2022/2023年冬季，美国加州出现了九次大气河（AR）事件，导致极端洪水、山体滑坡和停电，这是过去70年来持续时间最长的大气河状况。美国劳伦斯伯克利国家实验室的科学家们最近利用机器学习进行了一项研究，以更好地了解这些复杂的天气系统，他们发现更强烈的AR更有可能在短时间内连续出现。

　　虽然AR被广泛研究，但连续大气河事件背后的科学原理在很大程度上仍然是个谜。研究人员试图利用集群——在相对较短的时间内发生在特定区域的AR登陆事件群——来研究AR行为。研究小组利用机器学习来识别这些集群，研究它们的特征、影响以及与大气环流的联系。结果表明，越密集的AR集群更有可能发生更强烈的AR事件。这意味着不仅在两次事件之间恢复的时间更少，而且个别事件本身也更加极端，使得密集分布的AR集群的整体影响更加严重。AR集群的环流型态主要归因于次季节变率。气候模式预估表明，随着全球变暖水平的升高，密度更高、种类更多的AR集群将会出现的更加频繁。

　　研究结果强调了AR集群在气候适应和恢复策略制定中的重要作用。相关成果以 Back-to-back high category atmospheric river landfalls occur more often on the west coast of the United States 为题发表在 Communications Earth & Environment 期刊上。