极端气候事件对人类生命财产、区域社会经济以及生态系统有重要的影响，但对它的机理和预测问题是国际上的难点。这不仅因为它是小概率事件，而且很多天气/气候极值并不服从正态分布。以往很多气候变率和变化研究（趋势估计、诊断物理机制、构建统计预测/降尺度模型等）采用的传统统计方法多数是基于正态分布假定，在非正态分布的极端气候事件分析上遇到了瓶颈。
中国科学院大气物理研究所副研究员钱诚和香港、澳门的合作者发展了非正态分布气候极值统计诊断和预测/统计降尺度的两种方法：（1）当非正态分布数据偏离正态分布并不太大时，通过变换把非正态分布的预报量转换成准正态分布变量，并利用传统的皮尔逊相关或线性回归分析诊断有物理意义的预报因子，最后通过传统的多元回归构建统计预测/降尺度模型；（2）当非正态分布数据很大程度地偏离正态分布时，利用非参数的斯皮尔曼秩相关诊断有物理意义的预报因子，最后通过广义线性回归构建统计预测/降尺度模型。
通过澳门的极端热日和热夜频数的个例和相应的机理研究（耦合的ENSO-东亚夏季风年际年代际变率），表明极端气候事件具有一定的可预测性。