HKUST 的人工智慧（AI）突破將嚴重風暴的預警時間加倍

在氣象科學上的一大進展中，香港科技大學（HKUST）的研究人員公開了一種先進的人工智慧模型，能夠預測大雨和嚴重對流性天氣（severe convective weather）最多提前四小時。這項於週三公布的發展，有望把傳統預報方法提供的預警時間加倍，為在極端天氣事件中愈發受創的地區提供災害準備上的關鍵優勢。

該新系統稱為 衛星資料為基礎的深度擴散模型（Deep Diffusion Model，DDMS），它利用生成式AI（Generative AI）與高解析度衛星影像，克服地面雷達的限制。透過將準確風暴預警的領先時間從一般的20–120分鐘延長到完整的四小時，這項技術填補了城市安全協定中的一個重要缺口，可能在高密度沿海城市中拯救生命並減輕經濟損失。

DDMS 背後的科學：生成式AI 與氣象學的結合

這項創新的核心是對擴散模型（diffusion models）的應用——同一類推動熱門影像生成工具的生成式AI技術——到大氣這類複雜混沌系統的應用。由 HKUST 土木與環境工程系的 Professor Su Hui 領導的研究團隊，使用中國的 FengYun-4A 氣象衛星在2018年至2021年間收集的歷史紅外亮溫資料來訓練模型。

與模擬大氣物理且需要龐大計算資源的傳統數值天氣預報（Numerical Weather Prediction，NWP）模型不同，DDMS 的運作方式是學會辨識並逆轉天氣資料中的「雜訊」。團隊在訓練資料集中注入噪聲，教導 AI 從混亂的訊號重建清晰且準確的天氣圖樣。這種「逆向生成」過程使模型能以前所未有的速度與清晰度預測對流雲的演變，這些對流雲是雷暴與突發暴雨的前兆。

蘇教授強調，雖然地面雷達有效，但它常受距離與地球曲率的限制，無法在雲系還較遠或尚未充分發展時就偵測到雲層形成。相較之下，衛星資料則能提供整個地區的自上而下觀測。「我們希望利用 AI 與衛星資料改善極端天氣的預測，以便我們能更好地準備，」蘇教授在記者會上表示。

量化優勢：性能飛躍

DDMS 框架不僅更快；在關鍵的中期預報時段，它在統計上也更準確。使用2022年與2023年春夏季資料進行的驗證測試顯示，與現有運作方法相比，在大約48平方公里的局部區域預報準確度上提升了超過 15%。

該系統每15分鐘更新一次預報，提供數值模型難以匹敵的即時機動性。雖然傳統雷達系統在立即預報（0–2小時，稱為「nowcasting」）方面不可或缺，但由於風暴單元的快速演變，其可靠性在該時段之外顯著下降。DDMS 彌補了這一盲點，在2–4小時範圍內維持高保真度的預測。

Table: Comparison of Forecasting Technologies

應對氣候挑戰

這項技術的問世正值關鍵時刻。中國南部與香港在2025年經歷了創紀錄的一年，颱風與「黑色暴雨」警報的頻率前所未見。由於全球暖化所帶來的天氣型態波動增加，Climate Science（氣候科學）方面的共識使得過去的歷史平均值在預測未來事件時變得不那麼可靠。

迅速發展的雷暴，即所謂的嚴重對流性天氣，特別危險，因為它們可能迅速形成，使緊急服務幾乎沒有時間動員。透過提供四小時的緩衝，DDMS 允許更有序的疏散、更妥善的防洪部署，以及為航空與海運物流發出更及時的警示。

作業整合與未來展望

DDMS 的實際應用已在進行中。研究團隊與中國大陸的氣象主管機構合作開發該模型，中國氣象局與香港天文台目前也正努力將該系統整合到各自的運作預報流程中。

雖然目前的版本聚焦於華南地區，但模型的基礎架構具有可擴展性。研究人員相信，只要有足夠的衛星資料，DDMS 就可以調整為提供全球性的對流性天氣預報。這種可擴展性使得 AI 天氣預報 成為對於缺乏昂貴地面雷達基礎設施但能取得衛星資料的全球南方國家的一個可行解決方案。

該研究發表於 Proceedings of the National Academy of Sciences（PNAS），標誌著跨領域創新的成功實例，將電腦視覺技術與大氣科學結合。隨著模型持續從 FengYun-4A 衛星接收即時資料，其精準度預期將進一步提升，為天空提供一層新的數位防護。