在过去50年来，大尺度异常降水在中国区域发生的频次呈现显著的上升趋势。然而，认识和了解不同空间模态的大尺度异常降水发生的机理仍存在巨大的挑战。本研究中，我们采用了一种自编码技术，用于识别基于观测和模型模拟的大尺度异常降水事件，并在此基础上通过自组织映射的方法将其进行空间分类，得到不同空间模态的大尺度异常降水。同时，对不同空间模态的大尺度异常降水对应的天气特征和大气环流背景通过采用复合分析的方法进行研究。结果表明，除了华北、东北及淮河流域以外，不同极端降水模态发生的频次呈现显著的上升趋势。不同模态极端降水的发生与西北太平洋副热带高压的东西移动，以及中纬度东亚西风急流的南北移动有关。伴随着西北太平洋副热带高压向西扩张，异常反气旋系统将来自印度洋和中国南海的暖湿气流输送到内陆，并与位于其西北翼由异常气旋控制的冷空气进行辐合作用，导致该区域发生异常大尺度极端降水。除了西北太平洋副热带高压，东亚急流的南北移动分别有利于南方和北方地区大尺度异常降水的形成。同时，热带气旋的登陆有利于华南、华东地区异常大尺度极端降水的形成。基于气候模式数据，我们的研究同时表明在未来二氧化碳极端排放情景下（SSP585），大尺度异常降水发生的频次将增加2~4倍。

极端降水,深度学习,异常检测,气候变化