目前常用的统计降尺度方法低估了气象要素的方差，导致极端天气气候事件的模拟预估能力较差。近期，我院江志红教授课题组基于自组织映射神经网络方法对中国东部夏季降水进行预估，并从天气型变化的角度探讨未来降水变化的原因，相关成果已发表于《Climate Dynamics》。

该研究使用自组织映射神经网络（Self-organized map, SOM）方法对中国东部江淮流域夏季日降水进行统计降尺度模拟与预估，发现SOM方法能显著提高日降水概率分布及各降水指数空间分布的模拟能力：模式模拟的降水概率分布与观测的重合率显著增加，降尺度后超过90%，其中对极端降水模拟能力的改善尤为明显；观测资料中平均和极端降水指数的空间分布特征通过降尺度方法也基本能够得到再现，相关系数由降尺度前的0.6以下提高至超过0.9，同时各模式模拟结果的一致性得到了增强。未来RCP4.5情景下该区域63%的台站日降水都将向大值降水转移。21世纪初期（2016-2035年）江淮流域中部降水将增加，而长江中游及流域东南部降水减少。21世纪末期（2081-2100年）除东南个别台站外，该区域平均和极端降水指数将整体增加，长江下游台站增幅接近30%。相对于工业革命前，全球升温2℃相较于1.5℃背景下，长江下游及其以南的总降水量有所增加，而流域南部和西部台站则表现为降水强度增加更为明显。结合未来天气型变化的分析发现，该流域未来降水的增多增强与南亚高压和西太平洋副热带高压相向而行的湿天气型发生频次增加有关。

Figure 11. Circulation patterns (left and middle panels) and rainfall distributions (right panel) in the training period (1961–2002) for each of the four regional regimes. The black rectangular depicts the target area of the Yangtze–Huaihe river basin.

Figure 12. Boxplots of annual occurrence frequencies variation (relative to 1986-2005) of the 4 regional patterns over the Yangtze-Huaihe river basin in the early (2016-2035) and late (2081-2100) 21st century.

Li M, Jiang ZH, Zhou P, Treut HL, Li L, 2020: Projection and Possible causes of Summer Precipitation in Eastern China Using Self-Organizing Map.[J] Climate Dyn, 1-16. DOI: 10.1007/s00382-020-05150-4.