科大研發AI模型 可提前4小時預測暴雨等危險天氣

極端天氣愈趨頻繁，準確而及時的預警成為城市防災關鍵。香港科技大學研究團隊今日（28日）表示，團隊近期取得突破性進展，成功研發可提前長達4小時預警強對流風暴的人工智能（AI）模型，能有效預測「黑色暴雨」、雷暴及突發性強降雨等危險天氣。

此項技術是科大與多個國家級氣象機構共同合作開發，並利用衛星數據及先進的深度擴散技術進行分析。研究顯示，模型能在48平方公里的空間尺度下，將預報準確率提升超過15%，有望增強氣象預報系統的整體精準度。研究成果已發表於國際權威期刊《美國國家科學院院刊》（PNAS），論文題為〈利用衛星數據驅動的深度擴散模型實現四小時對流預報〉。

研究團隊表示，近年多地接連遭受極端天氣侵襲。香港於去年夏季在短短八日內四度發出黑色暴雨警告，包括印尼峇里島、泰國南部等地亦因暴雨引發洪災，造成人命傷亡及重大經濟損失。而傳統天氣預報主要依賴數值模式及地面雷達觀測，易受地形、降水粒子特性等因素影響，對於發展迅速、尺度細小的對流系統，預警時間往往僅提前20分鐘至兩小時，此短暫的預警時間難以提早部署應變措施。

為解決上述限制，研究團隊開發出「基於衛星數據的深度擴散模型」（DDMS），運用生成式AI的深度學習架構，透過在訓練過程中加入噪音，提升模型反向生成高品質預報資訊的能力。團隊以中國風雲四號衛星於2018至2021年的紅外亮溫數據進行訓練，並結合氣象專業知識，以精準捕捉對流雲系的時空演變特徵，並以2022至2023年春夏季數據驗證模型表現。

結果顯示，該AI系統不但能提前四小時預測雷暴發展，還可提供每15分鐘更新一次的高頻率預報，覆蓋範圍達約2,000萬平方公里，包括中國、韓國及東南亞地區。在2至4小時的關鍵預報時窗內，準確率提升介乎3%至16%，平均提升8.26%，且在多種空間尺度（4公里至48公里）和不同季節下均表現穩定。

研究團隊的蘇慧教授表示:「系統的算法日後可適用於不同的衛星數據，未來能擴大覆蓋範圍，協助更多國家和地區應對日益嚴峻的氣候挑戰。同時，系統具備商業化潛力，能為能源、保險等行業提供更精準的風險預測，協助企業及早評估極端天氣可能帶來的影響，提升整體應變能力。」@