全球极端天气日益频繁，若能精准预警，能更好地保障市民的安全。香港科技大学联合国家级气象科研单位，成功研发出全球首个可提前四小时预测雷暴发展的人工智能（AI）系统，它以“卫星数据的深度扩散模型”（DDMS）为核心，融合生成式AI技术，并利用风云卫星高频观测数据，实现分辨率达48平方公里、约每15分钟更新的高频预报，准确度较现有模式提升逾15%，整个系统的覆盖范围更广至2,000万平方公里，包括内地、韩国及东南亚等地区。目前该模型已开展应用测试，并与香港天文台展开合作，共享算法与数据资源，推动本地天气预报业务中的应用，并针对区域特点进一步优化系统；长远可为亚洲乃至全球防灾能力薄弱地区提供更及时的早期预警。

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苏慧指出，对流天气生成过程极为复杂，具有高度时空变化与区域特征，传统数值预报模式在25公里乘25公里的范围内难以捕捉细微动态，且多倚赖地面雷达，但雷达信号易受地形、降水粒子特性等干扰，且通常要待对流云发展成熟后才能观测到明显变化，导致预警时效滞后，一般仅能提前20分钟至两小时预警，难以为政府与公众争取充分应变时间。

每15分钟持续监测指定区域

相比之下，卫星观测覆盖面广泛，能以每15分钟的高频率对指定区域持续监测，而且能提供4公里至48公里的多种空间尺度，而在2小时至4小时的预报时窗中准确度尤为突出，在不同季节下均表现稳定，能实现观测无盲区。针对雷电及极端降水等“强对流天气”，苏慧表示，团队期望藉持续而广泛的卫星数据，提升气候预警能力。

团队开发的全新AI运算框架，在训练过程中引入了噪音及误差模型，使系统学习反向生成高品质天气预报信息。研究人员利用中国风云四号卫星于2018年至2021年间取得的红外亮温观测资料进行模型训练，并结合气象专业知识，精准捕捉对流云系的时空演变特征；其后再以2022年至2023年春夏季样本对模型表现进行验证。

参与研究的博士后研究员代快解释，模型架构包含两个分支：一是确定性模型，依据历史状态外推未来天气，结果总体可信；二为随机性模组，针对气象过程中不可重现的随机变化，需借助扩散模型进行预设与校正。

他强调，该扩散模型并非纯粹生成，而是在约束条件下，基于历史状态预测出的确定性结果进行调整与修补，从而提升预报稳健性。另一方面，团队要从预报出的卫星亮温数据中，识别潜在的对流云系，为此，研究结合了人工标注与专家知识，融入AI技术完成识别过程，从预报亮温结果中，达至对流生成与消散的精准预报。

团队设初创公司推动技术转化

据介绍，系统算法未来可兼容不同卫星数据，进一步拓展覆盖范围，助力更多国家与地区应对严峻的气候挑战。同时，团队已在港科大成立初创公司，推动技术成果转化，为保险、电网等领域提供定制化预报方案，助企业优化风险管理、减低极端天气损失。未来将继续深化与国家及本地气象机构合作，促进研究成果落地，为社会各界提供更高效、精准的天气预报服务。

是次研究由苏慧、代快及哈尔滨工业大学（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与国家卫星气象中心学者共同组成，研究成果已刊登于《美国国家科学院院刊》。