近年来，全球多地相继发生罕见的水文极值事件，造成重大社会经济损失，例如2021年郑州特大暴雨所引发的城市洪涝。理解此类水文极值事件的气候变化响应对于水资源规划和防灾减灾至关重要，而常用手段是运用气候模式驱动水文模型预估水文情势未来变化，然而该方法存在气候模式分辨率较粗、降水模拟误差较大、模型不确定性等问题。例如降水强度-持续时间-频率（IDF）曲线在设计城市防洪设施中发挥重要作用，但其固有的平稳性假设在近年来越来越受到质疑；水文模型中广泛存在参数、输入和结构等不确定性，量化其不确定性计算成本较高，而替代模型虽然能够显著提升不确定性量化效率却无法用于未来气候情景下的水文情势预估；解决模型结构不确定性的常用手段是多模型平均和贝叶斯模型平均（BMA），但在水文极值方面可能效果不佳。Vine copula函数模型广泛应用于水文气候研究，它能够灵活且高效地刻画多个水文气候变量间的高维复杂交互，但它能否提高水文极值的多模式预估性能尚不清楚，因此亟需基于vine copula发展新方法提高水文极值风险预估的可靠性和稳健性。
本研究分别从海岸洪水（风暴潮）、流域洪水、城市洪涝风险（IDF曲线）三个方面，基于vine copula提出一系列新方法，而这些方法相较于多模型平均和BMA, 在效率、准确性、可靠性方面有了显著提高。具体而言，在海岸洪水方面，运用vine copula构建香港两个验潮站风暴潮与气象变量之间的条件概率分布，实现风暴潮概率性模拟，结果表明该方法优于随机森林等常用机器学习算法。在流域洪水方面，基于多项式混沌展开（PCE）构建SWAT和VIC水文模型的替代模型，然后运用对流可解析WRF气候模式驱动替代模型，并运用vine copula构建替代模型输出与观测径流量之间的条件概率分布，实现东江流域径流量的多模型集成预估。该方法相较于蒙特卡罗方法在效率方面提升了4000倍，而预估结果表明极端降水的强度和频率增加将导致流域洪水强度显著增加。在城市洪涝方面，运用vine copula函数模型构建降水极值观测和模拟之间的条件概率分布，实现中国196个城市IDF曲线的多模式集成预估，结果表明在这196个城市中，预计超过半数的极端降水强度将增加30%且频率翻倍，这种增加将导致IDF曲线的显著上移，因此这些城市的基础设施可能无法适应未来极端暴雨所引发的灾害和损失。为促进本研究结果的应用与开源，发布了“顾及气候变化影响的中国城市降水IDF曲线”的交互式在线地图工具（chinaidf.com），帮助中国各个城市的决策者可以更好地了解极端降水未来变化，实现气候韧性城市发展。
 

水文极值,vine copula,多模型集成