面对日益频发的雷暴、突发强降雨等强对流天气，传统预报系统通常仅能提供 20 分钟至 2 小时的准确预报时间，应急响应往往措手不及。如今，这一困局或迎来破题关键。

1 月 28 日，香港科技大学（以下简称港科大）召开新闻发布会，宣布已成功研发全球首个能提前 4 小时精准预警强对流风暴的 AI（人工智能）模型 " 基于卫星数据的深度扩散模型 "。

与现有预报系统相比，该模型利用卫星数据及深度扩散技术，能在 48 平方公里的空间尺度上，较当前最先进的预报方法将预报准确率提升超过 15%，为防灾减灾争取关键窗口。

该研究成果已于 2025 年 12 月发表于《美国国家科学院院刊》，论文题目为《利用卫星数据驱动的深度扩散模型实现四小时对流预报（Four-hour thunderstorm nowcasting using a deep diffusion model for satellite data）》。

港科大土木及环境工程学系讲座教授苏慧（右）和博士后研究员代快（左）图片来源：每经记者 李旭馗 摄

在新闻发布会上，港科大土木及环境工程学系讲座教授苏慧对包括《每日经济新闻》在内的媒体介绍，传统气象预报将全球分成众多网格，通过数字方法求解流体力学方程来预测天气变化。然而，包括华为盘古大模型、谷歌 GraphCast 模型在内的许多全球 AI 气象模型，其训练和预报所采用的网格分辨率通常在 25 公里左右，分辨率较粗，难以实现区域精细化预报。清华大学 NowcastNet 模型虽然网格划分较小，但非常依赖地面雷达，在未部署雷达的区域无法使用。

为突破上述瓶颈，研究团队将目光投向静止气象卫星，计划利用国产风云卫星的观测，借助 AI 实现强对流天气的短临预测，重点关注剧烈雷暴、强降水等天气过程。苏慧解释，风云卫星位于离地 36000 公里高度，可覆盖整个东半球，且每 15 分钟就会对同一区域进行一次扫描，格点分辨率约 4 公里，比传统模式 25 公里格点的分辨率更高。

论文第一作者、苏慧团队博士后研究员代快介绍了团队的核心算法创新。" 我们设计的模型主要包含两个分支。第一个分支是确定性模型，利用历史状态外推未来状态，其结果代表整体的确定性预测结果。第二个分支针对局部难以预测的随机部分，通过条件扩散模型进行弥补和校正，我们会先用历史状态预测出确定性结果，再通过扩散模型对真值与确定性预测结果之间的差异进行建模与修正。" 代快说。

据悉，该模型在 4 公里至 48 公里的多种空间尺度和不同季节下均表现稳定，尤其在 2 小时至 4 小时预报时窗中准确度尤为突出。在这一关键预警时段内，该模型准确率提升幅度在 3% 至 16%，平均提升达 8.26%。

代快向记者展示了多个验证案例。在 2025 年 11 月泰国南部的强对流事件中，模型成功预测了对流在 4 小时内的快速生长与移动；在 2025 年 8 月中国香港的一场暴雨中，尽管香港地区的小范围对流难以直接从卫星观测中捕捉，模型仍准确预测了香港地区整体的气象状况，这对于辅助地面雷达的预报工作具有重要意义。

在回答记者提问环节，苏慧透露，国家卫星气象中心已在测试该模型，团队正积极推进与香港天文台合作，结合卫星和地面雷达数据，提升强对流预报精度。

此外，团队也已在港科大创立公司，在模型成果转化后，可为商业客户提供定制化方案。" 保险公司可借助精准预测优化保险理赔定价，还能告知客户提前做好预警，减少极端天气带来的损失。电网、电站等政府部门及企业在面对极端天气危害时对精准预报需求迫切，也会是我们的服务对象。" 苏慧说。

每日经济新闻