人工智能在降雨临近预报的发展与前瞻

2026年3月26日

李崇灏 梁家辉 黄伟健

随著近年人工智能技术的快速发展，气象服务领域无论从观测、预测以至服务发展正经历著前所未有的变革。同时，气候变化加剧，近年极端天气事件趋增，对于改进暴雨预测与预警，人工智能又如何发挥作用？

香港天文台（天文台）自90年代后期自行研发、并于1999年起运行「小涡旋」（Short-range Warning of Intense Rainstorms in Localized Systems，简称SWIRLS）临近预报系统，应对大雨和雷暴等恶劣天气预测，以及支援暴雨警告系统的运作。「小涡旋」临近预报的基本原理是利用前后两张相隔六分钟的雷达图像，演算图像上雷达回波的移动方向及速度，再根据计算结果外推未来数小时雨区的位置。外推法虽然能有效捕捉雨区移动趋势，在较短的预测时间，如未来一至两小时内的表现尚算良好，但此方法无法处理雨区生成或消散等变化，导致在较长时效的预测中，无论在雨区位置还是强度方面，表现仍有不小改进空间。

多年来，天文台的临近预报团队除了持续优化「小涡旋」的外推演算法外，亦一直与学术界保持紧密合作，掌握人工智能的最新发展。早在2015年及2017年，天文台与香港科技大学（科大）合作，率先在人工智能雨量临近预报领域中，开发了两个分别基于「卷积长短期记忆网路」（ConvLSTM）和「轨迹门控循环单元」（TrajGRU）的深度学习降雨临近预报模型，后者更于2020年投入实时运行。在开发深度学习模型的过程中，天文台及科大团队利用7年的香港天气雷达图像数据集训练模型，让模型能够从过往不同降雨事件中学习雨区的演变规律，从而能比传统的外推方法更准确地预测雨区的走向及强度变化。

在第一个深度学习降雨临近预报模型投入运作后，天文台的临近预报团队并未止步，继续与院校合作开发更先进的人工智能雨量临近预报演算法，同时参考学术界发表的一些深度学习模型，利用天文台的雷达数据重新训练，并对演算法进行调整及测试。目前，在天文台已有好几个人工智能降雨临近预报模型投入业务运行（图一），支援天气预报及警报服务。

天文台一直在气象界带领临近预报技术发展。在2018年，世界气象组织指定天文台为「临近预报区域专业气象中心」（Regional Specialized Meteorological Centre for Nowcasting，简称RSMC for Nowcasting），为东南亚国家提供临近预报的培训和技术支援。成为全球三所的「临近预报区域专业气象中心」之其中一所，是国际气象界对天文台于临近预报技术水平的肯定。

为提高掌握对暴雨和强对流系统更大范围的演变情况，以提升临近预报时效和准确度，天文台亦将人工智能的应用拓展至地球同步卫星数据；基于雷达临近预报的相同概念，透过分析每十分钟的卫星云图，追踪更大范围的云带和强对流系统的移动，计算未来数小时云团的位置与变化。然而，现时地球同步卫星卫星提供的数据是描述云团顶层的情况，譬如卫星可见光通道图像提供的阳光反射率、以及从红外光通道观测的云团顶层温度，因此并不能直接测量云团系统所带来的雨量。对流云团出现与降雨发展情况，要视乎众多因素包括整个云团的结构；而对流云团的复盖范围、移动和演变，与实际在地面的降雨情况，无论在位置、降雨量的强度与时间上的变化存在相当大差异，对流云团的演变与地面的雨量实况往往没有必然关系。

面对上述技术限制，天文台于是发展另一套机器学习演算法，利用过往的卫星图像和天气雷达反射率数据，将卫星多个可见光与红外光的观测通道图像资料结合，得到「反演雷达反射率」数据，有助从卫星图像获得更为贴近天气雷达所观测的情况，包括对流的强度和降雨量。在雷达观测缺乏的区域，譬如海洋，卫星的「反演雷达反射率」比起单纯从卫星云图提供了更实用的资料，以有效地监测强对流系统和暴雨的发展情况。

天文台亦再进一步利用卫星图像反演雷达反射率数据作为训练对象，开发了两款人工智能卫星临近预报模型（分别基于ResConvLSTM-GAN及Earthformer演算法）。在2025年年底，天文台在「临近预报区域专业气象中心」的网站上推出了上述两款基于卫星图像的模型预报产品（图二），这是全球首次为亚太区内气象及水文部门提供针对未来长达8小时的强对流天气的人工智能临近预报产品。

近年世界各地不少大专院校和科研团队均发表了新的深度学习临近预报模型，可谓百花齐放。然而，由于不同人工智能模型所采用的观测数据和模型设计各有特点，其表现也各不相同。当中亦有不少基于卫星图像提供区域以至全球达未来数小时的雨量临近预报。从上文的讨论，采用卫星图像的人工智能预报模型虽然复盖范围较大，但气象卫星所量度的云顶温度与地面的降雨不一定具有直接关系，加上卫星图像的空间解像度比天气雷达低，因此基于卫星图像的人工智能预报模型在捕捉强对流和暴雨等中小尺度的天气系统方面仍有一定局限性；而且香港地方细小，地形复杂，不同地区的降雨情况可在短时间内变化很大，暴雨和强对流系统发展极具随机性，单靠气象卫星云图训练的人工智能模型预报暴雨仍有相当大的技术限制。因此，使用云团顶层数据训练的人工智能模型非但不能直接预测雨量，距离实现强对流天气预警尚有十分长的路途要走。

从领先气象界开发第一个深度学习雨量临近预报模型，到2025年推出首批人工智能临近预报产品供东南亚气象及水文部门使用，香港天文台在临近预报领域的人工智能应用已走过第一个十年。天文台不断探索创新，致力于提升天气服务的质素。尽管人工智能在天气预报的应用仍面临挑战，但其在运算速度、大数据处理和预报准确度方面已有一定的优势。随著技术不断成熟和新型观测数据的应用，天文台会继续发展和应用人工智能科技，并进行详细测试及验证，以改进对暴雨的预测，提高天文台对公众的预警服务，以及更有效支援天气预报员掌握暴雨演变和雨势变化，加强对公众的信息沟通。相信人工智能将在未来气象预报领域发挥越来越重要的作用，为公众、航空界及国际社会提供更精准、更及时的天气预报服务。