极端降水事件对社会具有深远的不利影响，但现有定义多侧重于降水强度，忽视了其空间分布特征。本文构建了一种融合强度与空间分布的客观识别框架，采用自编码器（Autoencoder, AE）这一深度学习重构算法进行特征提取，并进一步利用基于密度的空间聚类方法（DBSCAN）对极端降水事件的主导空间型进行聚类。研究结果表明，在1961—2022年中国夏季期间，罕见降水事件主要受异常大气环流调控，并可归纳为四种典型空间型：（1）聚类一主要分布于江淮流域（湖北以东，28°–34°N），对应西太平洋副热带高压（WPSH）增强且西脊点西伸至约114°E；（2）聚类二集中于华南地区（不含海南），主要与异常深厚低压系统及位置偏东、强度较弱的WPSH相关；（3）聚类三局限于华南沿海地区，主要受热带气旋（TC）驱动；（4）聚类四为华北型，分布于晋冀交界及河南大部（34°–40°N，113°–115°E），主要受太行山脉的地形抬升影响。本研究为极端降水事件的识别提供了新的视角，并揭示了不同空间型背后显著差异的动力机制，为未来气候研究提出了重要挑战。