近期，多地频发的暴雨、大暴雨及雷电大风等极端天气现象，引发了公众对天气预报准确性及预测机制的关注。许多人好奇，数天后的天气情况是如何被预测出来的？为何有时感觉预报准确，有时却不尽如人意？我国在天气预警预报技术方面究竟处于何种水平？

针对这些疑问，北京市气象局高级工程师拉萨进行了详细阐述。

当前天气预报的生成过程

现代天气预报不再依赖于简单的“看天”经验，而是通过“数值预报模式 + AI气象大模型 + 预报员综合研判”的协同模式运作。

在未来 1 到 14 天的中短期预报时段内，预报员通常会综合分析多个数值模式的预测结果，最终形成天气预报结论。而对于 0 到 3 小时的短临预报，则更侧重于利用雷达、卫星、高密度自动站、风廓线等能够实现分钟级甚至秒级更新的多源观测数据。这些数据在夏季强对流天气的预报中尤为关键。

1. 数值天气预报（NWP） 数值天气预报是当前中短期预报的主要手段。其原理是将地球大气划分为密集的 3D 网格点，然后解算描述大气运动的物理方程组（包括流体力学和热力学方程），预测未来一段时间内各网格点的温度、气压、风速等参数的变化趋势，从而推算出未来 10 天的天气状况。 目前，全球数值模式的水平分辨率可达 10 公里左右，区域数值模式则能精细到 1 公里。北京市气象局近期还自主研发了具有“分钟级、百米级”分辨率的快速更新数值模式系统。

2. 人工智能气象大模型 AI 模型不直接求解复杂的物理方程，而是通过学习海量的历史气象数据（例如过去 40 年的全球数据），识别出天气变化的统计规律，例如“昨天的天气状况如何，明天通常会演变成何种情况”。 一旦训练完成，AI 模型能够以极快的速度进行预测（几分钟即可生成 10 天预报），并且在某些预报指标上已达到传统模式的水平。然而，AI 模型缺乏物理解释性，且可能存在“平滑效应”，导致极端天气值的预测有所削弱。 我国已逐步建立起一套自主研发的人工智能大模型体系，包括“风雷”（人工智能临近预报系统）、“风清”（人工智能全球中短期预报系统）、“风顺”（人工智能全球次季节—季节预测系统）以及“风宇”（空间天气链式人工智能预报模型）等系列模型，部分核心技术的性能已达到国际先进水平。 其中，“风清”模型采用了原创的神经状态转移架构网络，其性能跻身国际第一梯队。“风雷”模型作为国内首个引入大气物理方程约束的短临预报业务模型，能够实现 3 小时的预警提前量，并使雷达强回波预报技巧提升 25%，在多次强对流天气过程中发挥了重要作用。 总体而言，通过“数值预报模式 + AI气象大模型 + 预报员综合研判”的协同机制，目前 24 小时城镇天气预报的准确率可达 85% 左右，气温误差控制在 1-2℃ 之间，为公众出行提供了有效保障。

天气预报不准的原因及极端天气预报的挑战

尽管 24 小时城镇天气预报的准确率较高，但公众在面对极端暴雨、超强台风、突发龙卷风等灾害性天气时，仍可能感到预警“滞后”或“不准”。这并非技术能力问题，而是极端天气本身的发生机理、路径等更为复杂，给模拟和观测带来了巨大挑战。

1. 观测的局限性 许多极端天气，如龙卷风和突发性强对流，具有尺度小（仅数公里）、生命史短（从生成到消散不足一小时）的特点。现有全球观测网络在时间和空间分辨率上存在不足，特别是高空观测（如探空气球，一天仅两次，站点稀疏）难以实现全天候、无死角的覆盖。在高原和山区等地区，观测站点稀疏，使得对系统初生阶段的捕捉和监测存在“盲区”。

2. 预报模式的分辨率和物理过程瓶颈 尽管数值预报模式不断进步，但全球模式的网格距通常在十公里量级，难以精确解析局地地形（如山谷、城市建筑群）的细微影响。区域高分辨率模式（1-3 公里）在一定程度上改善了这一问题，但对云微物理、对流触发等关键过程的描述仍不够精确。

3. 极端天气机理复杂，模拟困难 极端降水、冰雹、雷暴大风等强对流天气的发生发展，涉及多尺度环流的配合以及复杂的地形与下垫面相互作用，其机理极为复杂。模式对这些现象的准确模拟和预报，仍是世界性的难题。

我国极端天气预警能力的进展与挑战

“十五五”规划纲要已将提升极端天气应对能力、加强气象监测预报预警列为重点任务，这既是对现有成就的肯定，也提出了更高的要求。

目前，我国极端天气预报预警技术整体上已达到“国际先进、部分领跑、核心技术自主可控”的水平。在强对流短临预警、台风路径预报以及自主数值模式研发等关键领域，我国已具备与 ECMWF、NOAA 等国际顶尖机构同台竞技的实力。

在短临预报（0-3 小时）领域，我国已实现“分钟级监测、百米级模拟、AI智能外推”。以 AI 短临模型“风雷”为例，它通过深度学习直接分析雷达回波序列，能在 3 分钟内生成未来 3 小时、逐 6 分钟的预报产品。相比传统外推方法，它对强回波的预报技巧提升了约 25%，并能有效捕捉雷暴的生成和消散过程，将有效预警提前量延长至 1-3 小时。

此外，北京的“睿图-睿思”系统在短临预报领域也取得了显著进展，实现了百米级、分钟级的精细化预报，可每 10 分钟更新一次 0-6 小时的短临降水预报，显著提高了暴雨、强对流等极端天气的预警精度。

这些模式的协同作用，使得我国在预报能力上实现了从 2-3 周延伸期预报到年尺度气候预测的跨越。具体而言，可提前 2-3 周预测全国性重大天气过程，提前 6 个月预测全球气候异常事件，并提前一年发布气候年景预测产品。例如：

• 暴雨、高温、寒潮预报： 智能网格天气预报系统在全国范围内的空间分辨率可达 5 公里，重点区域可达 1 公里，时间分辨率为 1 小时，可实现提前 3 至 7 天预报区域性暴雨、高温、寒潮过程。
• 强对流预警： 对于雷暴、冰雹、短时大风等突发性强对流天气，预警提前量已提升至平均 48 分钟（较“十三五”末的 38 分钟提升 10 分钟），为公众避险争取了宝贵时间。
• 台风路径预报： 台风 24 小时路径预报误差已缩小至 58 公里左右，居全球前列，为沿海地区台风防御提供了重要支撑。

当前的天气预报不仅能告知“将要下多大的雨”，更能提前告知“危险何时到来”，为应对争取了充足的时间。

然而，在取得显著成就的同时，也面临着诸多挑战：

1. 复合型灾害风险预警业务尚在起步阶段： 针对台风、暴雨、风暴潮等多灾种叠加的综合性预警能力有待加强。气象、水利、应急、交通等部门间的数据壁垒需要打通，跨领域协同攻关机制有待完善。
2. 气象服务融入韧性城市建设仍有提升空间： 社会公众的防灾减灾意识和主动避险能力需要进一步强化。
3. 监测预警服务全业务链条智能化水平有待提高： 预警信息发布后，如何快速、精准地转化为水库调度、交通管制、停工停课等具体指令的“最后一公里”传导链条仍不够顺畅。突破这些难关，既需要持续的技术攻关，也呼唤制度创新和多部门的深度协同。

协同发力，提升极端天气预报预警能力

将极端天气预警比作与“老天爷”赛跑，观测设备是“眼睛”，数值模式是“大脑”，风险产品则是传递到行动的“指令”。当前，在观测、运算精度和指令传导方面仍有提升空间。为解决这些问题，提升预报预警技术，建议从夯实观测基础、突破技术瓶颈和深化风险认知三个维度协同发力：

1. 弥补观测短板： 在观测薄弱区域增设地面和垂直观测设备，加密部署相控阵雷达、毫米波雷达、风廓线雷达，实现对强对流三维结构的分钟级捕捉。同时，推进高标准气象站建设，并加强新型多源稠密观测产品的应用。
2. 攻克核心技术： 迭代升级北京地区灾害性天气的多时间尺度数值预报核心技术和气象灾害风险预警技术。深化云微物理、对流触发机制、地形效应等基础研究，改进模式参数化方案。同时，加强人工影响天气的精准调控技术研发，探索“防雹增雨”等减灾实践。
3. 从“预报天气”转向“预报风险”： 研发基于影响的预报产品，不仅要预报“雨量 300 毫米”，更要直接输出“哪些区域可能出现积水、水库是否需要泄洪”等风险信息。