2024年“数据要素×”大赛优秀项目案例集——气象服务案例之七 | 基于多源观测数据的强对流智能预报模型
《气象高质量发展纲要（2022—2035年）》明确指出要构建精准气象预报系统，2024年全国气象工作会议强调要进一步提升灾害性天气监测预警能力。然而，强对流天气预报历来是气象预报中的难点。中国气象科学研究院深度融合卫星、雷达、数值模式和气象大模型等多源数据，成功研发出融合先进AI技术的强对流智能预报模型，具备从风暴追踪到降水落区，从洪涝灾害到大风龙卷的全链条服务能力，有效挖掘释放了气象数据要素价值。
一是融合多源异构气象数据。项目数据来源于静止卫星数据、雷达数据、数值模式数据和大模型数据。静止卫星数据即FY-4A/B（风云四号A/B星）多通道观测数据，监测对流云团的演变和发展。雷达数据包括反射率、径向速度，用于识别风暴单体。数值模式数据为采用CMA-GFS（中国气象局全球同化预报系统）等数值模式的输出产品，分析大气环境条件和预报强对流天气发生的可能性。大模型数据即利用GraphCast（基于图神经网络的气象大模型）等模型提供的全球气象要素预报，以提高预报的准确性。
二是构建人工智能模型开展数据分析。构建深度学习模型，充分考虑多源异构数据特性，选择适用的人工智能框架以融合不同时序数据特征，预测强对流天气系统的发生发展趋势。使用数值模式，将CGCM模型（耦合大气—海洋—陆地通用环流模型）结果与水文模型相结合，通过动力降尺度的方式生成流域内水文信息，计算土壤湿度和径流，从而预测洪水。应用传统算法，结合卡尔曼滤波、面积重叠法等客观算法，对强对流云团进行识别和追踪。
三是通过流程控制保障数据安全与质量。静止卫星、雷达、数值模式等数据获中国气象局授权使用，气象大模型数据应用遵守相关数据许可协议。数据皆为加密存储并设置访问权限管控，防止数据泄露和未经授权的访问。此外，严格遵守数据质量控制流程，对静止卫星数据进行辐射定标、几何校正等预处理，并对云覆盖、数据缺失等情况进行质量评估；对雷达数据进行质量控制，去除地物杂波、识别和剔除异常回波；对数值模式和气象大模型数据，进行误差分析和定量评估，确保数据来源的准确性和可靠性。
四是应用数据辅助气象监测应用。开展强对流天气监测预警，基于多源数据融合技术，实现对强对流天气系统的实时监测和预警，提供风暴识别、追踪和发展趋势预测等服务，结合物理引导的模型，对雷暴大风、龙卷等灾害性天气进行精细化预测。进行灾害性天气落区预报，利用深度学习和机器学习方法，预测短时强降水、雷暴大风等灾害性天气的落区。实现水文气象预报，将模式预报结果与水文模型耦合，预测洪涝灾害风险。
五是采用“数据+服务”模式实现可持续发展。提供模块化、标准化的解决方案，通过深入了解不同行业、不同地区对气象信息的需求特点，采用“数据+服务”的模式，以提供定制化、高附加值的气象信息服务代替单纯提供预报产品的传统模式，实现可持续的商业发展。
冀公网安备13010202004105号