式平均占平方协方差份额的95.7%，主要受到AO强度的驱动。其空间极性根据ENSO相位在东南低地和上游之间转移热点。这些发现将相位、滞后和地点联系起来，为诊断复合干旱或洪水风险提供了概率框架，并支持以韧性为导向的准备工作。• 开发了一个集成框架来解码复杂的水文气候遥相关。• 测量了六个极端降水指标的上尾和下尾风险。• 联合相位SVD揭示了长江流域的全流域符号翻转二极化现象。• 该框架能够为流域热点提供一个月前的特定尾部风险指导。