《Atmospheric Research》：Explainable artificial intelligence identifies key meteorological drivers of extreme precipitation in the Asian Monsoon Region
编辑推荐：
可解释极端降水模拟框架（XEP-Sim）通过多指标分析揭示亚洲季风区极端降水的主导驱动机制，发现集成水汽（IWV）与其他五个气象变量共同作用可显著提升模拟精度，极端组合下降水强度最高可达2.8倍。
袁天|杨兆|李建平|沈成|文大伟|齐欣|刘源|陈丹丹
岭南师范学院地理科学学院，湛江，中国
摘要
人工智能（AI）模型的最新进展使得极端降水（EP）的模拟变得有效，然而大多数模型仍然是“黑箱”，无法清晰地了解各个气象变量的贡献。在这里，我们开发了一个可解释的极端降水模拟框架（XEP-Sim），以识别和量化亚洲季风地区极端降水的主要驱动因素。研究发现，六个气象变量对于准确再现极端降水至关重要，其中积分水汽（IWV）起着主导作用。在这些变量都处于极端条件下，极端降水的强度显著增加，当所有六个变量都处于极端状态时，降水强度比没有这些变量时高出2.8倍。此外，极端IWV与其他变量之间的相互作用通过动态途径进一步放大了极端降水的强度。这些发现表明了IWV及其与其他关键变量相互作用的主导作用，提供了具有物理解释性的见解，有助于改进极端降水预测，并为数据驱动的气候模型中的变量选择提供依据。
引言
亚洲季风地区受到东亚夏季季风和印度夏季季风的影响，分别接收了年度降水量的大约70%和80%（Guo等人，2023年；Nath等人，2024年；Wang等人，2012年）。该地区经常经历极端天气事件，其中极端降水（EP）对人类生命、基础设施和自然系统构成严重威胁（Parmesan等人，2022年）。然而，由于地形复杂、大气动力学复杂以及模型偏差的存在（Kim等人，2019年；Wang等人，2024年），在这一复杂气候系统中准确模拟极端降水仍然具有挑战性。大多数现有模型在该地区的模拟降水与观测降水量之间存在显著差异，这突显了提高模拟精度和更好地理解其驱动机制的必要性。
以往的研究已经考察了与极端降水相关的各种气象条件和水分来源，包括温度、位势高度、湿度、垂直速度、风速和前期降水（Bi等人，2023年；Chen和Wang，2022年；Herman和Schumacher，2018年）。极端降水事件受到多尺度过程的影响，不同研究根据空间和时间背景确定了不同的主要驱动因素（Chen和Wang，2022年；Espeholt等人，2022年；O'Gorman和Schneider，2009年；Pfahl等人，2017年；Rampal等人，2022年；Zhang等人，2024年；Zhao等人，2024年；Zhao等人，2016年）。例如，在全球范围内，垂直速度和积分水汽（IWV）被认为是主要贡献因素，而在美国等某些地区，水汽可用性可能是主要限制因素（Gimeno-Sotelo等人，2023年；Kunkel等人，2020a）。其他研究探讨了高温、大尺度环流模式和特定压力系统对极端降水的影响（Aleshina等人，2021年；Kunkel等人，2020a；Nayak等人，2018年；Ning等人，2017年；Tymvios等人，2010年）。然而，关键驱动因素的识别在不同研究中往往有所不同，部分原因是单个因素的影响可能被它们与其他因素的相互作用所掩盖。此外，许多研究仅关注与单个变量的相关性，缺乏评估它们对极端降水综合影响的定量框架。
传统的人工智能（AI）方法在极端降水预测的早期发展中发挥了重要作用。先前的研究表明，非线性机器学习模型在捕捉复杂的降水-环流关系方面优于线性方法（Kumar等人，2025年；Yang ChunLi等人，2018年）。然而，它们在空间上的一致性有限且缺乏物理可解释性，仍然是主要挑战。此外，大多数现有方法严重依赖历史降水记录进行“黑箱”预测，很少考虑控制极端降水形成的物理过程。
人工智能的快速发展引入了强大的数据驱动模型（Bi等人，2023年；Lam等人，2023年；Price等人，2024年）。然而，这些模型的“黑箱”性质往往掩盖了各个输入变量的贡献，可能包括无关或冗余的信息（Rampal等人，2022年）。此外，这些模型中复杂的网络结构和庞大的参数空间使得难以解释其背后的机制（Jiang等人，2022年；Roscher等人，2020年）。这些局限性激发了对可解释AI（XAI）的兴趣，XAI提供了揭示各个变量及其相互作用的作用的工具，从而在统计性能和物理理解之间架起了桥梁（Feng等人，2024年；Ge等人，2024年；Labe等人，2024年；Wang和Li，2024a，Wang和Li，2024b；Zhang等人，2024年）。
本研究开发了一个先进的XAI框架——可解释的极端降水模拟（XEP-Sim），以探索亚洲季风地区的极端降水机制。具体来说，本研究的目标是：（1）证明由选定气象变量驱动的XEP-Sim能够有效模拟极端降水；（2）使用多种XAI指标识别和排名最具影响力的气象变量，以提高模拟效率和可解释性；（3）分析这些关键气象变量的变化如何影响极端降水，从而揭示其背后的物理过程。本研究旨在深入理解极端降水的动态，并为研究其他地区的极端事件提供一个可转移的框架。
数据收集与处理
本研究使用多源加权集合降水（MSWEP）数据集作为观测数据，该数据集具有高覆盖范围，时间分辨率为三小时，空间分辨率为0.1°。此外，为了为每个地点提供最高质量的降水估计，MSWEP整合了来自多个来源的降水数据，包括卫星遥感、雷达观测、地面气象站和数值模拟数据
极端降水模拟能力评估和关键气象变量选择
尽管本研究关注极端降水，但首先模拟日降水量是至关重要的，因为观测数据与ERA5模型中极端降水发生的时间存在差异，这是由于极端降水的定义不同所致。如果只模拟极端降水而忽略其他类型的降水，即使输入变量与极端降水无关或模型的整体性能不佳，模型也可能因为模拟降水量较高而显示出有利的结果。
讨论与结论
极端降水在灾害预防、气候变化适应和促进可持续社会经济发展中起着关键作用。鉴于驱动极端降水的因素的复杂性、多样性和相互关联性，理解这些因素的个别和集体影响对于揭示极端降水发生和演变的机制至关重要，从而推进了对极端降水预测所需物理过程的理解。然而，大多数现有研究主要集中在...
作者贡献声明
袁天：撰写——审稿与编辑，撰写——初稿，可视化，验证，方法论，调查。杨兆：撰写——审稿与编辑，监督，项目管理，调查，资金获取，概念化。李建平：撰写——审稿与编辑，监督，项目管理，资金获取。沈成：撰写——审稿与编辑。文大伟：撰写——审稿与编辑。齐欣：撰写——审稿与编辑。刘源：撰写——审稿与
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家重点研发计划（2023YFF0805100）、崂山实验室（编号LSKJ202202600）、山东省自然科学基金项目（ZR2019ZD12）、山东省泰山学者基金（编号tsqn202408080）、山东省海外优秀青年学者计划（资助编号2025HWYQ-034）、国家自然科学基金（42505175）的支持。陈丹丹还得到了国家自然科学基金的支持
