在应对极端天气、提升气候灾害预警能力的关键领域，香港科技大学（港科大）研究团队1月28日公布一项最新成果：团队联合国家级气象科研机构，成功开发出一款人工智能（AI）模型，可提前四小时预警强对流天气，包括多次影响香港的黑色暴雨、雷暴及突发性强对流系统。

研究显示，与现有预警系统相比，该模型结合卫星观测数据及先进算法架构，在48个空间拓扑接口下，将强对流预报准确率提升超过15%，有助于显著延长灾害预警“窗口期”，为政府部门、应急机构及公众争取更充足的应对时间。

近年来，极端天气事件频繁发生。去年夏季，香港曾在短短八日内四度发出黑色暴雨警告；在区域层面，东南亚多地亦接连遭遇暴雨洪涝，造成严重人员伤亡及经济损失。如何提升对突发性强对流天气的提前预警能力，成为气象防灾领域的核心挑战之一。

目前，主流天气预报仍主要依赖数值模式模拟大气状态，不仅计算成本高，且容易受到大气混沌性及初始条件不完整的影响。对于发展迅速、尺度较小的对流系统，如雷暴和短时强降雨，现有系统通常只能提前20分钟至两小时作出预警，留给社会应对的时间十分有限。

针对上述难题，港科大研究团队提出并构建了一套全新的AI预测框架——基于卫星数据的深度扩散模型（Deep Diffusion Model of Satellite Data，简称DDMS）。该模型采用生成式人工智能的前沿深度学习架构，通过在训练过程中引入噪声数据，使模型学习从不完整信息中反向重建强对流系统的演变过程。

研究团队利用中国风云四号卫星于2018年至2021年获取的红外亮温数据进行模型训练，并结合气象专业知识，加强模型对流云系统时空演变特征的识别能力；随后，再以2022年至2023年春、夏季的实际样本对模型性能进行验证。

结果显示，该系统成功实现全球首个可提前四小时预测闪电爆发及强对流发展的AI模型。在48个感知分辨率条件下，其预测准确率较传统推理模型提升逾15%。同时，系统可提供高空间分辨率预测结果，并以约每15分钟更新一次的高频率运行，覆盖范围达约2000万平方公里，涵盖中国、韩国及东南亚等地区。

相关研究由港科大沿海城市气候韧性全国重点实验室气候变化与极端天气方向科研主管、土木及环境工程学系讲座教授、“杰出创科学人”苏慧教授领衔，博士后研究员代快博士参与，并联合哈尔滨工业大学（深圳）计算机科学与技术学院、中国气象局热带海洋气象研究所及国家卫星气象中心的科研人员共同完成。

研究成果已发表于国际权威期刊《美国国家科学院院刊》（PNAS），论文题为《利用卫星数据驱动的深度扩散模型实现四小时对流预报》。

文｜记者 王漫琪 梁源
视频｜梁源 实习生 王菲樱
图｜受访者提供