近期，进入“七下八上”汛期以来，雷暴、大风频频刷屏网络，强对流天气似乎成为“日常”。中国气象局的数据显示，今年7月全国累计发生6次强对流过程。

由于持续时间短、突发性强，需要短时临近预报捕捉强对流天气的“瞬间密码”。短时临近预报是什么？它发挥了何种作用？国家气象中心强天气预报中心技术总师郑永光对此做了解读。

从“0”时刻开始的“天气侦探”

短时临近预报包括了我国天气预报业务中的两个部分，即短时预报和临近预报。一般来说，未来0至2小时的天气预报称为临近预报，2至12小时的预报称为短时预报。

郑永光介绍说，临近预报是从“0”时刻开始的，即对当下实况天气进行监测。我国位于东亚季风区，冷暖、干湿空气交汇频繁，暖季对流系统活跃，经常产生短时强降水、冰雹、雷暴大风、龙卷风等强对流天气。短时预报与临近预报主要针对强对流天气开展，与更长时段的天气预报相比，准确性更高。

“短时临近预报通常是基于观测实况，如雷达、卫星、自动气象站等多源观测资料，再结合数值预报和人工智能等技术方法，制作的区域更精细、更高分辨率的天气预报。”郑永光说。

过去，临近预报技术以外推预报方法为主。简单地说，就是通过计算对流系统历史移动路径，预报接下来哪些区域可能受到影响。目前，基于传统机器学习和深度学习算法的预报方法已广泛应用到临近预报技术当中。

而短时预报则是以快速更新的高分辨率数值（集合）预报为基础，与天气监测产品相结合开展。但是，由于短时预报对象的尺度小、发展迅速，数值预报会存在空报漏报情况。因此，预报员仍需在高分辨率数值（集合）预报基础上，根据现有天气监测情况进行分析和调整，完成短时预报。

“三大挑战”亟需突破

短时临近预报是“一场与时间的赛跑”，目前仍然是全球气象学界亟待突破的难题之一，面临着三大挑战：监测难、研判难、预报难。

“即便是美国这种拥有丰富历史资料和数据的发达国家，在面对龙卷风等天气时，短时临近预报的空报率也居高不下，高达七成以上，即每发出10次龙卷风预报预警时，其中便有7次并未发生。”郑永光表示。

对流性天气系统形成机理复杂，发生时常常出现“十里不同天”的状况。另外，强对流等天气过程在时间上的突发性也为准确预报带来了挑战，预报研判容易产生偏差。

郑永光指出，尽管我们已经拥有了精密的现代气象观测网络，但雷达、卫星、自动气象站等观测手段难以精确捕捉和模拟强对流天气过程产生的地形、边界层条件、水汽输送等，加上观测资料在时间和空间上分辨率仍然有限，各种观测手段也存在自身局限，难以实现全覆盖。

比如，静止气象卫星监测处于“俯视”状态，只能“看到”系统上表面的情况；雷达系统虽然能够“近身”观测，但也存在探测盲区、远距离信号衰减等问题。

“目前，我们还未完全掌握中小尺度天气系统的复杂物理机制，只是部分了解，加上探测难度较大，也进一步加大了研判难度。”郑永光说。

大模型应对核心难题

数值预报的可用预报天数每提高1天，平均需要花费10年。而在短时临近预报领域，能提前多久准确报出强对流天气，甚至要以分钟来计算。

我国强对流天气预报的发展最早可以追溯到20世纪五六十年代，来源于最迫切的民生需求，那就是如何减少冰雹对农业生产的影响。1998年起，新一代天气雷达在全国各地陆续建成，为全面开展强对流天气的短时临近预报预警工作奠定了观测基础。

2017年以来，国家气象中心陆续实施了多个重点研发专项，积极发展强对流天气的监测、短时和临近预报技术。

目前，中国气象局已研发完成短时临近预报业务系统（SWAN3.0），该系统集成了双偏振雷达、X波段雷达、卫星、自动气象站等多源精细观测资料，研发了智能识别和应用深度学习的短时临近预报等算法，并在国、省、市、县四级气象部门实现共享和落地应用，成为气象部门尤其是基层气象台站防范应对强对流天气的一个必备工具。

今年6月，中国气象局于发布人工智能临近预报系统“风雷”，该模型产品已经集成到了SWAN3.0。

郑永光表示，“风雷”模型针对短临预报任务中的核心难题，将数据驱动与物理驱动两大科学范式紧密结合，显著提高了公里尺度下0至3小时雷达回波的预报能力，实现了深度学习与物理规律的无缝隙融合。

例如4月29日夜间，我国江南、华南地区出现大范围强对流天气。29日20时，“风雷”大模型准确预报出未来3小时位于湖南的飑线与局地对流合并，飑线尺度增加、强度增强的过程。这一预测不仅提前了3小时，还对该强飑线的组织、发展、形态均有较好的描绘，对预报员发布强对流灾害天气预警具有指导价值，为应对灾害性天气争取到宝贵时间。

“强对流天气的短时临近预报是一个国家气象综合实力的体现，从各种观测手段到数值预报，再到数据传输的信息化支撑，每一步环环相扣，缺一不可”。在郑永光看来，短时临近预报准确性的提升是一个持续的挑战，还需加强科技创新、多方协同，以更好地应对天气变化带来的影响。