近期，多地遭受频繁的暴雨、大暴雨、雷电及大风等极端天气，此类气候事件的增多引起了公众对天气预报如何预测数天后的天气、为何有时准确有时不准以及我国天气预警预报技术水平的广泛关注和疑问。
北京市气象局高级工程师拉萨就这些问题进行了阐释。
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现象观察，而是通过“数值预报模式 + AI 气象大模型 + 预报员综合研判”的协同工作模式来完成。
在 1 至 14 天的中短期预报时效内，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。对于 0 至 3 小时的短临预报，则更多地依赖于雷达、卫星、高密度自动站、风廓线等能够分钟级甚至秒级更新的多源观测数据，尤其在预测夏季强对流天气时，这些数据的作用尤为关键。
数值预报模式 (NWP) 数值预报模式是当前中短期天气预报的主力军。其核心原理是将地球大气划分成密集的 3D 网格点，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方程），计算每个网格点上温度、气压、风速在未来几分钟、几小时内的变化，以此逐步推算出未来 10 天的天气状况。 目前，存在分辨率约为 10 公里的全球数值模式，以及分辨率精细到 1 公里的区域数值模式。北京市气象局最新研发的系统能够实现“分钟级、百米级”的高分辨率快速更新。
AI 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），掌握“昨日天气状况与明日天气状况之间的统计规律”。 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），在某些预测指标上甚至能与传统模式相媲美。然而，AI 模型缺乏物理解释性，并且在预测中可能存在“平滑效应”，导致极端值被削弱。 目前，中国已建立起一套基于国产人工智能大模型的系列系统，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，部分关键性能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，其性能已跻身国际第一梯队。“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，能够实现 3 小时的预警提前量，雷达强回波预报技巧提升了 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℃ 以内，为公众出行提供了可靠保障。
天气预报的局限性与极端天气预报的挑战
尽管 24 小时城镇天气预报的准确率已达到 85%，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，仍可能感觉预警“慢半拍”或“不准确”。这并非技术能力问题，而是极端天气的发生机理和路径极为复杂，模拟和观测都面临巨大挑战。
观测的“盲区”与“局限性” 许多极端天气（如龙卷风、突发性强对流）的空间尺度小（仅数公里），生命史短（从生成到消散不足一小时）。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，每天仅两次，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，导致系统初生阶段的捕捉和监测存在“盲区”。
预报模式的“分辨率”与“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仍在十公里量级，无法精确解析局地地形（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）虽能部分改善此问题，但对云微物理、对流触发等关键过程的描述仍不够精确。
极端天气机理复杂，难以模拟 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-下垫面相互作用，其机理极其复杂，准确模拟和预报至今仍是世界性难题。
中国极端天气预警能力的现状与未来挑战
“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，中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，尤其在强对流短临预警、台风路径预报和自主数值模式研发等关键领域，已具备与 ECMWF、NOAA 等国际顶尖机构同台竞争的能力。
在短临预报（0-3 小时）领域，中国已实现“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，该模型利用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新生和消散过程，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，显著提高了对暴雨、强对流等极端天气的预警精准度。 这些模式的协同作用，使中国具备了从 2-3 周延伸期预报到年尺度气候预测的能力，能够提前 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。
以几种常见极端气候为例，其预报成效显著：
- 暴雨、高温、寒潮预报：智能网格天气预报系统空间分辨率可达全国 5 公里、重点区域 1 公里，时间分辨率为 1 小时，能够提前 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、短时大风等突发天气，预警提前量已达到 48 分钟，较“十三五”末的 38 分钟提升了 10 分钟，为公众避险争取了宝贵时间。
- 台风路径预报：台风 24 小时路径预报误差最小可达 58 公里左右，处于全球领先水平，为沿海地区台风防御提供了关键支撑。 当前的天气预报不仅能告知降雨量级，更能提前预警危险发生时间，为公众应对争取充足时间。
然而，在取得成就的同时，也面临诸多挑战： 第一，基于影响的复合型灾害风险预警业务尚处于起步阶段，对于台风、暴雨、风暴潮等多灾种叠加的综合预警能力有待提升，跨部门（气象、水利、应急、交通等）数据壁垒亟需打破，协同攻关机制有待完善。 第二，气象服务融入韧性城市建设的深度仍需挖掘，社会公众的防灾减灾意识和主动避险能力有待进一步加强。 第三，监测预警服务全链条的智能化水平有待进一步提高，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，“最后一公里”的传导链条仍不够顺畅。突破这些难关，需要持续的技术攻关，也呼唤制度创新和多部门协同的深度发力。
提升极端天气预报预警能力的三个协同维度
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。要解决这些难题，进一步提高预报预警技术，需要从夯实观测基础、突破技术瓶颈和深化风险认知三个维度协同发力。
补齐观测短板 在观测薄弱区域，应补充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能力。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。
加强核心技术的关键攻关 需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。
从“预报天气”到“预报风险” 应研发基于影响的预报，不仅预测“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。
