在应对极端天气、提升气候韧性的关键领域，香港科技大学取得了一项突破性进展。科大研究团队成功研发出一种人工智能模型，能够提前长达四小时预警危险的强对流风暴，包括多次袭港的“黑色暴雨”及雷暴和及突发性强降雨等。这项全球首创的技术由科大与国家级气象机构合作开发。与现有系统相比，该模型利用卫星数据及先进的深度扩散技术，能在 48 平方公里的空间尺度上将预报准确率提升超过 15%，这不仅显著增强了国家气象预报系统的整体精准度，也为亚洲乃至全球防灾能力较弱的地区带来了更有效的早期预警，以应对气候突变的风险。

这项研究与“沿海城市气候韧性国家重点实验室”(SKL-CRCC ) 的核心目标高度契合。该实验室于去年获科学技术部批准成立，现由实验室主任吴宏伟教授领导。他同时担任科大副校长(大学拓展)、及中电控股可持续发展学教授。

研究团队由科大沿海城市气候韧性全国重点实验室之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兼“杰出创科学人”苏慧教授，联同博士后研究员代快博士，并与哈尔滨工业大学（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学者组成。研究成果已发表于《美国国家科学院院刊》，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〉。

近年极端天气的情况愈趋频繁，香港去年夏季曾在八日内四度发出黑色暴雨警告;印尼峇里岛、泰国南部等地亦遭受暴雨洪涝重创，造成重大人命伤亡和经济损失。现行天气预报主要依靠数值模式模拟大气状态，运算成本高昂且易受大气混沌性及观测资料不足的影响，对于快速发展且尺度细小的对流系统（如雷暴及暴雨），准确预报时间通常仅能提前20分钟至两小时。如此短暂的预警时间，令政府部门、应急部门和公众在灾害来临前几乎来不及部署、疏散或采取有效防灾措施。

为应对上述挑战，由科大学者带领的研究团队开发了一套全新AI运算框架——“基于卫星数据的深度扩散模型(deep diffusion model of satellite data，DDMS)”。该模型运用生成式AI最前沿的深度学习训练架构，在训练过程中于数据注入噪音，让模型能学习如何反向生成高品质预报信息。团队利用中国风云四号卫星于2018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，以精准捕捉对流云系的时空演变特征;其后再以2022至2023年春夏季样本对模型表现进行验证。

团队成功开发全球首个可提前四小时预报雷暴发展的AI系统，在48平方公里分辨率下，其预报准确度较现行模型提升逾15%。

其他技术突破包括:

• 提供高分辨率、约每15分钟更新一次的高频率预报，覆盖范围面积达约2000万平方公里，包括中国、韩国、东南亚等地区。

• 在多种空间尺度(4公里至48公里)和不同季节下均表现稳定，尤其在2至4小时预报时窗中准确度尤为突出。该模型恰恰能在传统模型预报方法最薄弱的环节发挥优势，在这一关键预警时段内，其准确率提升幅度在3%至16%之间，平均提升达8.26%。

论文第一作者代快博士表示：“传统天气预报主要依赖地面雷达，但雷达讯号易受地形、降水粒子特性等因素影响，且通常需待对流云发展完成后才能观测到明显变化，导致预报时效滞后。新AI模型利用卫星从太空监测云团演变，能更早识别对流初生迹象。DDMS为大气监测和暴雨预警带来重大突破，该技术可更早掌握大气变化，让预报更准、更快，直接提升地区的灾害防护和应变能力。”

苏慧教授表示：“这次研究是大学团队与国家级机构——中国气象局及国家卫星气象中心携手合作的成果，为相关部门提供了一个极具参考价值的新模型。系统的算法日后可适用于不同的卫星数据，未来能扩大覆盖范围，协助更多国家和地区应对日益严峻的气候挑战。同时，系统具备商业化潜力，能为能源、保险等行业提供更精准的风险预测，协助企业及早评估极端天气可能带来的影响，提升整体应变能力。这不仅是技术的进步，更是从观测天气迈向智能预判天气的范式转移。在气候暖化的时代，此种能力对人类的安全与永续未来至关重要。”

研究的共同作者包括哈尔滨工业大学（深圳）计算机科学与技术学院教授李旭涛教授、叶允明教授和博士生余德民；中国气象局热带海洋气象研究所助理研究员方俊颖；以及国家卫星气象中心主任王劲松博士、国家卫星中心科技与国际合作处处长咸迪和国家卫星中心遥感应用服务中心主任覃丹宇。