台风诱发特大暴雨事件发生概率的归因方法，介质及设备

摘要

本发明提供台风诱发特大暴雨事件发生概率的归因方法、介质及设备，方法包括：采集气象数据、根据观测数据探究特大暴雨事件的时间分布特征、结合特大暴雨事件时间分布特征和全球平均温度距平探究全球变暖对台风诱发特大暴雨事件的影响、基于CMIP6模式数据识别历史和未来时期的特大暴雨事件时间序列、根据识别的历史特大暴雨事件时间序列分析历史时期人为气候变化对台风诱发特大暴雨事件的贡献以及物理机制、结合识别的历史和未来时期特大暴雨事件时间序列预估未来类似台风诱发特大暴雨事件发生风险，分析物理机制；介质和设备实现方法；有益效果是：帮助认识人类气候变化下台风诱发特大暴雨事件发生概率的变化，为地区防灾减灾决策提供依据。

说明书

技术领域

本发明涉及碳中和与防灾减灾技术领域，尤其涉及一种台风诱发特大暴雨事件发生概率的归因方法、介质及设备。

背景技术

台风诱发的极端暴雨事件是中国最严重的气象灾害之一，正逐步威胁到中国人民的生产生活安全。尤其是2021年台风“烟花”引起的特大暴雨事件，造成的严重洪水导致了巨大的直接经济损失和人员伤亡。该台风远在西北太平洋间接导致了中国中部破历史记录的特大暴雨事件(千年一遇)，直接导致了中国东部特大累积降雨事件。

目前，类似台风“烟花”诱发的特大暴雨事件是否收到人类气候变化的影响尚未有细致研究，未来此类暴雨事件的发生风险也尚未引起科学界关注。中国频繁受到台风的影响，认识人类气候变化环境下台风诱发特大暴雨事件发生概率在过去和将来的变化，能为中国受台风诱发暴雨影响地区的防灾减灾决策提供科学依据。

发明内容

为了认识人类气候变化环境下台风诱发特大暴雨事件发生概率在过去和将来的变化，为中国受台风诱发暴雨影响地区的防灾减灾决策提供科学依据，本发明提供了一种台风诱发特大暴雨事件发生概率的归因方法，主要包括以下步骤：

S1、获取气象数据；

S2、从气象数据中，选取区域平均的年夏季最大累积五日降雨事件的降雨距平百分比作为特大暴雨事件，并探究某台风诱发的特大暴雨事件的时间分布特征；

S3、根据所述气象数据和所述特大暴雨事件的时间分布特征，对特大暴雨事件与全球平均温度距平做相关性分析，并进一步利用历史时期起始年份和结束年份的全球平均温度距平与非平稳的广义极值分布拟合分析全球变暖对台风诱发特大暴雨事件的影响；

S4、根据气象数据与CMIP6模式模拟的降水数据，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线来评估研究时期CMIP6模式模拟的能力，并识别历史和未来基于CMIP6模式模拟的区域平均年夏季最大累积五日降雨量的降雨距平百分比作为特大暴雨事件时间序列；

S5、根据识别的历史特大暴雨事件时间序列，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线，分析历史时期不同强迫下某台风诱发特大暴雨事件发生概率的变化，量化人类气候变化对此特大暴雨事件发生概率的贡献，并从人为热动力和动力角度分析此特大暴雨事件发生概率变化的物理机制；

S6、结合识别的历史和未来时期特大暴雨事件时间序列，计算研究期间特大暴雨事件超过某台风诱发特大暴雨事件的概率，识别人类活动信号出现的时间，比较不同未来情景和历史全强迫下类似特大暴雨事件发生概率去评估类似暴雨事件未来发生风险，并从人为热动力和动力角度分析类似此特大暴雨事件发生概率变化的物理机制。

进一步地，S1所述气象数据为中国地面日降水0.5°×0.5°格点数据集与全球平均温度距平和国际耦合比较计划第六阶段CMIP6模式八组试验数据产出的降水、比湿、经向风、纬向风和地表气压数据。

试验情景包括历史气候全强迫(ALL强迫)模式试验、仅包含自然强迫(NAT强迫)实验、仅人为温室气体强迫(GHG)实验、仅人为气溶胶强迫实验(AER)和未来社会经济发展路径模拟试验(SSP126，SSP245，SSP370和SSP585情景)；其中，ALL实验数据比NAT、GHG和AER实验数据覆盖年份短，在确保数据长度一致的前提下，采用SSP585实验数据补充ALL实验数据至与NAT、GHG和AER实验数据覆盖年份一致；采用双线性插值方法对CMIP模式数据进行空间插值。

进一步地，步骤S2主要步骤为：

S21、选择一场台风诱发特大暴雨事件的区域；

S22、计算区域内平均的年夏季的最大累积五日降雨事件Rx5day的降雨距平百分比PPA作为特大暴雨事件时间序列，计算公式如下：

其中，R表示最大累积五日降雨事件的时间段内降雨量，

S23、利用Mann-Kendall检测特大暴雨事件的长期变化，得出特大暴雨事件斜率以及显著性检测p值，进而得到特大暴雨事件的时间分布特征。。

进一步地，步骤S3具体步骤为：

S31、选取历史时期全球平均温度距平GMTA做4年滑动平均处理去除ENSO的影响，利用非平稳的广义极值分布scaledGEV去拟合研究区域特大暴雨事件时间序列，并与滑动平均处理后的GMTA做相关性分析，基于特大暴雨事件与全球平均温度距平之间的相关系数r和显著性检验p值分析全球变暖对一场台风诱发特大暴雨事件发生概率的影响；

S32、应用平稳的GEV拟合特大暴雨事件时间序列，公式如下：

式中，μ，σ和ξ分别表示位置，尺度和形状参数，exp()为指数曲线函数，在非平稳的GEV中，位置参数和尺度参数与GMTA呈现比例关系，而形状参数保持不变；

其中，μ和σ参数与极端事件的量级和变异性有关。分布的上尾部特征由形状参数解释。形状参数负值和正值分别代表极端事件分布上尾部的薄尾和厚尾特征。在非平稳的GEV分布中，位置参数和尺度参数与GMTA呈现比例关系，而形状参数保持不变：

μ(T)＝μ

lnσ(T)＝σ

式中，μ(T)和σ(T)为非平稳的GEV位置和形状尺度，GEV分布与位置参数和对数化的尺度参数呈现线性趋势。μ

S33、选取滑动平均处理后的历史时期起、止年GMTA与特大暴雨事件时间序列拟合非平稳的GEV曲线，对比两者温度条件下一场台风诱发特大暴雨事件的重现期变化，进一步探究全球变暖对此特大暴雨事件发生概率可能的影响；其中，重现期为特大暴雨事件发生概率的倒数，发生概率由GEV得出。

进一步地，步骤S4的具体步骤包括：

S41、选取区域夏季降雨和夏季Rx5day的气候态均值，对比观测数据与ALL强迫下CMIP6多模式集合平均、ALL强迫下多模式模拟数据，利用GEV的概率密度曲线和Kolmogorov-Smirnov检验对比CMIP6模式模拟的特大暴雨事件与观测的特大暴雨事件是否符合同一种分布，基于bootstrap抽样得出置信区间，以评估CMIP6模式模拟数据的性能；

S42、选择一场台风诱发特大暴雨事件影响区域的空间格点，将CMIP6模式数据的空间分辨率统一插值，对区域面积加权平均，计算各CMIP6模式下不同历史强迫试验下和未来社会经济路径情景下研究时期年夏季Rx5day的PPA，得到CMIP6模式数据中历史强迫和未来情景的特大暴雨事件的时间序列。

进一步地，步骤S5的具体步骤如下：

S51、结合S1所述数据集和历史强迫特大暴雨事件的时间序列基于GEV的概率密度曲线，分析量化历史人为气候变化对一场台风诱发特大暴雨事件发生概率的影响，即人为气候变化贡献FAR：

式中，P

S52、结合步骤S1所述的CMIP6模式的降水、比湿、经向风、纬向风和地表气压数据，分析不同强迫下大气中水汽变化，从人为热动力学和动力学角度解析人为气候变化对一场台风诱发特大暴雨事件发生概率影响的物理机制；

S53、分析不同人为强迫下降水和水汽通量的变化，理解人为GHG强迫和AER强迫的热动力和动力效应，解析人为气候变化对一场台风诱发特大暴雨事件发生概率影响的物理机制。

进一步地，大气中水汽分析主要采用夏季Rx5day均值和夏季水汽通量均值，计算其在ALL强迫分别与人为GHG和AER强迫之间的差异百分比；水汽通量计算公式如下：

式中，ρ为水密度、g为重力加速度、p

CMIP6多模式中超60％的年夏季Rx5day均值在不同强迫之间的差异百分比与CMIP6多模式集合平均保持一致的正负号，在空间分布图上打黑点。

进一步地，步骤S6的具体步骤如下：

S61、结合CMIP6历史强迫和未来情景特大暴雨事件时间序列，计算研究期间特大暴雨事件超过一场台风诱发特大暴雨事件的概率，即超过该暴雨事件的CMIP6模型数量与CMIP6模型数量总和乘以10年的百分比；

S62、结合CMIP6历史强迫和未来情景下的降水数据，探索夏季Rx5day变化超过内部变率时间点，识别人类活动信号出现的时间ET，其中，ET公式如下：

式中，x

S63、利用GEV分布估计的三个参数得出的发生概率，预估未来人为气候变化导致的类似一场台风特大暴雨事件发生风险，即风险比率RR：

式中，P

S64、结合该详细步骤与CMIP6降水、比湿、经向风、纬向风和地表气压数据分析不同情境下和ALL强迫下降水和水汽通量(计算见要求7)的变化，从人为热动力学和动力学解析人为气候变化对类似一场台风诱发特大暴雨事件发生概率影响的物理机制。

一种存储介质，其特征在于：所述存储介质存储指令及数据用于实现一种台风诱发特大暴雨事件发生概率的归因方法。

一种计算机设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现一种台风诱发特大暴雨事件发生概率的归因方法。

本发明提供的技术方案带来的有益效果是：(1)本发明通过获取气象数据、从气象数据中，选取区域平均的年夏季最大累积五日降雨事件的降雨距平百分比作为特大暴雨事件，并探究某台风诱发的特大暴雨事件的时间分布特征、根据所述气象数据和所述特大暴雨事件的时间分布特征，对特大暴雨事件与全球平均温度距平做相关性分析，并进一步利用历史时期起始年份和结束年份的全球平均温度距平与非平稳的广义极值分布拟合分析全球变暖对台风诱发特大暴雨事件的影响、根据气象数据与CMIP6模式模拟的降水数据，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线来评估研究时期CMIP6模式模拟的能力，并识别历史和未来基于CMIP6模式模拟的区域平均年夏季最大累积五日降雨量的降雨距平百分比作为特大暴雨事件时间序列、根据识别的历史特大暴雨事件时间序列，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线，分析历史时期不同强迫下某台风诱发特大暴雨事件发生概率的变化，量化人类气候变化对此特大暴雨事件发生概率的贡献，并从人为热动力和动力角度分析此特大暴雨事件发生概率变化的物理机制、结合识别的历史和未来时期特大暴雨事件时间序列，计算研究期间特大暴雨事件超过某台风诱发特大暴雨事件的概率，识别人类活动信号出现的时间，比较不同未来情景和历史全强迫下类似特大暴雨事件发生概率去评估类似暴雨事件未来发生风险，并从人为热动力和动力角度分析类似此特大暴雨事件发生概率变化的物理机制；从而能够帮助认识人类气候变化环境下台风诱发特大暴雨事件发生概率的变化，预估了未来此类暴雨事件的发生风险，明确了台风诱发特大暴雨事件发生概率中的人类活动信号，为地区的防灾减灾决策提供依据。

(2)本发明通过分离温室气体强迫和人为气溶胶强迫，分析人类气候变化对台风诱发特大暴雨事件发生概率的影响，对理解台风诱发特大暴雨事件发生概率的变化具有重要意义。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例中一种台风诱发特大暴雨事件发生概率的归因方法的流程图；

图2是本发明实施例中一种台风诱发的特大暴雨事件的观测时间分布特征的示意图；

图3是本发明实施例中特大暴雨事件时间序列非平稳GEV拟合、平稳GEV拟合和非平稳GEV拟合的重现期的示意图；

图4是本发明实施例中CMIP6模式的模拟能力评估的示意图；

图5是本发明实施例中历史不同强迫下特大暴雨事件特大暴雨事件时间序列的概率密度曲线的示意图；

图6是本发明实施例中历史不同强迫下特大暴雨事件和水汽通量气候态均值差异百分比的示意图；

图7是本发明实施例中特大暴雨事件超过一场台风诱发特大暴雨事件的概率的示意图；

图8是本发明实施例中基于多模式集合平均的夏季Rx5day与自然强迫主导下Rx5day降雨均值差的变化示意图；

图9是本发明实施例中未来不同排放情景下特大暴雨事件概率密度曲线以及风险比率的示意图；

图10是本发明实施例中未来不同情景下特大暴雨事件和水汽通量气候态均值差异百分比的示意图；

图11是本发明实施例中硬件设备工作的示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明的实施例提供了一种台风诱发特大暴雨事件发生概率的归因方法、设备及存储介质。

请参考图1，图1是本发明实施例中一种台风诱发特大暴雨事件发生概率的归因方法的流程图，具体包括如下步骤：

第一步，获取气象数据。

气象数据包括中国地面日降水0.5°×0.5°格点观测数据集、全球平均温度距平数据与国际耦合比较计划第六阶段CMIP6模式试验数据。

试验情景包括历史气候全强迫(ALL强迫)模式试验、仅包含自然强迫(NAT强迫)实验、仅人为温室气体强迫(GHG)实验、仅人为气溶胶强迫实验(AER)和未来社会经济发展路径模拟试验(SSP126，SSP245，SSP370和SSP585情景)，八组实验提供了历史强迫和未来情景多个全球气候模式模拟的逐日降水、比湿、经向风、纬向风和地表气压数据。ALL实验数据覆盖年份为1961～2014年，NAT、GHG和AER实验数据覆盖年份为1961～2020年。SSP实验数据基本由2020年至2100年。在确保数据长度一致的前提下，采用SSP585实验数据补充ALL实验数据至2020年。详细信息见表1，表1为CMIP6气候模式基本信息，表中“1”代表存在，“0”代表不存在。

表1

第二步，从气象数据中，选取区域平均的年夏季最大累积五日降雨事件的降雨距平百分比作为特大暴雨事件，并探究某台风诱发的特大暴雨事件的时间分布特征。

首先，选择一场台风诱发特大暴雨事件的区域范围，本实施例选用2021年台风“烟花”中国中部(32°～37°N,111°～116°E；图6a～d左侧红框)和中国东部(28°～34°N,118°～123°E；图6a～d右侧红框)陆地区域，对时间范围为1961～2021年观测降水格点数据。

其次，对时间范围为1961～2021年观测降水格点数据，计算区域内平均的年夏季的最大累积五日降雨事件(Rx5day)的降雨距平百分比(PPA)作为特大暴雨事件时间序列，计算公式如下：

其中，R表示最大累积五日降雨事件的时间段内降雨量，

最后，利用Mann-Kendall检验检测特大暴雨事件的长期变化，slope为特大暴雨事件斜率，p为显著性检验p值，得到特大暴雨事件的时间分布特征。

第三步，根据所述气象数据和所述特大暴雨事件的时间分布特征，对特大暴雨事件与全球平均温度距平做相关性分析，并进一步利用历史时期起始年份和结束年份的全球平均温度距平与非平稳的广义极值分布拟合分析全球变暖对台风诱发特大暴雨事件的影响；

首先，选取1958～2021年全球平均温度距平数据(GMTA)做4年滑动平均处理去除ENSO的影响，利用非平稳的广义极值分布(scaled GEV)去拟合研究区域1961～2021年特大暴雨事件的时间序列，并与1961～2021年的全球平均温度距平做相关性分析，基于特大暴雨事件与全球平均温度距平之间的相关系数r和显著性检验p值分析全球变暖对台风“烟花”诱发特大暴雨事件发生概率的影响。

其次，应用平稳的GEV拟合特大暴雨事件时间序列，公式如下：

式中，μ，σ和ξ分别表示位置，尺度和形状参数，exp()为指数曲线函数，在非平稳的GEV中，位置参数和尺度参数与GMTA呈现比例关系，而形状参数保持不变。

最后，选取1961和2021年GMTA与特大暴雨事件时间序列拟合非平稳的GEV曲线，对比两者温度条件下一场台风诱发特大暴雨事件的重现期变化，进一步探究全球变暖对此特大暴雨事件发生概率可能的影响；其中，重现期为特大暴雨事件发生概率的倒数，发生概率由GEV得出。

第四步，根据气象数据与CMIP6模式模拟的降水数据，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线来评估研究时期CMIP6模式模拟的能力，并识别历史和未来基于CMIP6模式模拟的区域平均年夏季最大累积五日降雨量的降雨距平百分比作为特大暴雨事件时间序列；

首先，选取研究区域1981～2010年夏季降雨和年夏季最大累积五日降雨的气候态均值，对比观测数据(OBS)与ALL强迫下CMIP6多模式集合平均(EM)、ALL强迫下多模式(M1～M10)模拟数据，进一步利用基于广义极值分布的概率密度曲线和Kolmogorov-Smirnov检验检测观测的和CMIP6模式模拟的1961～2021年特大暴雨事件是否符合同一种分布，并基于1000次bootstrap抽样给出90％的置信区间(90％CI)，从而评估CMIP6模式模拟数据的性能。

其次，选择台风“烟花”诱发特大暴雨事件影响区域的空间格点，将CMIP6模式数据的空间分辨率统一插值，，空间分辨率为1.5°×1.5°，对区域面积加权平均，计算各CMIP6模式下不同强迫试验下和社会经济路径情景下研究时期年夏季Rx5day的PPA，得到CMIP6模式数据中历史强迫和未来情景的特大暴雨事件的时间序列。

第五步，根据识别的历史特大暴雨事件时间序列，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线，分析历史时期不同强迫下台风“烟花”诱发特大暴雨事件发生概率的变化，量化人类气候变化对此特大暴雨事件发生概率的贡献，并从人为热动力和动力角度分析此特大暴雨事件发生概率变化的物理机制；

首先，结合识别的特大暴雨事件样本序列和基于GEV分布的概率密度曲线，分析1961～2020年人为气候变化对台风“烟花”诱发特大暴雨事件发生概率的影响，即人为气候变化贡献(FAR)：

式中，P

其次，结合CMIP6模式的降水、比湿、经向风、纬向风和地表气压数据，分析不同强迫下大气中水汽变化，从人为热动力学和动力学角度解析人为气候变化对台风“烟花”诱发特大暴雨事件发生概率影响的物理机制。其中所述的大气中水汽分析主要采用夏季Rx5day均值和夏季水汽通量均值，计算其在ALL强迫分别与人为GHG和AER强迫之间的差异百分比；水汽通量计算公式如下：

式中，ρ为水密度、g为重力加速度、p

当大于60％的CMIP6多模式(M1～M10)夏季Rx5day均值在不同强迫之间的差异百分比与CMIP6多模式集合平均(EM)的保持一致的正负号，则在空间分布图上打黑点。

最后，分析不同人为强迫下降水和水汽的变化，理解人为GHG强迫和AER强迫的热动力和动力效应，解析人为气候变化对台风“烟花”诱发特大暴雨事件发生概率影响的物理机制。

第六步，根结合识别的历史和未来时期特大暴雨事件时间序列，计算研究期间特大暴雨事件超过台风“烟花”诱发特大暴雨事件的概率，识别人类活动信号出现的时间，比较不同未来情景和历史全强迫下类似特大暴雨事件发生概率去评估类似暴雨事件未来发生风险，并从人为热动力和动力角度分析类似此特大暴雨事件发生概率变化的物理机制。

首先，结合CMIP6历史强迫和未来情景下特大暴雨事件序列，计算2001～2100年特大暴雨事件超过台风“烟花”诱发特大暴雨事件的概率：超过该暴雨事件的CMIP6模型数量与CMIP6模型数量总和乘以10年的百分比。

其次，结合CMIP6历史强迫和未来情景下的降水数据，探索夏季Rx5day变化超过内部变率时间点，识别人类活动信号出现的时间(ET)，其中，ET公式如下：

式中，x

进而，利用GEV分布估计的三个参数得出的发生概率，预估未来人为气候变化导致的类似台风“烟花”特大暴雨事件发生风险，即风险比率(RR)：

式中，P

最后，结合该详细步骤与CMIP6降水、比湿、经向风、纬向风和地表气压数据分析不同情境下和ALL强迫下降水和水汽通量的变化，从人为热动力学和动力学解析人为气候变化对类似台风“烟花”诱发特大暴雨事件发生概率影响的物理机制。

请参考图2，图2是本发明实施例中一种台风诱发的特大暴雨事件的观测时间分布特征的示意图。

本实施案例中，台风“烟花”暴雨事件的PPA在中国中部和东部皆突破了历史极值，分别较气候态异常偏高116.8％和96.1％(图2a～b)；此外，Rx5day的PPA在中国中部以-0.59％/10yr的速度呈轻微下降趋势，而在中国东部则以4.44％/10yr的速度呈现显著上升趋势(p<0.05)。

请参考图3，图3是本发明实施例中特大暴雨事件时间序列非平稳GEV拟合、平稳GEV拟合和非平稳GEV拟合的重现期的示意图。

本实施案例中，中国中部观测Rx5day的PPA序列与GMTA序列呈微弱的负相关(相关系数r＝-0.02，p>0.05；图3a)，而且非平稳GEV拟合的位置参数(即Location)随着全球温度的升高呈现轻微的下降趋势，这暗示全球变暖对于此次中国中部台风“烟花”诱发特大暴雨事件影响较小。然而，中国东部观测的Rx5day的PPA序列与GMTA序列呈显著的正相关(相关系数r＝0.43，p<0.05；图3b)，而且非平稳GEV拟合的位置参数随着GMTA的升高呈现显著的上升趋势，这暗示全球变暖可能增加了中国东部此暴雨事件的发生概率。

由平稳的广义极值分布拟合1961～2021年观测的Rx5day的PPA，估算台风“烟花”诱发特大暴雨事件在中国中部为83年一遇，而在中国东部则为444年一遇(图3c～d)。当GMTA为1961年/2021年水平时，类似此暴雨事件(PPA为116.8％)分别为76年/212年一遇，表明全球变暖在过去几十年并没有增加中国中部类似此暴雨事件的发生概率(图3e)。与中国中部不同，类似中国东部此暴雨事件(PPA为96.1％)在1961年GMTA水平下为大于万年一遇，而在2021年GMTA水平下降低为256年一遇，表明全球变暖在过去几十年明显增加了中国东部类似此暴雨事件的发生概率(图3f)。

请参考图4，图4是本发明实施例中CMIP6模式的模拟能力评估的示意图，步骤S4过程如下：

结果显示，ALL强迫下，CMIP6模式数据对模拟中国中部和东部的Rx5day的气候态均值以及概率密度曲线有较好的模拟结果。

1961～2020年ALL、NAT、GHG和AER强迫下分别识别出10*60个、10*60个、9*60个和9*60个Rx5day PPA样本序列，2021～2100年SSP126、SSP245、SSP370和SSP585情景下分别识别出9*80个、10*80个、9*80个和10*80个Rx5day的PPA样本序列。

请参考图5，图5是本发明实施例中历史不同强迫下特大暴雨事件特大暴雨事件时间序列的概率密度曲线的示意图。

结果显示，人为气候变化使得中国中部(东部)此暴雨事件的发生概率减少了+47％(90％CI：－23％～+89％；增加了+55％(90％CI：－45％～+201％))，GHG强迫和AER强迫分别使得此暴雨事件的发生概率分别增加了+152％(90％CI：－47％～+483％；增加了+437％(90％CI：+92％～+943％))和减少了+76％(90％CI：+45％～+95％；减少了71％(90％CI：+43％～90％))。

请参考图6，图6是本发明实施例中历史不同强迫下特大暴雨事件和水汽通量气候态均值差异百分比的示意图。

在GHG强迫下，全球平均温度增加，理论上，增加的温度导致大气饱和水汽含量增加，有利于强降雨事件的发生。反之，人为AER强迫对全球升温有冷却作用，减少大气中水汽含量，抑制强降雨事件的发生。从热力学效应来看，人为AER强迫对全球变暖具有冷却作用，可能减少大气中的水汽含量，从而抑制台风“烟花”诱发特大暴雨事件的发生(图6a和c)。从动力效应来看，人为AER强迫导致的大气温度降低可能导致陆海热力对比减弱，东亚夏季风减弱，这可能不利于输水水汽从南海和西北太平洋地区向更北部的内陆地区(如中国中部；图6c)输送。人为AER强迫对强降雨事件的抑制作用在靠近北方的中国中部可能比靠近南方的中国东部地区更为明显(图6b和d)。因此，GHG引起的台风“烟花”诱发暴雨事件发生概率的增加可能被人为AER强迫引起的发生概率减小所抵消，导致中国中部(东部)发生概率出现了净减少(增加)。

请参考图7，图7是本发明实施例中特大暴雨事件超过一场台风诱发特大暴雨事件的概率的示意图。

结果显示，进入21世纪后，类似此暴雨事件出现的次数逐步增加，出现次数占比由1％逐步增加至6％左右。在2081～2100年，4种未来碳排放情景下，中国中部(东部)出现超过此暴雨事件的特大暴雨事件比例分别为1.5％(0.5％)、2.5％(5.5％)、5％(3％)和4.5％(5.5％)。

请参考图8，图8是本发明实施例中基于多模式集合平均的夏季Rx5day与自然强迫主导下Rx5day降雨均值差的变化示意图。

结果显示，随着全球温室气体排放增强和人为气溶胶排放减弱，中国中部和东部Rx5day从下降趋势转为上升趋势，并逐步超过地球系统内部变率的影响范围。中国中部(东部)Rx5day超过地球系统内部变率的时间在SSP126、SSP245、SSP370和SSP585情景下分别为2042年(2036年)、2056年(2048年)、2035年(2050年)和2023年(2039年)，即中国中部(东部)Rx5day在上述年份开始出现人类活动的影响信号。

请参考图9，图9是本发明实施例中未来不同排放情景下特大暴雨事件概率密度曲线以及风险比率的示意图。

结果显示，相较于NAT强迫，基于未来四个情景下特大暴雨事件序列拟合的概率分布曲线明显右移，说明未来类似台风“烟花”诱发特大暴雨事件的发生概率可能上升。到21世纪末，SSP585情景下中国中和东部类似台风“烟花”诱发特大暴雨事件的发生风险为14(90CI％：9～19)和15(90％CI：9～20；图9c～d)。这表明，SSP585情景下中国中部(东部)类似此事件的未来发生概率估计比历史气候条件下大14(15)倍。

请参考图10，图10是本发明实施例中未来不同情景下特大暴雨事件和水汽通量气候态均值差异百分比的示意图。

从物理学的角度来看，未来温室气体排放情景下，热力学驱动因素(如水汽辐合和地表蒸发)主要导致亚洲季风区强降雨事件的加剧，而动态驱动因素(如与季风相关的环流变化)相对较弱。图10a～d中，在未来四种温室气体排放情景下，预计2071～2100年中国中部和东部降雨量将增加，其中SSP585情景下升幅最大。考虑热力学效应的预测，在中高排放情景下，由于表面温度升高而导致的蒸发增强会增加水蒸气含量(图10f～h)。从动力效应来看，中高排放情景下西南风增强，向中国东部输送了丰富的水汽。因此，预计热力学和动力效应都会导致预计降雨量增加，但降雨量的增加主要是由热力学效应驱动的。

请参见图11，图11是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种台风诱发特大暴雨事件发生概率的归因的计算机设备401、处理器402及存储介质403。

一种计算机设备401：所述一种计算机设备401实现所述一种台风诱发特大暴雨事件发生概率的归因方法。

处理器402：所述处理器402加载并执行所述存储介质403中的指令及数据用于实现所述一种台风诱发特大暴雨事件发生概率的归因方法。

存储介质403：所述存储介质403存储指令及数据；所述存储介质403用于实现所述一种台风诱发特大暴雨事件发生概率的归因方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

本发明提供的技术方案带来的有益效果是：(1)本发明通过获取气象数据、从气象数据中，选取区域平均的年夏季最大累积五日降雨事件的降雨距平百分比作为特大暴雨事件，并探究某台风诱发的特大暴雨事件的时间分布特征、根据所述气象数据和所述特大暴雨事件的时间分布特征，对特大暴雨事件与全球平均温度距平做相关性分析，并进一步利用历史时期起始年份和结束年份的全球平均温度距平与非平稳的广义极值分布拟合分析全球变暖对台风诱发特大暴雨事件的影响、根据气象数据与CMIP6模式模拟的降水数据，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线来评估研究时期CMIP6模式模拟的能力，并识别历史和未来基于CMIP6模式模拟的区域平均年夏季最大累积五日降雨量的降雨距平百分比作为特大暴雨事件时间序列、根据识别的历史特大暴雨事件时间序列，利用bootstrap抽样方法和基于广义极值分布的概率密度曲线，分析历史时期不同强迫下某台风诱发特大暴雨事件发生概率的变化，量化人类气候变化对此特大暴雨事件发生概率的贡献，并从人为热动力和动力角度分析此特大暴雨事件发生概率变化的物理机制、结合识别的历史和未来时期特大暴雨事件时间序列，计算研究期间特大暴雨事件超过某台风诱发特大暴雨事件的概率，识别人类活动信号出现的时间，比较不同未来情景和历史全强迫下类似特大暴雨事件发生概率去评估类似暴雨事件未来发生风险，并从人为热动力和动力角度分析类似此特大暴雨事件发生概率变化的物理机制；从而能够帮助认识人类气候变化环境下台风诱发特大暴雨事件发生概率的变化，预估了未来此类暴雨事件的发生风险，明确了台风诱发特大暴雨事件发生概率中的人类活动信号，为地区的防灾减灾决策提供依据。

(2)本发明通过分离温室气体强迫和人为气溶胶强迫，分析人类气候变化对台风诱发特大暴雨事件发生概率的影响，对理解台风诱发特大暴雨事件发生概率的变化具有重要意义。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。