brGDGTs作为一种有前景的地球化学代用指标，目前已有大量研究探讨了对该指标的环境意义。先前的经验观察揭示了brGDGTs的甲基化和环化程度分别与大气温度和土壤pH密切相关，为全球各地的古温度和土壤pH变化提供了基础。brGDGTs在pH和温度的重建方面取得了显著成功，并已成为古气候研究中的重要工具。在土壤湿度的研究中，通过6-甲基与5-甲基brGDGTs的相对量指标，即MBT'指标，可以潜在地反映土壤水分的变化。而土壤含水量（SWC）与流域储水量密切相关，流域储水量等于降水减去径流和蒸发。之前的研究发现SWC与土壤pH之间存在稳健的关系。然而，对于已建立的定量转换函数来说，使用brGDGTs来预测年降水量仍然是前所未有的。
本文在前人的理论研究基础上建立了基于brGDGTs的年降水量人工神经网络模型，能够重建地质历史时期的年降水量变。其中基于全球表土样品的brGDGT-DLNN降水量模型中验证集的年降水量预测值与观测值之间的R²=0.80，RMSE=287 mm，n=179。本研究进一步并利用这个模型深入探讨了轨道和亚轨道尺度的气候演变特征，结果显示在不同时间尺度上基于brGDGTs的年降水量与多指标记录的年降水量变化相吻合，标志着该模型在未来有着巨大的应用前景。
 

brGDGTs,DLNN,Paleoclimate reconstruction