香港科技大学（HKUST）研究人员开发出一套基于卫星观测的人工智能模型，可对危险对流风暴进行最长提前4小时的临近预报，覆盖黑色暴雨、雷暴以及极端强降雨等天气过程。研究团队表示，该模型在48公里空间尺度上的预报准确率较现有系统提升超过15%，有望提升国家气象预报系统整体准确性，并增强亚洲部分易受影响地区的预警能力。

该研究与沿海城市气候韧性国家重点实验室（SKL-CRCC）的目标相衔接。该实验室于去年经中国科技部批准成立，由香港科技大学副校长、CLP控股可持续发展教授伍宏伟担任主任。

研究团队成员包括SKL-CRCC气候变化与极端天气方向负责人、香港科技大学土木与环境工程系讲席教授及全球STEM教授苏辉，土木与环境工程系博士后戴快，以及来自哈尔滨工业大学（深圳）、中国气象局热带海洋气象研究所（ITMM）和国家卫星气象中心（NSMC）的学者。相关论文以《利用深度扩散模型进行卫星数据四小时雷暴临近预报》为题发表于《美国国家科学院院刊》（PNAS）。

研究人员指出，传统天气预报主要依赖数值天气预报（NWP）模型，通过求解流体动力学方程模拟未来大气状态，但计算量大，且对大气混沌特性与观测数据限制较为敏感。对于雷暴、暴雨等快速演变的小尺度对流系统，传统方法的有效预报提前量通常仅为20分钟至两小时，留给政府部门、应急服务与公众的准备时间相对有限。

为应对上述问题，团队牵头提出“卫星数据深度扩散模型”（DDMS）框架，采用生成式人工智能中的深度扩散技术：在训练阶段向卫星数据加入噪声，使模型学习从噪声中恢复高质量数据的逆过程，并结合气象领域知识以捕捉对流云结构的演变。

模型训练数据来自中国风云4A卫星2018年至2021年的红外亮温观测；性能验证则使用2022年与2023年春夏季（5月至8月）的样本。

研究团队称，该系统为全球首个可实现4小时雷暴发展预报的人工智能系统。在业务能力方面，模型可提供高频更新的预报结果，约每15分钟更新一次，覆盖约2000万平方公里区域，包括中国、韩国、东南亚及周边地区；并在4公里至48公里等多个空间尺度及不同季节保持稳定表现。

团队进一步表示，在2至4小时这一关键预报窗口内，模型在传统方法相对薄弱的区域表现更为突出：准确率提升范围为3%至16%，平均提升8.26%。

论文第一作者戴快表示，传统预报在很大程度上依赖地面雷达，但雷达信号易受地形与降水成分影响，且往往在对流云形成后才更易捕捉到变化，从而限制预报提前量。其称，利用卫星从太空持续监测云系演变，有助于更早识别对流发展迹象，从而实现更及时的预警。

苏辉表示，该研究是高校与国家级机构（包括中国气象局与国家卫星气象中心）合作的成果，可为业务预报提供新的参考模型。其指出，该算法可适配不同卫星数据以扩大覆盖范围，并可为能源、保险等行业提供更早、更精准的风险评估支持。