2019年6月，团队成员申泽西在《Science of the Total Environment》（五年影响因子：4.984）发表最新研究成果“A new statistical downscaling approach for global evaluation of the CMIP5 precipitation outputs: model development and application”。
CMIP5模型的输出已广泛用于与全球和区域尺度情景相关的气候变化研究。但是，由于粗糙的空间分辨率，CMIP5输出不能直接用于分析气候变化。在这里，我们提出了一种新的统计降尺度方法，即基于随机移动点（BNRD）的偏差校正和基于样本点的非线性回归降尺度方法，用于CMIP5降水序列的降尺度实践。到目前为止，只有两个全球尺度的降尺度的CMIP5降水数据集，即NASA逐日降尺度的CMIP5降水产品和基于BCSD的（偏差校正空间分解）月度降尺度的CMIP5降水产品，这些产品均基于BCSD降尺度方法。因此，我们通过在当前研究中使用BCSD方法将降尺度后的CMIP5降水输出结果与使用BNRD降尺度后的CMIP5输出结果进行比较来评估BNRD的降尺度性能。结果表明，与BCSD相比，本研究中开发的BNRD降尺度方法在描述GPCC空间和时间变化方面表现更好，可用于CMIP5的降尺度实践，甚至可用于全球范围内的CMIP6降水输出的降尺度实践。
