科大AI提前4小時預警黑雨
每15分鐘更新高頻預報 準確度提升逾15%
全球極端天氣日益頻繁，若能精準預警能更好保障市民安全。香港科技大學聯合國家級氣象科研單位，成功研發全球首個可提前4小時預測雷暴發展的人工智能系統，能預警危險的強對流風暴包括多次襲港的黑色暴雨及雷暴和突發性強降雨等。它以「衛星數據的深度擴散模型」（DDMS）為核心，融合生成式AI技術，利用風雲衛星高頻觀測數據，實現分辨率達48平方公里、約每15分鐘更新的高頻預報，準確度較現有模式提升逾15%，覆蓋範圍更廣至2,000萬平方公里，包括內地、韓國及東南亞等地。
科大沿海城市氣候韌性全國重點實驗室氣候變化與極端天氣方向科研主管蘇慧指出，對流天氣生成過程極為複雜，具有高度時空變化與區域特徵，傳統數值預報模式在25公里乘25公里範圍內難以捕捉細微動態，且多倚賴地面雷達，但雷達信號易受地形、降水粒子特性等干擾，且通常要待對流雲發展成熟後才能觀測到明顯變化，導致預警時效滯後，一般僅能提前20分鐘至兩小時預警，難以為政府與公眾爭取充分應變時間。
相比之下衛星觀測覆蓋面廣泛，能以每15分鐘的高頻率對指定區域持續監測，且能提供4至48公里的多種空間尺度，而在2至4小時的預報時窗中準確度尤為突出，在不同季節均表現穩定，能實現觀測無盲區。針對雷電及極端降水等「強對流天氣」，團隊期望藉持續而廣泛的衛星數據，提升氣候預警能力。
設初創公司推動技術轉化
目前該模型已開展應用測試，並與香港天文台展開合作，共享算法與數據資源，推動本地天氣預報業務中的應用。據介紹，系統算法未來可兼容不同衛星數據，進一步拓展覆蓋範圍，助力更多國家與地區應對嚴峻氣候挑戰。同時團隊已在科大成立初創公司，推動技術成果轉化，為保險、電網等領域提供定製化預報方案，助企業優化風險管理、減低極端天氣損失。未來將繼續深化與國家及本地氣象機構合作，促進研究成果落地，為社會各界提供更高效、精準的天氣預報服務。是次研究成果已刊登於《美國國家科學院院刊》。
