短时强降水、雷暴大风、冰雹、龙卷风等强对流天气，能在短时间内释放巨大的能量，摧毁树木、房屋，破坏公共交通、电力等设施，甚至造成人员伤亡。精准预报强对流天气，打出足够的预警提前量，对于防灾避险、保护人民生命财产安全具有重要意义。然而，强对流天气来去匆匆，发生、发展、消亡的全过程往往就在一两个小时之内，且空间尺度小，监测难度大，其精准预报是世界性难题之一。

国家气象中心牵头的团队瞄准强对流天气的预报挑战，通过自主创新和集成创新，深化对极端强降水、龙卷风和雷暴大风发生发展机理的认识，在此基础上综合应用雷达、卫星、闪电定位和自动站等多源观测资料及外推预报、机器学习与物理机理相结合等多种方法，发展具有对流生成预报能力的分类强对流天气精细化临近预报预警新技术，即“综合物理机理和深度学习的分类强对流天气临近预警技术”。

该新技术产品时空分辨率可以达到10分钟、1公里，能够显著提升临近预报性能，实现由单一资料、缺乏对流生消向物理规律和机器学习相结合、具有对流生消预报能力的转变。此项成果在中国气象局2023年度科技成果评价中获评“优秀”。

知己知彼，方能百战不殆。掌握强对流天气的科学机理是对其做出精准预报的前提。该团队从对极端强降水、雷暴大风和龙卷风机理的认识出发，揭示导致极端强降水的三类对流风暴及其强降水特点；发现边界层辐合触发飑线初始对流的增强机制，总结中国龙卷风研究进展，并揭示造成辽宁开原龙卷风发生的有利条件以及龙卷风消亡的机理……这些研究成果为分类强对流天气临近预报技术发展提供了理论基础。

在技术研发方面，该团队基于公里尺度高分辨率数值模式预报资料，发展综合应用物理机理和机器学习方法以及U-Net深度学习模型的对流生成预报技术。针对采用机器学习方法获得的临近预报产品极值偏小、模糊等问题，团队发展了基于隐空间条件生成模型的3D像素卷积循环网络模型、U2NetDD网络结构、应用对抗生成网络等技术，对机器学习模型进行了改进创新。在此基础上，团队综合不同的临近预报算法产品，形成基于历史统计特征和实况动态权重相结合以及小波变换的融合算法，有效集成不同临近算法的优势，使预报细节信息较深度学习产品更加清晰。

据悉，该技术算法已集成到中国气象局短临预报业务系统（SWAN）中，在中央气象台以及北京、河北、河南、青岛等省市气象部门开展测试和应用，并通过中国气象局业务内网实现全部门业务应用。

该项成果提升了强对流天气的临近预报能力和精细化水平，增强了国家气象中心在强对流预报方面的技术辐射力和影响力；与此同时，团队还通过参加东亚中尺度强对流系统和高影响天气国际会议、美国气象学会年会和雷达气象国际会议、欧洲临近预报会议等国际学术交流会议，推动该项科技成果走出国门，发挥国际影响力。

（作者：王晓凡 责任编辑：张林）