生成的暴雨生命周期填补短期降雨记录的罕见事件尾部

arXiv:2610.41365v1 公告类型：新投稿 摘要：历史上罕见的“一代人一遇”暴雨正以前所未有的频率发生，造成灾难性破坏和不断增加的人员伤亡，也暴露出基于短期观测记录设计的基础设施的脆弱性。为克服数据稀疏的局限，我们提出 StormGen，这是一种生成式机器学习模型，能够在几分钟内，将一场已观测暴雨最初几小时的降雨转化为完整、物理上合理的逐小时降雨生命周期。在 Texas 东南部十年降雨数据上的评估表明，对于强度最高的 2% 的暴雨，StormGen 为其中 4\5% 的事件生成了高度相似的对应过程，而随机暴雨移置方法的这一比例仅为 3%；同时，StormGen 在完整的 24 小时序列中保持了空间连贯性。关键的是，仅凭最初一小时的降雨，该模型就成功重建了 Hurricane Harvey 本身的具体生命周期、空间分布模式以及流域极端累计降雨量，尽管训练数据中完全没有这一事件。由于仅暴雨的时间分布就可能使洪峰流量增加至两倍以上，这些完整的生成情景为针对前所未有的极端事件开展防洪设施压力测试提供了一种关键手段。