本技術以階層方式架構多尺度殘差網路深度學習演算法，研發全球氣象模式降雨資料降尺度技術，具備將0.25度資料高效率細緻化至臺灣區域0.0125度資料的能力，總共提高解析度20倍，並減少全球模式降雨預報誤差。本技術已應用於多國全球氣象模式的日降雨預報，整合於國家災害防救中心天氣與氣候監測網頁面。

本技術以深度學習演算法研發雨量降尺度方法，提高臺灣降雨資料空間解析度達20倍，在平均絕對誤差和均方根誤差分別改善了15.1和9.1。在日雨量門檻值350和500毫米時，得到了0.54和0.46的預兆得分。本方法也改善了歐洲中期天氣預報中心在台灣雨量門檻值大於100毫米時的1至3天日雨量預報。

此技術應用機器學習圖像超解析度演算法，以高解析度雷達反演降雨做為學習目標，實測結果證實可將25公里的全球模式雨量資料降尺度為1公里的臺灣高解析度雨量資料，並能高效率且快速的產出決定性或系集高解析度臺灣雨量預報。此高解析度降雨資料，可應用於串接下游作業化的水文模式產品得到細緻化的地區衝擊資訊。