极端天气频发带来的防灾压力日益凸显。近年来，强对流风暴、暴雨洪涝等灾害性天气事件频繁发生，造成严重人员伤亡和经济损失。香港去年夏季在八日内四度发出黑色暴雨警告，印尼巴厘岛、泰国南部等地也遭受暴雨重创。这些事件充分说明，提升极端天气预报的时效性和准确性已成为全球防灾减灾工作的紧迫课题。 传统气象预报方法存在明显局限。现行天气预报主要依靠数值模式模拟大气状态，这种方法运算成本高昂，且易受大气混沌性和观测资料不足的影响。特别是对于快速发展、尺度细小的对流系统如雷暴和暴雨，传统预报方法通常仅能提前20分钟至两小时发出预警。这样短暂的预警时间使得政府部门、应急机构和公众几乎无法在灾害来临前采取有效的防灾措施、人员疏散或应急部署，大大降低了防灾减灾的效能。 香港科技大学研究团队成功突破了该技术瓶颈。由沿海城市气候韧性全国重点实验室主任吴宏伟教授领导，讲座教授苏慧和博士后研究员代快等组成的研究团队，联合哈尔滨工业大学（深圳）、中国气象局热带海洋气象研究所及国家卫星气象中心等机构，开发了一套全新的人工智能运算框架——基于卫星数据的深度扩散模型（DDMS）。该模型运用生成式人工智能最前沿的深度学习训练架构，在训练过程中向数据注入噪音，使模型能够学习如何反向生成高品质预报信息。 研究团队利用中国风云四号卫星2018至2021年间获取的红外亮温观测资料进行模型训练，结合气象专业知识精准捕捉对流云系的时空演变特征，并以2022至2023年春夏季样本对模型性能进行验证。研究成果表明，该模型成功实现了全球首个可提前四小时预报雷暴发展的人工智能系统，在48平方公里分辨率下的预报准确度较现有模型提升超过15%。
从"识别云层"到"预测降雨"，强对流预报能力的每次进步，都意味着更充裕的应对时间和更可控的风险。在极端天气日益频繁的背景下，推动卫星观测、算法创新与业务体系深度融合，既是提升气象现代化水平的技术需求，也关乎城市治理和公共安全。只有将预警时间真正转化为行动时间，才能让科技更好地保障人民生命财产安全。