气候模型预测温室气体加强了日降水变化和极端事件，但由于区域降水波动太大，无法直接使用观测数据验证这种预测。
作者提出用CNN做检测，首先给模型输入全球降水异常分布图，然后输出一个年全球平均气温，输出端的真值是模拟数据。
模型训练好以后给模型输入近年的卫星观测、模式模拟、再分析等数据(用好几套数据是考虑到了降水间接估计的不确定性)，让模型给出温度。结果显示温度逐渐升高，反推出了全球变暖
然后，他们用滤波器将降雨数据分解为不同时间尺度的模态，结论是低频对变暖几乎没有贡献，主要在高频上
他们还用了一种occlusion sensitivity的方法来测试对全球变暖贡献最大的区域，具体方法是永远是数据给出一个温度，然后用0填充再给出一个，这种方法帮助他们测试出来贡献最大的热点区域