透过「香港及珠江三角洲区域自动分区天气预报」网站或「我的天文台」应用程式，市民可随时随地获取未来一小时至九天的精细化定点自动天气预报，轻松掌握天气情况变化，方便规划活动行程。这套预报系统综合了多个全球数值天气模式（下称NWP模式）的预测。NWP模式会根据气象观测数据分析大气现时的状态，然后利用大气物理方程计算天气预报。然而，NWP模式直接输出的预报仍受很多因素限制^[1]，与实况观测值之间仍存在一定偏差。为提升预报的准确度并实现精细化定点预测，我们运用「模式后处理」方法，利用香港及珠江三角洲区域收集的实况观测数据，对NWP模式的直接输出进行修正，并依据各模式的过去表现设定权重，从而集合成自动分区天气预报产品。这套「客观集成预报」（Objective Consensus Forecast，简称OCF）能有效降低NWP模式的直接输出误差^[2]。

近年，人工智能天气模型（下称AI 模式）在气象预测领域 ^[3,4]表现亮眼，不仅在预报热带气旋路径方面表现出色，更能有效捕捉较大尺度环流系统所带来的天气变化，其表现较 NWP模式更具优势。目前，AI模式的空间分辨率普遍低于 NWP模式，将AI模式应用在本地化的定点天气预报又能否展现其优势呢？

为探讨这个问题，我们近期对AI模式，包括「欧洲中心人工智能电脑模式」（AIFS），以及「风乌」、「伏羲」和「盘古」等应用了上述模式后处理方法进行预报修正。综合以上四个模式的后处理预报表现，初步结果显示AI模式对未来九天香港天文台的每日最低气温预报的误差，较现行OCF降低了约百分之三至十六（图一）；而在每日最高气温预报方面，AI模式于未来第二至五天的预测误差平均减少约百分之十（图二），但之后AI模式的预测误差在比现行OCF稍为逊色，在第八和第九天的预测误差增加百分之十左右。

基于这些发现，我们将上述AI模式的后处理预报融合至现有的OCF系统中。如图一和图二所示，这套 「加强版OCF」 成功综合了NWP和AI模式预报的优势，提供更准确的每日最高及最低气温预测参考依据。在集合NWP和AI多个模式预报的过程中，模式后处理会通过按照各个NWP和AI模型预测的误差，从新调整各个模式预报在计算「加强版OCF」结果的比重，令到「加强版OCF」有效地将表现较好的NWP或 AI 模式在集合过程中突出其贡献。从图一和图二可见，「加强版OCF」对未来九天的每日最低气温预报误差平均减少约百分之十，同时每日最高气温的预报准确度也较现行OCF有所提升。

以2025年5月17日的预报为例，尽管春夏转换期间的气温颇受云量、降雨、风向风力等变化所影响，加强版OCF对香港天文台气温预测仍较现行OCF更接近实况观测（图三）。

需特别强调的是，无论是传统NWP或AI模式的直接预测甚至后处理产品，均无法完全取代预报员对各项天气要素的专业判断。主要原因如下：
-   复杂天气系统的实战经验：预报员凭藉对实况的掌握及过去案例知识的累积，可对热带气旋、强对流天气、地形效应等复杂天气进行有效的预报修正；
-   不确定性管理：AI 模式虽能处理大量数据，但对预报误差来源的解释能力仍相当有限；
-   即时决策调整：面对突发天气变化（如雷暴快速发展），预报员可结合最新观测数据，即时更新天气预测。

尽管如此，上述「加强版OCF」的初步研究成果将对开发新一代「香港及珠江三角洲区域自动分区天气预报」服务带来重要的参考价值，也为未来利用AI模式提供更准确的定点自动天气预报提供技术基础。