新疆是典型的干旱半干旱区，降水时空分布极不均匀，夏季降水占年降水量的54.4%。夏季降水变化对新疆生态环境和经济发展影响显著，准确可靠的降水预报对新疆应对气候变化、区域水资源管理以及丝绸之路经济带核心区建设发展有着重要的现实意义。

沙漠气象研究所中亚气候团队聚焦新疆夏季降水预测问题，基于降水观测数据和已公布的气候因子指数，利用SHAP方法结合极限树模型识别了影响新疆夏季降水的关键预测因子，并测试了三种机器学习模型（人工神经网络、支持向量机和极端梯度增强）在新疆夏季降水预测中的性能。研究发现：（1）人工神经网络模型在训练和预测期间表现良好。在北疆和南疆人工神经网络模型的MAE和RMSE值分别为15.34(20.40)和23.21(30.01)，超过了其他机器学习模型的预测精度；（2）NINO B区海表温度、太平洋副高强度、西太平洋副高强度和多变量ENSO指数是北疆夏季降水的4个最重要的预测变量，而南海副高的强度和面积、西太平洋暖池强度和大西洋多年代际振荡是南疆夏季降水的主要预测因子；（3）热带印度洋、黑潮、西太平洋暖池、热带中东太平洋和北大西洋等区域的海表温度异常以及西太平洋副热带高压和南海副热带高压均与新疆夏季降水异常密切相关。

图1 文章技术路线图

图2  ET模型中最具影响力的四个特征SHAP总结图

研究结果为新疆夏季降水预测提供了关键预测变量等有价值的信息。此外，研究探讨了关键预测因子与降水之间的物理机制，进一步深化了对新疆夏季降水过程的理解。相关成果以“Prediction of Summer Precipitation Via Machine Learning with Key Climate Variables: A Case Study in Xinjiang, China”为题发表在国际SCI一区期刊Journal of Hydrology: Regional Studies上。论文通讯作者为沙漠气象研究所姚俊强研究员，第一作者为新疆大学硕士研究生马晨智。该研究得到新疆“天山英才”青年科技拔尖人才专项、新疆维吾尔自治区寒旱区水资源与生态水利工程研究中心（院士专家工作站）项目以及第三次新疆综合科学考察项目联合支持。

（作者：马晨智 校对：吴烨 徐文静 审核：姚俊强 赵玲）

原文信息：Ma C, Yao J, Mo Y, et al. Prediction of summer precipitation via machine learning with key climate variables: A case study in Xinjiang, China[J]. Journal of Hydrology: Regional Studies, 2024, 56: 101964.

文章链接：https://doi.org/10.1016/j.ejrh.2024.101964