近期，多地頻繁出現暴雨、大暴雨、雷電大風等天氣，極端氣候的頻發也引發了公眾的廣泛關注與好奇：數天后的天氣情況是怎么預測出來的？為什么感覺天氣預報有時候準，有時候又不準？我國的天氣預警預報技術水平到底怎么樣?。?/p>

圍繞這些話題，今天我們邀請北京市氣象局高級工程師拉薩進行解讀。

圖庫版權圖片，轉載使用可能引發版權糾紛

大家每天看的天氣預報，

是怎么算出來的？

現在的天氣預報不再是“看云識天氣”，而是一場“數值預報模式 + AI氣象大模型 + 預報員綜合研判”的協同作戰。

在短期和中初期時效內（1-14 天），預報員經常綜合對比各個數值模式的預報，給出最終的天氣預報結論。對于短臨預報（0–3小時），則更多依賴雷達、衛星、高密度自動站、風廓線等分鐘級乃至秒級更新的多源觀測資料，尤其在夏季強對流天氣的預報中作用更為關鍵。

1、數值模式（NWP）

數值模式（NWP）是目前短中期預報的絕對主力。它的計算邏輯是把地球大氣切成密集的三維網格點，然后求解描述大氣運動的物理方程組（流體力學+熱力學），計算每個網格點上的溫度、氣壓、風速在未來幾分鐘、幾小時如何變化，一步步算出未來 10 天的天氣。

現在有 10km 左右的全球數值模式，也有精細到 1km 的區域數值模式，北京市氣象局最新研發了“分鐘級，百米級”的高分辨快速更新的數值模式系統。

2、AI 氣象大模型

AI 模型不求解復雜的物理方程，而是“吃”進去海量的歷史氣象數據（比如過去 40 年的全球數據），學習“昨天這樣的天氣，明天通常會變成什么樣”的統計規律。

一旦訓練完成，它預測速度極快（幾分鐘出 10 天預報），且在某些指標上已媲美傳統模式。但是 AI 模型缺乏物理解釋，且預報中存在“平滑效應”，可能會有極值削弱現象。

目前我國已逐步構建起基于國產人工智能大模型家族，“風雷”（人工智能臨近預報系統）、“風清”（人工智能全球中短期預報系統）、“風順”（人工智能全球次季節—季節預測系統）、“風宇”（空間天氣鏈式人工智能預報模型）等系列氣象預報模型相繼問世，部分核心指標達到國際先進水平。

其中，“風清”模型原創設計了神經狀態轉移架構網絡，其性能已躋身國際第一梯隊；“風雷”作為國內首個具有大氣物理方程約束的短臨預報業務模型，實現 3 小時預警提前量，雷達強回波預報技巧提升 25%，在多次強對流天氣過程中發揮了關鍵作用。

總的來說，依托“數值預報模式 + AI氣象大模型 + 預報員綜合研判”的協同機制，當前 24 小時城鎮天氣預報準確率可達 85% 左右，氣溫誤差控制在 1-2℃ 以內，為公眾出行提供了可靠保障。

為什么會覺得天氣預報不準？

極端天氣預警預報難在哪？

有人可能會疑惑，既然24 小時城鎮天氣預報準確率可達 85%，那為什么一遇到極端暴雨、超強臺風、突發龍卷風等災害性的極端天氣時，總感覺預警似乎是“慢半拍”，甚至“報不準”呢？

事實上，這并非人力可為或不可為的問題，而是極端天氣的發生機理、路徑等比常規天氣要復雜太多，模擬和觀測更是困難重重。接下來，我們可以從觀測、模式與機理三個層面來逐一分析。

1、觀測的“盲區”與“局限性”

許多極端天氣（如龍卷風、突發性強對流）具有空間尺度?。▋H數公里）、生命史短（從生成到消散不足一小時）的特點。

現有的全球觀測網絡在時空分辨率上存在局限，特別是高空觀測（探空氣球，一天 2 次，站點較為稀疏）難以實現全天候、無死角覆蓋。尤其在高原、山區，觀測站點稀疏，致使系統初生階段的捕捉與監測存在“盲區”。

2、預報模式的“分辨率”與“物理過程”瓶頸

盡管數值預報模式不斷進步，但全球模式的網格距通常仍在十公里量級，無法精確解析局地地形（如山谷、城市建筑群）的細微影響。區域高分辨率模式（1-3 公里）可部分改善這一問題，但對云微物理、對流觸發等關鍵過程的描述仍不夠精確。

3、極端天氣機理復雜，難以模擬

極端降水、冰雹、雷暴大風等強對流天氣，其發生發展涉及多尺度環流配合及復雜的地形-下墊面相互作用，機理極為復雜，模式對其的準確模擬和預報仍是世界性難題。

圖庫版權圖片，轉載使用可能引發版權糾紛

躋身國際先進！

我國極端天氣預警還有哪些難關要過？

“十五五”規劃綱要將提升極端天氣應對能力、加強氣象監測預報預警列為重點任務，既是對已有成績的肯定，也提出了更高標準的期待。

當前，我國極端天氣預報預警技術已整體達到“國際先進、部分領跑、核心技術自主可控”的水平，特別是在強對流短臨預警、臺風路徑預報和自主數值模式研發等關鍵領域，具備與國際頂尖機構（如ECMWF、NOAA）同臺競爭的實力。

在短臨預報（0-3 小時）領域，我國已實現“分鐘級監測、百米級模擬、AI智能外推”。以AI短臨模型“風雷”為代表，它利用深度學習直接分析雷達回波序列，3 分鐘內能生成未來 3 小時、逐 6 分鐘的預報產品。

相比傳統外推，它對強回波的預報技巧提升了約 25%，且能有效捕捉雷暴的新生和消散過程，將有效預警提前量拉長到了 1-3 小時。

與此同時，北京“睿圖-睿思”系統作為短臨預報領域的代表，實現了百米級、分鐘級的精細化預報，可逐 10 分鐘更新 0-6 小時的短臨降水預報，顯著提升了暴雨、強對流等極端天氣的預警精準度。

這些模式的協同發力，使我國具備了從 2-3 周延伸期預報到年尺度氣候預測的能力——可提前 2-3 周預測全國性重大天氣過程，提前 6 個月預測全球氣候異常事件，并提前一年發布氣候年景預測產品。下面以幾個常見的極端氣候為例，我們來看看具體成效：

暴雨、高溫、寒潮預報：智能網格天氣預報系統空間分辨率能精細至全國 5 公里、重點區域 1 公里，時間分辨率 1 小時，實現提前 3 至 7 天預報區域性暴雨、高溫、寒潮過程。

強對流預警：強對流天氣也就是我們常說的雷暴、冰雹、短時大風等突發天氣，現在這類天氣的預警能提前 48 分鐘發出，較“十三五”末的 38 分鐘提升 10 分鐘，為群眾避險轉移贏得寶貴時間。

臺風路徑預報：臺風24 小時路徑預報誤差最少至 58 公里左右，穩居全球前列，為沿海地區臺風防御精準部署提供了核心支撐。

可以說，現在的天氣預報不僅能告訴你“要下多大的雨”，更能提前告訴你“危險什么時候來”，讓我們有充足的時間去應對。

然而，成績之下也面臨著諸多挑戰和需要渡過的難關。

第一是，基于影響的復合型災害風險預警業務尚處起步階段，臺風、暴雨、風暴潮等多災種疊加的綜合性預警能力不足，氣象、水利、應急、交通等部門之間的數據壁壘亟待打通，跨領域協同攻關機制亟需完善。

第二是，氣象服務融入人性城市建設的深度仍有較大空間，社會公眾的防災減災意識和主動避險能力尚需進一步強化。

第三是，監測預警服務全業務鏈條的智能化水平還有待進一步提高，就是預警發布后，如何快速、精準地轉化為水庫調度、交通管制、停工停課等具體指令，這條“最后一公里”的傳導鏈條仍不夠順暢。突破這些難關，既需要持續的技術攻關，也呼喚制度創新和多部門協同的深度發力。

三個維度協同發力，

提升極端天氣預報預警能力

如果把極端天氣預警比作一場與“老天爺”的時間賽跑，那么觀測設備是“眼睛”，數值模式是“大腦”，而風險產品則是傳遞到手腳的“指令”。

當前，我們的“眼睛”還有盲區，“大腦”的運算精度仍需提升，“指令”傳達到具體行動的路徑也還不夠順暢。要破解這些難題，進一步提升預報預警技術，筆者認為應該從夯實觀測基礎、突破技術瓶頸和深化風險認知三個維度協同發力，讓整個鏈條環環緊扣。

1、補齊觀測短板

在觀測薄弱區域補充地面與垂直觀測設備建設，加密布設相控陣雷達、毫米波雷達、風廓線雷達，形成對強對流三維結構的分鐘級捕捉能力，同步推進高標準氣象站建設，加強新型多源稠密觀測產品的應用。

2、加強核心技術的關鍵攻關

迭代升級北京地區災害性天氣的多時間尺度數值預報核心技術和氣象災害風險預警技術。深化云微物理、對流觸發機制、地形效應等基礎研究，改進模式參數化方案。加強人工影響天氣的精準調控技術研發，探索“防雹增雨”等減災實踐。

3、從“預報天氣”到“預報風險”

研發基于影響的預報，不僅要報“雨量 300 毫米”，還要直接輸出“哪些小區會積水、水庫需不需要泄洪”的風險產品。

策劃制作

解讀專家丨拉薩 北京市氣象局高級工程師

審核丨魏科 中國科學院大氣物理研究所 研究員

策劃丨鐘艷平

責編丨鐘艷平