香港科技大學研究團隊開發人工智能模型，成功提前 4 小時預警危險強對流天氣，包括黑色暴雨、雷暴及極端強降雨等。這項技術由科大與國家級氣象機構合作開發，屬全球首創。與現行系統相比，模型利用衞星數據及先進深度擴散技術，能在 48 平方公里空間尺度將預報準確率提升逾 15%。
實驗室主任吳宏偉教授現時領導研究，他同時擔任科大副校長（大學拓展）及中電控股可持續發展學教授。這項研究與去年獲中國科學技術部批准成立「沿海城市氣候韌性全國重點實驗室」（SKL-CRCC）核心目標高度契合。
極端天氣頻發 現有預報系統不足
近年極端天氣愈趨頻繁，香港去年夏季曾在 8 日內 4 度發出黑色暴雨警告。印尼雅加達與泰國南部等地亦曾受暴雨衝擊，引致重大人命傷亡及經濟損失。現行天氣預報主要依靠地面數值模式模擬大氣狀態，運算成本高昂且易受大氣混沌性及觀測資料不足影響。針對快速發展且尺度細小對流系統（如雷暴及暴雨），準確預報時間通常僅能提前 20 分鐘至 2 小時。預警時間過短，令政府部門、應急部門及公眾在災害來臨前，難以部署、疏散或採取有效防災措施。
基於衞星數據深度擴散模型
為應對上述挑戰，科大學者帶領研究團隊開發全新 AI 運算框架「基於衞星數據深度擴散模型」（deep diffusion model of satellite data，DDMS）。模型運用生成式 AI 前沿深度學習訓練架構，在訓練過程向數據注入噪音，讓模型學習如何反向生成高品質預報資訊。團隊利用中國風雲四號衞星於 2018 至 2021 年間取得紅外亮溫觀測資料訓練模型，並結合氣象專業知識，精細捕捉對流雲系時空演變特徵，其後再以 2022 至 2023 年春夏季樣本驗證模型表現。
技術突破重點
團隊開發全球首個實現提前 4 小時預報雷暴發展 AI 系統。在 48 平方公里解像度下，預報確度較現行模型提升逾 15%。系統提供高解像度且約每 15 分鐘更新一次高頻率預報，覆蓋範圍達約 2,000 萬平方公里，包括中國、韓國及東南亞等地區。
模型在多種空間尺度（4 公里至 48 公里）及不同季節表現穩定。尤其在 2 至 4 小時預報時窗準確度尤為突出，該模型彌補傳統模型預報方法最薄弱環節。在這一關鍵預警時段內，準確率提升幅度在 3% 至 16% 之間，平均提升達 8.26%。
衞星監測提早識別對流徵兆
論文第一作者代快博士表示，傳統天氣預報主要依靠地面雷達，但雷達訊號易受地形及降水粒子特性等因素影響，且通常需待對流雲發展完成後才能觀測明顯變化，導致預報時效滯後。新 AI 模型利用衞星從太空監測雲團演變，能更早識別對流初生跡象。DDMS 為大氣監測及異常預警帶來重大突破，該技術可更早掌握天氣變化、令預報更準更快，直接提升地區災害防護及應變能力。
系統具商業化潛力
蘇慧教授表示，是次研究是大學團隊與國家級機構中國氣象局及國家衞星氣象中心攜手合作成果，為相關部門提供極具參考價值新模型。系統實施日後可適用於不同衞星數據，未來能擴大覆蓋範圍，協助更多國家及地區應對嚴峻氣候挑戰。同時系統具備商業化潛力，能為能源、保險等行業提供精準風險預測，協助企業及早評估極端天氣可能帶來影響並提升應變能力。這項技術除了代表進步，更是從觀測天氣邁向智能預判天氣範式轉移。在氣候暖化時代，此種能力對人類安全與永續未來至關重要。
研究共同作者包括哈爾濱工業大學（深圳）計算機科學與技術學院院長李旭濤教授、黃允朋教授及博士生余德民；中國氣象局熱帶海洋氣象研究所助理研究員方俊穎；以及國家衞星氣象中心主任王勤松博士、國家衞星中心科技與國際合作處處長威迪及國家衞星中心遙感應用服務中心主任曹丹宇。
研究成果已發表於《美國氣象學院院刊》，論文題為《利用衞星數據擴散深度擴散模型實現 4 小時對流預報》。
資料來源：香港科技大學
