文章基于50个EC Earth3初始条件集合模拟，研究了内部气候变率（ICV）对极端降雨事件时空同步性的影响。研究发现，尽管初始条件的微小差异会导致区域降雨强度和频率显著不同，但由大气过程（如罗斯贝波传播）驱动的极端降雨空间同步网络表现出惊人的鲁棒性。相比之下，海洋驱动的遥相关（如ENSO与印度夏季风的耦合）在初始条件扰动下表现出明显的脆弱性。研究通过事件同步性分析和因果推断方法，揭示了大气与海洋过程在气候变率中的不对称性，为多部门气候风险评估提供了新的科学依据。
气候系统内部变率（ICV）对极端降雨事件的时空分布具有深远影响，但传统风险评估往往依赖单一模型模拟或历史观测数据，低估了潜在的不确定性。文章利用50个EC Earth3初始条件集合模拟，系统研究了ICV如何通过改变大气和海洋过程，重塑极端降雨的同步性与遥相关结构。这一研究为理解气候变率背景下极端事件的网络化特征提供了新视角。
研究采用事件同步性分析（Event Synchronization）构建极端降雨网络，定义降雨量超过当地90%分位数的湿日（≥1 mm/day）为极端事件，并统计空间网格点间10天内发生的同步事件。通过比较不同初始条件模拟结果的网络拓扑结构，量化ICV对同步模式的影响。此外，利用PCMCI+因果推断算法，评估ENSO、印度洋偶极子（IOD）等海洋模态与印度夏季风降雨（ISMR）的因果关系在不同初始条件下的稳定性。
尽管初始条件扰动导致区域降雨强度和频率差异高达65%，但极端降雨的空间同步模式在集合成员间高度一致。季风槽和热带辐合带（ITCZ）等大尺度大气过程主导的区域，同步网络的“骨干结构”表现出显著稳定性。这种鲁棒性源于罗斯贝波传播等固有大气动力学机制对初始条件的不敏感性。
与大气过程相反，海洋驱动的遥相关（如ENSO→ISMR）在初始条件扰动下表现出显著变异。部分集合成员中观测到的强因果关系在其他成员中完全消失，甚至出现方向反转。这种脆弱性源于海洋模态（如NINO3.4、IOD）的慢变特性使其更容易受初始微小扰动影响。
研究揭示了气候变率中大气与海洋过程的不对称性：大气同步网络为多部门极端事件风险评估提供了可靠依据，而海洋遥相关的不确定性则要求采用集合框架进行概率化决策。例如，印度季风区水利基础设施设计需考虑ENSO-ISMR耦合的潜在突变风险，而欧洲与南亚间的罗斯贝波关联则为跨区域洪涝预警提供了稳定指标。