近日，我院田媛博士以第一作者在国际著名期刊《Atmospheric Research》上发表了题为“Explainable artificial intelligence identifies key meteorological drivers of extreme precipitation in the Asian Monsoon Region”的开创性研究成果。《Atmospheric Research》现为中国科学院地球科学二区期刊。该论文第一单位为岭南师范学院地理科学学院，合作单位包括中国海洋大学，瑞典哥德堡大学等。

文章简介：亚洲季风区作为全球气候系统的重要组成部分，每年夏季遭受频繁的极端降水事件，严重威胁人类生命财产安全和自然生态系统。然而，由于该区域地形复杂、大气环流多变，传统气候模型在模拟极端降水时存在显著偏差，难以准确揭示其形成机理。特别是各气象变量间的相互作用及其对极端降水的综合影响，一直是科学界研究的难点。针对上述挑战，研究团队开发了名为XEP-Sim的可解释极端降水模拟框架，该框架集成了随机森林、SHAP等机器学习算法，能够定量评估各气象变量对极端降水的独立及协同作用（图1）。研究团队发现：整层水汽是驱动极端降水的首要因素，该变量在极端条件下的极端降水强度可较平时提高近2.8倍。此外，前一天降水、水汽通量、海表面气压、300hPa垂直风速及850hPa经向风等五个变量亦对极端降水有显著影响。另一方面，极端降水往往发生在多个气象变量同时达到极端状态时。特别是整层水汽与其他变量的极端组合，能够显著放大降水强度，揭示了多变量协同作用对极端降水的重要贡献（图2）。通过SHAP值依赖图和敏感性实验，研究进一步揭示了关键变量影响极端降水的物理路径。例如，极端整层水汽通过增强大气湿度和潜热释放，促进强烈的垂直上升运动，进而加剧降水；而海表面气压的降低和300hPa垂直风速的负异常则通过动力作用触发或加强垂直运动，共同影响极端降水的发生和发展（图3）。本研究不仅深化了对亚洲季风区极端降水形成机制的科学认识，还为气候模型的改进和极端降水预测提供了新思路。通过明确关键气象变量及其相互作用，研究团队为数据驱动的气候模型变量选择提供了科学依据，有助于提升模型对极端降水事件的模拟和预测能力。此外，可解释人工智能技术的应用使得模型解释性显著增强，为气候变化适应和防灾减灾提供了有力支持。

本研究得到了中国国家重点研发计划（2023YFF0805100）、山东省海外优秀青年学者计划（2025HWYQ-034）、国家自然科学基金（42505170）、瑞典研究理事会（2023-01648）和瑞典阿德勒伯特研究基金会（AF2024-0069）等的支持。

图1. 用于极端降水模拟的XEP-Sim工作流程  

图2. 当六个关键输入变量的不同组合处于极端情况时，极端降水的强度变化  

图3. 亚洲季风区极端降水潜在机制示意图