近期，各地频繁遭遇暴雨、雷电及大风等极端天气，引发了公众对天气预报生成机制及准确性的好奇。北京市气象局高级工程师拉萨就此进行了详细解读。

天气预报的生成过程

当前的天气预报已非简单的“看天”作业，而是结合了“数值预报模式 + AI 气象大模型 + 预报员综合研判”的协同工作模式。

对于 1 至 14 天的短期和中期预报，预报员会综合分析多个数值模式的结果来做出判断。而对于 0 至 3 小时的短临预报，则更加依赖雷达、卫星、高密度自动站等分钟级甚至秒级更新的多源观测数据，尤其在预测夏季强对流天气中作用显著。

1. 数值预报模式 (NWP)：这是当前中短期预报的主力。它通过将大气划分为密集的三维网格点，求解描述大气运动的物理方程组（流体力学与热力学），预测未来天气变化。全球模式分辨率可达 10 公里，区域模式则可精细至 1 公里。北京市气象局已研发出“分钟级，百米级”的高分辨率快速更新数值模式系统。

2. AI 气象大模型：该模型不求解物理方程，而是通过学习海量历史气象数据（如过去 40 年的全球数据）中的统计规律来进行预测。一旦训练完成，预测速度极快，且在某些指标上已接近传统模式。然而，AI 模型缺乏物理解释性，可能存在“平滑效应”，削弱极端值。

   目前，中国已建立起国产人工智能大模型体系，包括“风雷”（临近预报）、“风清”（全球中短期预报）、“风顺”（全球次季节至季节预测）和“风宇”（空间天气预报）等系列模型，部分核心指标达到国际先进水平。其中，“风清”模型在性能上跻身国际第一梯队；“风雷”作为国内首个具备大气物理方程约束的短临预报模型，能提前 3 小时预警，强回波预报技巧提升 25%，在多次强对流天气中发挥了关键作用。

   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，目前 24 小时城镇天气预报准确率可达 85%，气温误差控制在 1-2℃。

天气预报不准的原因与极端天气预报的挑战

尽管 24 小时城镇天气预报准确率较高，但公众在面对极端天气时，常感到预警“慢半拍”或“不准”。这并非能力问题，而是极端天气本身的复杂性所致，模拟和观测都面临巨大挑战。

1. 观测的局限性：龙卷风、突发强对流等极端天气尺度小、生命史短。现有全球观测网络在时空分辨率上存在不足，特别是高空观测（如探空气球）难以实现全天候、无死角覆盖，尤其在高原、山区存在监测“盲区”。

2. 预报模式的分辨率与物理过程瓶颈：数值预报模式的网格距（通常为十公里量级）难以精确解析局地地形的细微影响。区域高分辨率模式虽然有所改善，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：强对流天气涉及多尺度环流配合及复杂的地形-下垫面相互作用，其机理极为复杂，准确模拟和预报是世界性难题。

中国极端天气预警的国际地位与未来挑战

我国极端天气预报预警技术已整体达到“国际先进、部分领跑”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方面具备国际竞争力。

在短临预报领域，我国已实现“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，其预报技巧提升约 25%，有效预警提前量延长至 1-3 小时。北京的“睿图-睿思”系统实现了百米级、分钟级精细化预报，显著提升了极端天气预警精准度。

这些模式的协同使我国具备了从 2-3 周延伸期预报到年尺度气候预测的能力。例如，暴雨、高温、寒潮预报可提前 3-7 天；强对流天气预警提前量增加至 48 分钟；台风 24 小时路径预报误差保持在全球前列。

然而，仍面临挑战：

1. 复合型灾害风险预警业务：多灾种叠加的综合预警能力不足，跨部门数据共享和协同攻关机制待完善。
2. 气象服务融入韧性城市建设：公众防灾减灾意识和主动避险能力需提升。
3. 预警信息传导“最后一公里”：预警转化为具体指令（如水库调度、交通管制）的传导链条不够顺畅。

提升极端天气预报预警能力的三个维度

为应对极端天气，需从三个维度协同发力：

1. 夯实观测基础：在观测薄弱区域加密地面和垂直观测设备，提升对强对流三维结构的分钟级捕捉能力。
2. 突破技术瓶颈：迭代升级数值预报和气象灾害风险预警核心技术，深化基础研究，改进模式参数化方案。
3. 深化风险认知：研发基于影响的预报，直接输出风险产品，而非仅预报天气现象。