近期，极端天气事件频发，如暴雨、大暴雨及雷电大风等，这引发了公众对天气预报如何产生以及为何有时准确有时却不准确的疑问，同时也对我国天气预警预报的技术水平产生了好奇。

对此，北京市气象局高级工程师拉萨进行了解读。

当前天气预报的生成机制

现代天气预报不再依赖于传统的天气观测方法，而是融合了“数值预报模式 + AI气象大模型 + 预报员综合研判”的协同工作模式。

对于短期和中期预报（1至14天），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。而在短临预报（0至3小时）阶段，则更侧重于利用雷达、卫星、高密度自动站、风廓线等能够以分钟级甚至秒级更新的多源观测数据，尤其在夏季的强对流天气预报中，这些数据的作用至关重要。

1. 数值天气预报(NWP) 数值天气预报是当前中短期天气预报的主要手段。其原理是将地球大气划分成密集的立体网格，然后求解描述大气运动的物理方程组（包括流体力学和热力学），计算每个网格点上温度、气压、风速等在未来几分钟、几小时内的变化，从而逐步推算出未来10天的天气状况。 目前，全球数值模式的水平分辨率已达到约10公里，区域数值模式则能精细到1公里。北京市气象局近期还开发了分辨率达百米级别、能够快速更新的“分钟级”数值模式系统。

2. 人工智能气象大模型 AI模型不直接求解物理方程，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），掌握天气变化规律。 一旦训练完成，AI模型能以极快的速度（几分钟内即可生成10天预报），在某些预测指标上达到与传统模型相当的水平。然而，AI模型缺乏物理过程的解释性，且可能存在“平滑效应”，导致极端值的预测有所削弱。 中国已初步建立了基于国产人工智能大模型的系列预报系统，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至季节预测系统）以及“风宇”（空间天气链式人工智能预报模型）等。部分核心技术指标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，性能跻身国际前列。“风雷”模型是国内首个具备大气物理方程约束的短临预报业务模型，能够提前3小时发出预警，雷达强回波预报技巧提升了25%，并在多次强对流天气过程中发挥了关键作用。 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，当前24小时城镇天气预报的准确率可达85%左右，气温预报误差控制在1-2℃以内，为公众出行提供了可靠保障。

天气预报不准及极端天气预警难题分析

尽管24小时城镇天气预报准确率较高，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，仍会感觉预警“慢半拍”或“不准确”。这并非能力问题，而是极端天气的发生机理和路径更为复杂，模拟和观测难度极大。

1. 观测的局限性 许多极端天气，如龙卷风和突发性强对流，具有空间尺度小（仅数公里）且生命史短（不足一小时）的特点。现有的全球观测网络在时空分辨率上存在不足，尤其是高空观测（如探空气球，每天两次，站点稀疏）难以实现全天候、无死角覆盖。在高原和山区等地区，观测站点稀疏，使得系统初生阶段的捕捉和监测存在“盲区”。

2. 预报模式的分辨率与物理过程瓶颈 数值预报模式虽然不断进步，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）虽有改善，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，模拟难度大 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，准确模拟和预报至今仍是世界性的难题。

我国极端天气预警能力与未来挑战

“十五五”规划已将提升极端天气应对能力和加强气象监测预报预警列为重点任务。目前，我国极端天气预报预警技术整体已达到“国际先进、部分领跑、核心技术自主可控”的水平，特别是在强对流短临预警、台风路径预报以及自主数值模式研发等方面，已具备与国际顶尖机构（如ECMWF、NOAA）竞争的实力。

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，其强回波预报技巧提升约25%，并能有效捕捉雷暴的生成和消散过程，将预警提前量延长至1-3小时。

北京的“睿图-睿思”系统在短临预报领域也表现突出，实现了百米级、分钟级的精细化预报，可逐10分钟更新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准度。

这些模式的协同作用，使我国具备了从2-3周延伸期预报到年尺度气候预测的能力，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。具体而言：

• 暴雨、高温、寒潮预报： 智能网格天气预报系统空间分辨率精细至全国5公里、重点区域1公里，时间分辨率1小时，可提前3至7天预报区域性暴雨、高温、寒潮过程。
• 强对流预警： 雷暴、冰雹、短时大风等突发天气的预警时间已从“十三五”末的38分钟提升至48分钟，为公众避险转移争取了宝贵时间。
• 台风路径预报： 台风24小时路径预报误差最小可达58公里左右，位居全球前列，为沿海地区台风防御提供了精准支撑。

然而，在取得显著成就的同时，也面临着挑战：

• 复合型灾害风险预警业务尚处于起步阶段： 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，跨部门数据壁垒和协同攻关机制需要完善。
• 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有待进一步强化。
• 预警信息转化“最后一公里”不畅： 预警发布后，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，传导链条仍需优化。

提升极端天气预报预警能力的三个维度

将极端天气预警比作与时间的赛跑，观测设备是“眼睛”，数值模式是“大脑”，风险产品则是传递的“指令”。为提升预报预警技术，应从以下三个维度协同发力：

1. 夯实观测基础： 在观测薄弱区域增设地面和垂直观测设备，加密相控阵雷达、毫米波雷达、风廓线雷达等，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，加强新型多源稠密观测产品的应用。

2. 突破核心技术瓶颈： 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。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. 深化风险认知，从“预报天气”转向“预报风险”： 研发基于影响的预报，不仅预报“雨量300毫米”，更要直接输出“哪些小区会积水、水库是否需要泄洪”等风险产品。