近期，极端天气事件频发，如暴雨、雷电及大风等，这引发了公众对天气预报准确性的普遍好奇：数天后的天气状况是如何预测的？为何有时感觉预报不准？中国的气象预警预报技术水平究竟如何？

就这些问题，北京市气象局高级工程师拉萨进行了阐释。

日常天气预报的生成机制

现代天气预报已不再依赖于简单的“观云识天气”，而是通过“数值预报模式 + AI气象大模型 + 预报员综合判断”的协同工作流程来完成。

在短期和中期（1至14天）的预报时效内，预报员会综合分析不同数值模式的预测结果，最终形成天气预报结论。对于短时（0至3小时）的临近预报，则更加侧重于利用雷达、卫星、高密度自动站以及风廓线仪等能够分钟级甚至秒级更新的多源观测数据，这在夏季强对流天气的预报中尤为关键。

1. 数值天气预报（NWP） 数值预报模式是当前中短期预报的主要工具。其核心原理是将地球大气划分成密集的三个维度网格，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），计算未来一段时间内每个网格点的温度、气压、风速变化，从而预测未来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。北京市气象局近期还研发了具备“分钟级、百米级”高分辨率快速更新能力的数值模式系统。

2. 人工智能气象大模型 AI模型不直接求解复杂的物理方程，而是通过分析海量的历史气象数据（例如过去40年的全球数据），学习天气变化的统计规律。一旦训练完成，AI模型能够极快地完成预测（几分钟内可生成10天预报），在某些指标上甚至可以媲美传统模式。然而，AI模型缺乏物理过程的解释性，且可能存在“平滑效应”，导致极端值预测有所削弱。目前，中国已逐步建立起一系列基于国产人工智能大模型的预报系统，如“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—季节预测系统）以及“风宇”（空间天气链式人工智能预报模型），其中部分核心指标已达到国际先进水平。特别是“风清”模型，其原创的神经状态转移架构网络性能已跻身国际第一梯队；“风雷”模型作为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，强回波预报技巧提升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，当前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，为公众出行提供了有效的保障。

天气预报的局限性与极端天气预警的挑战

尽管24小时城镇天气预报准确率较高，但为何在面对极端暴雨、超强台风或突发龙卷风等灾害性天气时，公众会感觉预警“慢半拍”甚至“不准”？这并非能力问题，而是极端天气本身的发生机理和路径更为复杂，模拟和观测都面临巨大挑战。

1. 观测的“盲区”与“局限性” 龙卷风、突发性强对流等极端天气具有空间尺度小（仅数公里）和生命史短（不足一小时）的特点。现有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，一天两次，站点稀疏）难以实现全天候、无死角覆盖。尤其在高原和山区，观测站点稀少，导致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 尽管数值预报模式不断发展，但全球模式的网格距通常仍在十公里量级，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，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，涉及多尺度环流配合以及复杂的地形-下垫面相互作用，机理极其复杂，精确模拟和预报仍是全球性的难题。

中国极端天气预警能力达到国际先进水平，仍面临挑战

“十五五”规划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，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，在强对流短临预警、台风路径预报和自主数值模式研发等领域，已具备与ECMWF、NOAA等国际顶尖机构竞争的实力。

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，它能通过深度学习直接分析雷达回波序列，在3分钟内生成未来3小时、逐6分钟的预报产品。与传统外推方法相比，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。同时，北京的“睿图-睿思”系统实现了百米级、分钟级的精细化预报，可每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，可以提前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。例如，暴雨、高温、寒潮预报的智能网格天气预报系统能精细到全国5公里、重点区域1公里，时间分辨率1小时，提前3至7天预报区域性过程。强对流天气预警能提前48分钟发出，较“十三五”末提升10分钟。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。

然而，成绩之下仍存在挑战：

1. 基于影响的复合型灾害风险预警业务尚处起步阶段，多灾种叠加的综合预警能力不足，跨部门数据壁垒和协同攻关机制亟待完善。
2. 气象服务融入韧性城市建设的深度仍有提升空间，公众的防灾减灾意识和主动避险能力有待加强。
3. 监测预警服务全业务链条的智能化水平仍需提高，“最后一公里”的传导链条不够顺畅，预警信息转化为具体指令（如水库调度、交通管制）仍需改进。

提升极端天气预报预警能力的三大维度

要提升极端天气预报预警能力，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。

1. 补齐观测短板 在观测薄弱区域加密地面和垂直观测设备，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。同时，推进高标准气象站建设，加强新型多源稠密观测产品应用。

2. 加强核心技术的关键攻关 迭代升级灾害性天气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. 从“预报天气”到“预报风险” 研发基于影响的预报，不仅要预报“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”的风险产品。