全球天气系统是主要极端强降雨的贡献者，然而，天气和气候模型难以准确捕捉其动力学过程及其相对影响。本研究利用高分辨率观测数据，系统分析了与全球主要天气系统类型相关的逐小时时间尺度降水概率分布。研究表明，这些分布的高强度尾部具有共同的形状特征，可以用一个特征强度标度（Intensity Scale）来表征。动力学过程在很大程度上决定了这一普遍形状，而热力学因子则调节其量值。研究人员发现，主要贡献系统的强度标度与总降水的强度标度大致匹配，这主要源于共享的热力学环境、强对流系统的主导地位以及动力学标度的适度变化。这种不同天气系统降水概率尾部的普遍性表明，在大多数区域进行风险评估时，可以不过度依赖对具体天气类型的识别。然而，研究也识别出例外情况：强烈的热带低压系统（LPSs）或中尺度对流系统（MCSs）的共同发生会不成比例地影响极端事件，从而产生易发生“灰天鹅”事件的降水概率分布。
本文针对全球天气系统极端降水概率的研究背景与核心问题、研究方法与主要发现、研究结果的具体阐述以及结论与讨论，进行如下学术性解读。
降水是地球系统的基本组成部分，其极端事件是造成洪涝、基础设施破坏等灾害的主要气象因素。当前，研究普遍关注极端降水强度随全球变暖的缩放关系，常基于克劳修斯-克拉佩龙（Clausius-Clapeyron）关系等热力学理论进行解释。然而，极端降水事件往往由特定天气系统（如大气河流ARs、中尺度对流系统MCSs、锋面Fronts和低压系统LPSs）引发，涉及水汽与动力过程（如辐合抬升）的复杂相互作用。标准气候模型常因分辨率或物理过程描述不足，难以准确模拟这些产生极端降水的天气系统，导致模拟偏差。此外，在观测或模型输出中追踪这些天气特征计算量大且算法不一致。因此，如何桥接天气尺度过程与气候尺度诊断，将极端降水的统计特征与大尺度热力动力条件联系起来，仍是当前研究的挑战。本研究旨在利用高分辨率卫星观测和再分析数据，系统表征与主要天气现象相关的降水极端特征，厘清其背后的物理控制机制。
为开展这项研究，研究人员主要采用了基于全球降水测量任务（GPM）的IMERG高分辨率卫星降水观测数据，以及欧洲中期天气预报中心（ECMWF）第五代再分析数据集ERA5。研究利用了一套已有的、基于客观算法识别的全球主要天气特征数据集，该数据集包含了对ARs、锋面、MCSs、LPSs及其多种共同发生类型（如Front-AR，LPS-MCS等）的系统化识别结果。研究人员将降水数据聚合成10°×10°的网格单元，计算了总降水以及归因于各类天气系统的降水概率密度函数（PDF）。他们采用了一个包含幂律和指数衰减的截断幂律函数来拟合降水PDF的高强度尾部，并通过拟合得到一个特征降水强度标度PL，该标度描述了降水概率随强度增加的衰减速率。此外，研究人员还定义了一个动力学代理变量C = 降水率/柱水汽量（CWV），并计算其概率衰减标度CL，以表征动力过程的贡献。通过Bootstrap方法评估了参数估计的不确定性。
研究结果首先确立了降水强度标度PL作为刻画降水概率分布高强度尾部的稳健特征参数。图1展示了不同地理位置和季节的降水PDF，当使用各自的PL值对坐标进行重标度后，这些分布的高强度尾部能够坍缩到一条共同的曲线上，表明PL能有效捕捉尾部行为的普遍性。
其次，研究发现，尽管不同天气系统对总降水的贡献在不同地区和季节存在差异，但那些对总极端降水贡献超过10%的主要天气系统，其降水PDF的尾部斜率与总降水PDF高度平行。当使用总降水的PL_tot对这些天气系统的PDF进行重标度时，它们的尾部同样发生坍缩（图3）。这意味着一个单一参数PL可以有效表征不同主要贡献天气系统的极端概率衰减行为。
第三，分析了天气系统特定的PL与总降水PL_tot之间的关系（图4）。结果显示，对于大多数天气系统类型，其PL值与PL_tot密切相关（相关系数超过0.8），表明在不同地点和季节，极端概率衰减标度的变化并非强烈依赖于当地的天气系统类型。这种一致性源于三方面：给定地点不同天气系统发生时的热力学环境相似；强对流系统主导极端降水；以及动力衰减标度CL在不同天气类型间变化不大。然而，研究也识别出“灰天鹅易感”分布的例外情况。特别是，一些对总极端降水贡献不足10%但自身PL值却高于PL_tot的LPSs（可能与热带气旋相关）和Front-AR-MCS共同发生系统，会在极端尾部不成比例地影响总分布（图5）。若仅基于总分布PL进行风险评估，可能会低估此类罕见但极端天气系统带来的风险。
第四，研究探讨了控制PL的热力与动力因素。研究人员将PL分解为两个部分：表征热力环境的降水期间平均柱水汽量CWVP>PL¯，以及表征动力过程的动态衰减标度CL（从C的分布中估计）。图6显示，PL与CWVP>PL¯和CL的乘积高度相关。进一步分析表明，CWVP>PL¯与CL在解释PL的区域和季节变化中贡献相当。同时，不同天气系统的降水发生时，其热力环境CWVP>PL¯与总降水的热力环境高度一致（沿1:1线分布，图7A-D），而动态标度CL则更普遍地与总降水的CL对齐（图7E-H）。这种热力环境的相似性，主要是因为在给定地点，极端降水事件发生时的水汽条件主要由当地温度决定，与天气系统类型关系不大。温度标度分析（图7I-L）也证实了CWVP>PL¯的变异性可主要由近地面温度解释。
最后，论文结合天气系统视角讨论了PL的区域与季节分布（图8）。总降水PL的高值区主要位于热带，这与热力条件（高CWV）密切相关。去除热力成分后，动力成分的空间格局更清晰地显现，例如北半球中纬度风暴轴区域以及LPS活动活跃的区域表现出更强的动力影响。讨论部分指出，本研究发现的PL普遍性为不依赖具体天气类型识别的极端降水风险评估提供了理论依据。然而，在“灰天鹅易感”区域，关注特定天气系统的变化至关重要。研究框架将PL分解为热力和动力部分，有助于理解当前气候下极端降水的控制因子，并为未来气候变化情景下的风险预估提供思路，尽管动力部分的潜在变化仍是不确定性的主要来源。未来工作可探索PL及其与热力动力因子的关系在变暖情景下的演变，并将其整合到实际的气候风险评估框架中。
