识别热浪关键驱动因子：一种用于极端事件检测的新型时空框架

热浪（HW）是产生显著社会和环境影响的极端大气事件。预测这些极端事件仍具挑战性，因为它们与大尺度大气和气候变量的复杂相互作用难以用传统统计和动力学模型捕捉。本文提出了一种用于极端气候事件驱动因子识别的通用方法。提出了一种新框架（STCO-FS），通过将聚类算法与集成进化算法相结合，识别热浪的关键即时（短期）驱动因子。该框架分析时空数据，通过为每个变量分组相似地理节点来降低维度，并在空间和时间域中开展驱动因子选择，识别预测变量与热浪发生之间的最佳时间滞后。该方法已应用于分析意大利阿达河流域的热浪。该方法有效识别了影响该地区热浪的显著变量。该研究有望增进我们对热浪驱动因子及其可预测性的理解。