印度夏季风是全球重要的气候系统之一，关乎世界第三大经济体和人口最多国家的粮食生产与社会稳定。长期以来，人们普遍认识到厄尔尼诺事件（El Niño）会削弱印度的夏季风，造成整体降水减少甚至干旱。这一结论自 20 世纪初即被提出，并在后续研究中不断得到证实（Walker, 1910；Pant and Parthasarathy, 1981；Rasmusson and Carpenter, 1983；Gadgil, 2003）。然而，季风降水并非只有平均态，极端暴雨事件往往才是造成严重洪灾和次生灾害的直接原因。厄尔尼诺如何影响极端降水，一直是季风研究中的悬而未决的问题。过去二十年，关于印度极端降水长期趋势的研究引发了持续争论：有研究认为全球变暖背景下极端降水显著增强（Goswami et al., 2006；Rajeevan et al., 2008），但也有学者指出这一趋势在近十年趋于平缓甚至逆转（Ghosh et al., 2012；Bajranget al., 2023）。因此，厘清 ENSO 与极端降水的联系，不仅有助于理解气候内部变率，还对评估未来气候变化下的灾害风险具有关键意义。
已有研究表明，厄尔尼诺通过在赤道中东太平洋增强对流，迫使印度及周边区域产生下沉运动，抑制对流和降水，似乎应当削弱所有强度的降雨，包括极端事件。但观测中却存在另一种迹象：在一些气候湿润地区，厄尔尼诺夏季虽然总雨量减少，但降雨一旦发生时更为强烈。这种相互矛盾的信号凸显了研究中的挑战：其一，极端降水的稀疏性和区域差异性，使得长期统计分析困难；其二，背后的物理机制缺乏清晰解释。
近日，来自纽约城市学院、哥伦比亚大学和加州大学洛杉矶分校等机构的研究团队在 Science 发表论文(Hill et al., 2025)，首次利用 1901–2020 年印度高分辨率( 0.25°×0.25°; 1°×1° )逐日降水数据，系统揭示了厄尔尼诺对印度夏季极端降水的影响（图1）。他们发现厄尔尼诺夏季虽然整体降水偏少，但极端日降水事件的发生概率显著增加，尤其集中在印度中部季风区（Central Monsoon Zone）和西南海岸带(Western Ghats)。与此相对，在东南部和西北部干旱区，厄尔尼诺则会抑制极端降水（图2）。
图 1 印度夏季风区最强降雨带的极端日降水在厄尔尼诺现象越强时越容易出现。(A) 1901–2020 年 6–9 月（JJAS）印度季风区格点日降雨量经验概率分布（对数–对数坐标）：黑色线为整个印度季风区，蓝色为中部季风带，绿色为西高止山沿海带，棕色为东南印度（子区域范围见 (B)图）。图中实心圆表示气候学平均的 “cutoff” 雨量值，这是本文定义极端日降水的主要指标 (Hill et al., 2025, Martinez-Villalobos et al., 2019)；(B) JJAS 平均降雨量的空间分布（单位：毫米/天）。北部和东北部被灰色遮盖的区域因数据质量问题而被排除在分析之外；(C) 去趋势后的 JJAS NINO3.4 序列与各格点 cutoff 雨量的皮尔逊相关系数。正值表示在厄尔尼诺条件下，相较于拉尼娜条件，极端降水更可能发生。黑色等值线圈出显著性检验区域，对应的显著性水平为 P<0.039
图2 厄尔尼诺夏季期间，轻度至中度降水累积概率在所有区域均受到抑制，而多雨区域的强降水和极端降水概率则增强。（A）填充圆圈表示各区域复合临界值（单位：毫米），空心圆圈为采用IMD 1°×1°数据集计算的结果；（B）ENSO风险比率：在限定降水日（>1毫米）条件下，厄尔尼诺复合事件中降雨量超过给定雨强的概率与拉尼娜复合事件的比值，以相对于1个百分比差值表示。粗线标示通过置换检验判定风险比率存在显著差异的区域。叠加的垂直线显示各区域的极端降雨临界值（cutoff），虚线为基于IMD 1°×1°数据集计算的风险比率
为解释这一看似反直觉的结果，研究团队引入了对流浮力（convective buoyancy）的机制分析。该团队结果表明日降雨量在很大程度上取决于局地对流浮力，两者间的非线性斯皮尔曼相关系数在各网格点均为正值（图3A），最高可达+0.71。各区域降雨量随局地浮力变化的条件平均值（图3B）和分位数（图3C）呈现出预期的准阈值关系（Ahmed et al.,2020）：当浮力低于阈值前（略小于零），降雨通常微弱或不存在；超过该阈值后，降雨量急剧增加，并随之快速消耗浮力（图3B）。相较于干旱的印度东南部地区，多雨的西南沿海带和中央季风区的条件曲线呈现出更高的降雨量值。但对于印度整个季风区(AMI)，这些曲线近似地表现为对ENSO状态不敏感（图3C）。
图3 局地对流浮力对日降雨量的强控制作用。（A）1979-2020年6-9月的网格点日降雨量与基于ERA5再分析数据计算获得的对流浮力指标（BL）的斯皮尔曼相关系数空间分布；（B）虚线曲线为各区域BL的概率密度函数；实线曲线为基于浮力指标条件平均的日降雨量；（C）对整个印度季风区域，标注的不同分位数对应的降雨量组合值以BL为条件进行绘制。由于该关系对ENSO的依赖性较弱，各分位数中代表厄尔尼诺的红线几乎完全被其他曲线覆盖
厄尔尼诺期间，平均尺度上厄尔尼诺导致印度上空大气下沉，抑制对流，减少总降水。但极端尺度上，厄尔尼诺使得季风低压系统更频繁地在中部活动，带来更湿润、更不稳定的条件，增强了印度中部极端日对流浮力，尤其是未稀释不稳定性和高层湿度；在西南沿海，尽管平均湿度下降，但极端不稳定日的频率显著增加（厄尔尼诺年比拉尼娜年高17倍）。作者推测机制为平均下沉干燥环境抑制了中小降水事件，使得能量积累，一旦有扰动（如波动或平流）使中层大气短暂湿润，就会触发更强对流。该机制与观测及模拟结果呈现的宏观规律相吻合：在干燥环境条件下（例如季风前期），降水事件虽发生频率降低，但强度则会增强。
这些结果带来了一系列重要启示。首先，它解释了长期以来“厄尔尼诺既能引发干旱，又能造成暴雨”的矛盾现象，揭示了极端降水与平均降水对 ENSO 响应的差异。其次，它为极端事件的预测提供了可能。最后，该工作也对未来气候变化研究提出了挑战与机遇。全球变暖背景下，模式普遍预测印度极端降水增加，但这一预测是否会被 ENSO 调制？ENSO 与对流浮力极值的相互作用，可能成为约束未来极端降水预估的重要因素。总体而言，这项工作不仅深化了我们对 ENSO–季风相互作用的认识，也为极端气候事件的机理研究提供了新的视角。未来，结合更高分辨率的观测资料与模式模拟，探索 ENSO、季风低压系统与对流浮力极端的联动机制，将有助于提升对印度季风极端降水的预测能力，也为评估气候变化下的灾害风险提供科学依据。
主要参考文献
Ahmed F, Adames Á F, Neelin J D. Deep convective adjustment of temperature and moisture[J]. Journal of the Atmospheric Sciences, 2020, 77(6): 2163-2186.
Bajrang C, Attada R, Goswami B N. Possible factors for the recent changes in frequency of central Indian Summer Monsoon precipitation extremes during 2005–2020[J]. npj Climate and Atmospheric Science, 2023, 6(1): 120.
Gadgil S. The Indian monsoon and its variability[J]. Annual Review of Earth and Planetary Sciences, 2003, 31(1): 429-467.
Ghosh S, Das D, Kao S C, et al. Lack of uniform trends but increasing spatial variability in observed Indian rainfall extremes[J]. Nature Climate Change, 2012, 2(2): 86-91.
Goswami B N, Venugopal V, Sengupta D, et al. Increasing trend of extreme rain events over India in a warming environment[J]. Science, 2006, 314(5804): 1442-1445.
Hill S A, Meyers D Z, Sobel A H, et al. More extreme Indian monsoon rainfall in El Niño summers[J]. Science, 2025, 389(6766): 1220-1224.（原文链接）
Martinez-Villalobos C, Neelin J D. Why do precipitation intensities tend to follow gamma distributions?[J]. Journal of the Atmospheric Sciences, 2019, 76(11): 3611-3631.
Pant G B, Parthasarathy S B. Some aspects of an association between the southern oscillation and Indian summer monsoon[J]. Archives for meteorology, geophysics, and bioclimatology, Series B, 1981, 29(3): 245-252.
Rajeevan M, Bhate J, Jaswal A K. Analysis of variability and trends of extreme rainfall events over India using 104 years of gridded daily rainfall data[J]. Geophysical research letters, 2008, 35(18).
Rasmusson E M, Carpenter T H. The relationship between eastern equatorial Pacific sea surface temperatures and rainfall over India and Sri Lanka[J]. Monthly weather review, 1983, 111(3): 517-528.
Walker S G T. On the meteorological evidence for supposed changes of climate in India[M]. General Government Branch Press, Simla, 1910.
（撰稿：谭宁/环境演变与碳循环学科中心）
