气象与人类日常生活的关系十分密切，气象预报一直是人类社会高度关注的问题。随着经济的发展和社会的进步，人类对天气预报的准确性提出了越来越高的要求，迫切希望实现气象要素精细化预报。获取详细准确的区域气象资料是实现气象精细化预报的首要条件，全球大气环流模式是目前预估大尺度未来全球气候变化最重要的模式，能较好地模拟出大尺度的平均特征。但是模式预报输出的空间分辨率较低，无法获取精细的区域气象资料，很难对区域天气情景变化做出详细的预测，而降尺度方法可用于弥补这方面的缺陷。文章的研究工作主要是利用统计降尺度的多元线性回归方法和BP神经网络方法对深圳地区近十年的日最低温度和最高温度进行降尺度分析研究。采用的数据是美国国家环境预报中心/美国国家大气研究中心提供的FNL全球分析资料和深圳国家基本观测站--竹子林站的实际观测数据，重点研究了基于BP神经网络方法和多元线性回归方法的统计降尺度模型的设计与实现过程，并对两种方法的结果进行了比较，为区域站点的统计降尺度应用提供了设计方法和参考。