7月11日2时，四川省气象台依旧灯火通明。

在短临预报业务平台上，一组最新滚动更新的数据引起了当晚值班预报员熊燕琳的注意。人工智能模型“蜀智V2”显示，成都崇州、大邑一带的对流回波仍将持续发展，11日4时至5时可能出现每小时40毫米至50毫米短时强降水。接收到模型率先发出的风险信号后，熊燕琳迅速调取雷达回波、卫星云图、自动气象站等多源观测资料，结合天气演变和区域地形，对模型结果逐项检验、人工订正，进一步细化强降水核心区域和影响时段。一份短临预报产品随即生成，并推送至相关地区，为更新预警、组织防汛避险争取了宝贵时间。

7月10日至12日，四川遭遇今年汛期的强降雨天气过程。这次过程属于典型的弱强迫暖区暴雨，降水局地性强、短时雨强大，落区、发生时段和极端强度都存在较大不确定性。面对这场“难琢磨”的暴雨，四川气象部门依托立体观测网络、人工智能模型和一体化预警平台，不断把预警向暴雨发生前推进，让科技成果加快转化为防灾减灾能力。

看得更早

立体监测捕捉暴雨信号

对于气象预报而言，准确预报的前提，是尽早发现风险。

此次强降雨过程中，四川气象部门构建立体观测网络：新一代天气雷达负责大范围扫描，实时掌握降水系统整体演变；X波段天气雷达发挥低空补盲、精细扫描优势，对强对流内部结构进行连续观测；卫星、双偏振雷达等多源资料同步参与分析，形成“大小搭配、高低互补、高时空分辨率”的协同观测体系。

天气最强时段，雷达回波快速增强，卫星监测到对流云团迅速扩张，自动气象站显示局地雨强持续攀升。综合各类监测资料，预报员判断，盆地西部受地形抬升和偏东风共同影响，对流云团持续新生、合并发展，局地暴雨风险明显增加。

从看见天气到发现风险，多源观测不断提高强对流天气的识别能力，也为后续预报争取了更多提前量。

算得更准

人工智能与预报员协同研判

发现风险只是第一步，更难的是预测风险。

参与此次天气过程研判的首席预报员龙柯吉介绍，暖区暴雨动力条件并不突出，却拥有充足水汽和极高能量，模式预报这类天气往往存在系统性偏弱的问题，最难把握的是极端雨强和局地落区。

针对这一难题，四川省气象台持续迭代升级“蜀智V2”人工智能模型，实现0至3小时逐6分钟滚动更新，对降水、雷暴大风、雷电等灾害天气开展智能预报。在此次过程中，模型提前约1小时锁定崇州、大邑一带强降水发展趋势，为预报员提供了重要参考。

当然，预报员不会只依赖人工智能。模型给出预测后，预报员仍需结合实时雷达、自动站、环境场以及本地天气特点，对模型结果进行综合分析和人工订正，进一步调整降水落区、影响时段和雨强等级，最终形成面向基层的短临预报产品。

“模型负责发现规律，预报员负责作出判断。”平台负责人罗辉说。在人工智能与专业经验相互印证、相互补充中，天气预报不断向更精准迈进。

跑得更快

预警信息直达防汛一线

预报最终要转化为防灾减灾能力，关键在于预警传递是否及时。

依托“蜀智”一体化短临监测预警平台，省气象局已将监测、预报、预警、发布等业务环节串联起来。达到设定阈值后，平台自动生成客观预警产品，预报人员同步开展人工订正，通过平台靶向推送市县气象部门，并开展电话“叫应”，提醒相关地区及时发布预警信号。从发现风险到形成短临产品、推送基层，再到开展“叫应”，全流程最快仅需10分钟。

此次强降雨过程，是四川新一代短临预警业务体系的一次“实战”检验，也进一步验证了“监测—预报—预警—发布”咬合式业务链条的效能。科技创新的价值不仅体现在算法更先进、模型更智能，更体现在关键时刻能够为群众避险多争取一分钟、为基层防灾多赢得一分主动。下一步，省气象局还将持续迭代智能预报模型，加强复杂地形和复杂天气条件下的预报预警能力建设，不断提升极端天气风险预警提前量。

（作者：赵欣 曹萍萍 徐洋 张武龙 周威 陈中钰 责任编辑：郭曼如）