人工智能在降雨臨近預報的發展與前瞻

2026年3月26日

李崇灝 梁家輝 黃偉健

隨著近年人工智能技術的快速發展，氣象服務領域無論從觀測、預測以至服務發展正經歷著前所未有的變革。同時，氣候變化加劇，近年極端天氣事件趨增，對於改進暴雨預測與預警，人工智能又如何發揮作用？

香港天文台（天文台）自90年代後期自行研發、並於1999年起運行「小渦旋」（Short-range Warning of Intense Rainstorms in Localized Systems，簡稱 SWIRLS）臨近預報系統，應對大雨和雷暴等惡劣天氣預測，以及支援暴雨警告系統的運作。「小渦旋」臨近預報的基本原理是利用前後兩張相隔六分鐘的雷達圖像，演算圖像上雷達回波的移動方向及速度，再根據計算結果外推未來數小時雨區的位置。外推法雖然能有效捕捉雨區移動趨勢，在較短的預測時間，如未來一至兩小時內的表現尚算良好，但此方法無法處理雨區生成或消散等變化，導致在較長時效的預測中，無論在雨區位置還是強度方面，表現仍有不小改進空間。

多年來，天文台的臨近預報團隊除了持續優化「小渦旋」的外推演算法外，亦一直與學術界保持緊密合作，掌握人工智能的最新發展。早在2015年及2017年，天文台與香港科技大學（科大）合作，率先在人工智能雨量臨近預報領域中，開發了兩個分別基於「卷積長短期記憶網路」（ConvLSTM）和「軌跡門控循環單元」（TrajGRU）的深度學習降雨臨近預報模型，後者更於2020年投入實時運行。在開發深度學習模型的過程中，天文台及科大團隊利用7年的香港天氣雷達圖像數據集訓練模型，讓模型能夠從過往不同降雨事件中學習雨區的演變規律，從而能比傳統的外推方法更準確地預測雨區的走向及強度變化。

在第一個深度學習降雨臨近預報模型投入運作後，天文台的臨近預報團隊並未止步，繼續與院校合作開發更先進的人工智能雨量臨近預報演算法，同時參考學術界發表的一些深度學習模型，利用天文台的雷達數據重新訓練，並對演算法進行調整及測試。目前，在天文台已有數個人工智能降雨臨近預報模型投入業務運行（圖一），支援天氣預報及警報服務。

天文台一直在氣象界帶領臨近預報技術發展。在2018年，世界氣象組織指定天文台為「臨近預報區域專業氣象中心」（Regional Specialized Meteorological Centre for Nowcasting，簡稱RSMC for Nowcasting），為東南亞國家提供臨近預報的培訓和技術支援。成為全球三所的「臨近預報區域專業氣象中心」之其中一所，是國際氣象界對天文台於臨近預報技術水平的肯定。

為提高掌握對暴雨和強對流系統更大範圍的演變情況，以提升臨近預報時效和準確度，天文台亦將人工智能的應用拓展至地球同步衛星數據；基於雷達臨近預報的相同概念，透過分析每十分鐘的衛星雲圖，追踪更大範圍的雲帶和強對流系統的移動，計算未來數小時雲團的位置與變化。然而，現時地球同步衛星提供的數據是描述雲團頂層的情況，譬如衛星可見光通道圖像提供的陽光反射率、以及從紅外光通道觀測的雲團頂層溫度，因此並不能直接測量雲團系統所帶來的雨量。對流雲團出現與降雨發展情況，要視乎眾多因素包括整個雲團的結構；而對流雲團的覆蓋範圍、移動和演變，與實際在地面的降雨情況，無論在位置、降雨量的強度與時間上的變化存在相當大差異，對流雲團的演變與地面的雨量實況往往沒有必然關係。

面對上述技術限制，天文台於是發展另一套機器學習演算法，利用過往的衛星圖像和天氣雷達反射率數據，將衛星多個可見光與紅外光的觀測通道圖像資料結合，得到「反演雷達反射率」數據，有助從衛星圖像獲得更為貼近天氣雷達所觀測的情況，包括對流的強度和降雨量。在雷達觀測缺乏的區域，譬如海洋，衛星的「反演雷達反射率」比單純從衛星雲圖提供了更實用的資料，以有效地監測強對流系統和暴雨的發展情況。

天文台亦再進一步利用衛星圖像反演雷達反射率數據作為訓練對象，開發了兩款人工智能衛星臨近預報模型（分別基於ResConvLSTM-GAN 及 Earthformer 演算法）。在2025年年底，天文台在「臨近預報區域專業氣象中心」的網站上推出了上述兩款基於衛星圖像的模型預報產品（圖二），這是全球首次為亞太區內氣象及水文部門提供針對未來長達8小時的強對流天氣的人工智能臨近預報產品。

近年世界各地不少大專院校和科研團隊均發表了新的深度學習臨近預報模型，可謂百花齊放。然而，由於不同人工智能模型所採用的觀測數據和模型設計各有特點，其表現也各不相同。當中亦有不少基於衛星圖像提供區域以至全球達未來數小時的雨量臨近預報。從上文的討論，採用衛星圖像的人工智能預報模型雖然覆蓋範圍較大，但氣象衛星所量度的雲頂溫度與地面的降雨不一定具有直接關係，加上衛星圖像的空間解像度比天氣雷達低，因此基於衛星圖像的人工智能預報模型在捕捉強對流和暴雨等中小尺度的天氣系統方面仍有一定局限性；而且香港地方細小，地形複雜，不同地區的降雨情況可在短時間內變化很大，暴雨和強對流系統發展極具隨機性，單靠氣象衛星雲圖訓練的人工智能模型預報暴雨仍有相當大的技術限制。因此，使用雲團頂層數據訓練的人工智能模型非但不能直接預測雨量，距離實現強對流天氣預警尚有十分長的路途要走。

從領先氣象界開發第一個深度學習雨量臨近預報模型，到2025年推出首批人工智能臨近預報產品供東南亞氣象及水文部門使用，香港天文台在臨近預報領域的人工智能應用已走過第一個十年。天文台不斷探索創新，致力於提升天氣服務的質素。儘管人工智能在天氣預報的應用仍面臨挑戰，但其在運算速度、大數據處理和預報準確度方面已有一定的優勢。隨著技術不斷成熟和新型觀測數據的應用，天文台會繼續發展和應用人工智能科技，並進行詳細測試及驗證，以改進對暴雨的預測，提高天文台對公眾的預警服務，以及更有效支援天氣預報員掌握暴雨演變和雨勢變化，加強對公眾的信息溝通。相信人工智能將在未來氣象預報領域發揮越來越重要的作用，為公眾、航空界及國際社會提供更精準、更及時的天氣預報服務。