股票 
板块 
用户 
资讯 强降雨还没落下，预报员靠什么提前锁定落区？
7月11日凌晨，成都西部，局地强对流天气发展增强。2时，在四川省气象台业务平台上，“蜀智”人工智能（AI）短临预报模型给出提示：对流回波将进一步增强，预计4时至5时，崇州、大邑一带将出现小时雨强40至50毫米的短时强降水。
这条提示可信吗？落区要不要订正？值班预报员熊燕琳结合雷达回波、地面观测等资料，对强降水落区、起止时段进行精细化订正，及时更新发布短临预报。
这场强对流天气的研判，折射出四川气象预报预警业务正在发生的变化：AI正逐步成为预报员捕捉天气变化、研判灾害风险的得力助手。
四川地处青藏高原东缘，高原、山地、盆地交错，强对流天气突发性强、局地性明显，山洪、泥石流等次生灾害风险高。如何精准判断强降水落区，为基层防灾避险争取更多时间，是气象预报预警面临的一道现实难题。
今年以来，四川省气象局按照中国气象局AI气象应用工作部署，坚持国家级模型应用与本地自主研发并重，搭建多灾种模型体系，推动AI深度融入监测、预报、预警全链条。
识山川之势，让智能模型更懂复杂地形
一团对流云经过山地时，受地形抬升、局地环流等因素影响，可能迅速发展。传统雷达回波外推方法能够捕捉已有回波的移动趋势，却难以准确预判对流的突然生消和强度变化。
如何让模型不仅识别云雨，还能认识山川？2025年11月，四川自主研发的“蜀智”AI短临预报模型V1.0上线。在2026年汛前，V2.0版本投入应用。
研发团队将地形强迫抬升等物理机制嵌入模型训练逻辑，让模型在识别云雨变化的同时，进一步学习复杂地形对强对流发展的影响。“让模型在看回波的同时‘感知’脚下的山，懂得地形怎么抬升气流、怎么改变对流路径，山区预报才能报得准。”模型研发负责人罗辉介绍。
目前，“蜀智”模型每6分钟滚动更新一次预报，提供未来0至3小时、空间分辨率1公里的精细化预报产品。
迭代升级的“蜀智”人工智能短临预报模型有力支撑汛期短临预报预警服务 供图：四川省气象局
模型好不好，实战见分晓。
在7月10日区域暴雨过程中，“蜀智”模型提前30分钟预报出多个离散强降水中心，为乐山市马边彝族自治县发布暴雨红色预警信号提供支撑，助力当地组织4814名群众安全转移避险。
四川省气象局还坚持“边开发、边应用、边评估、边完善”。今年6月至8月批量检验显示，在35dBZ、40dBZ强回波阈值下，“蜀智”模型部分时效CSI评分（临界成功指数，用于评估天气预报分类准确性）较“风雷”和SWAN回波外推产品提升10%以上，虚警率下降5%以上，在120至180分钟较长时效预报中展现出优势。
自主研发并非另起炉灶。依托“蜀智天气”一体化平台，“风雷”“风清”“风顺”等国家级人工智能模型深度嵌入四川本地预报业务流程。针对“风雷”模型在川西高原部分强降水过程中量级估计偏高等问题，研发人员引入地形耦合动态匹配算法开展本地化订正；同时，发挥“风清”模型大尺度天气形势预报优势，推动AI与传统预报方法融合应用。
国家级模型提供技术支撑，本地研发聚焦区域难题。从“用上模型”到“用好模型”，四川正在探索复杂地形短临预报的数智化新路径。
蜀智一体化平台上线各市州推优评分模块，助力预报决策。供图：四川省气象局
察毫厘之变，让智能预警贯通业务链条
模型算得准，预警就一定能发得早吗？
其实不然。整个业务流程还涉及到预报员研判、制作预警指导产品、发布预警等各个环节的协同配合。四川省气象局借助人机协同，算法快速识别、辅助研判，预报员综合分析、订正把关，让预报预警既有速度，也有精度。
8月21日夜间，马边彝族自治县再次遭遇局地极端暴雨，12小时累计降水量达216.8毫米，最大小时雨强69.6毫米。
面对局地性、突发性明显的强降水，短期模式预报出现偏差，短临跟踪监测成为关键。强降水来临前，“蜀智天气”一体化平台上的客观预警指导产品捕捉到风险信号，提前37分钟提示当地发布暴雨橙色预警信号。
省气象台预报员康译持续跟踪雷达回波变化，发现强降水回波在马边一带持续维持，立即结合外推产品和实时观测开展研判，并与市县气象部门联系。“这一带回波还在加强，短时雨强可能继续增大，建议重点关注预警升级。”
图为星地融合产品支撑
2026年8月21日马边强降水过程短临预警。供图：四川省气象局
21日20时54分，省气象台当班预报员根据“蜀智”短临外推降水预报结论，提前37分钟电话提示马边发布预警。
21时23分，马边发布暴雨橙色预警信号；22日0时39分，继续维持橙色预警；2时44分，升级发布暴雨红色预警信号。
37分钟背后，是一整条预警业务链条的协同提速。
依托“蜀智天气”一体化平台，四川省气象局对六类22种短临算法产品开展统一检验评估，择优使用预报效果较好的产品；完善“1天—3小时—1小时”递进式推优链路，融合国家级“智警达”客观预警指导产品，推动短时强降水、雷暴大风等预警指导向县级精细化落区延伸。
与此同时，实况通报、短临监测预警、流域雨水情分析等气象智能体陆续上线，逐步形成“算法预判—智能研判—自动告警”一体化智能预警体系。
“以前值班最忙的时候，要不停切换系统、截图、整理文字、发通报。现在很多基础信息可以自动生成，我们能把更多精力放在天气本身。”省气象台预报员陈婷说。
从“人找信息”到“信息主动提示”，从“单一模型指导”到“多模型智能推优”，AI正在改变短临预警业务方式。
谋未然之策，让智能成果转化为避险实效
预报预警能力提升，最终要看能否让群众更早避开危险。
7月26日，九寨沟景区遭遇强降雨，引发山洪泥石流，部分道路受阻。“蜀智”风险模型提前2小时给出周边山洪沟涨水趋势预警，为景区风险研判、人员疏散和避险处置提供参考，景区最终实现游客安全撤离、无人员伤亡。
四川气象部门整合气象观测、地形地貌、地质灾害隐患等数据，探索“一地一策、一灾一模型”的精细化风险研判路径。目前，已归集14类2100个专题图层，校正4000余条山洪沟流域参数，针对滑坡、崩塌、泥石流等不同灾种开展差异化风险评估，地质灾害预警模型测试精度持续提升。
7月30日，广元市青川县姚渡镇遭遇极端强降雨，局地小时雨强达到156.3毫米。气象部门持续开展递进式预报预警服务，在滑坡发生前约1小时，当地受威胁群众已安全转移。
8月2日夜间，泸州市古蔺县金兰街道遭遇强降雨。当地气象部门及时发布预警，开展“叫应”，助力1266名群众避险。
8月2日，泸州古蔺应急救援队伍与志愿者转移群众。 拍摄：陈洪兴
从精准研判到及时预警，再到基层转移避险，气象科技创新成果正在防灾减灾一线发挥作用。今年汛期，四川数智化气象预报服务助力地质灾害避险24起、山洪避险52起，避免1111人因灾伤亡，6个案例入选全国气象防灾减灾优秀典型案例。
8月2日，古蔺县气象台值班人员王志芳与重大天气应急值班人员徐荣溢发布预警信号，并“叫应”重点乡镇（街道）。拍摄：赖雨
此外，四川省气象局还联合雄安气象人工智能创新研究院、宜宾市政府共建四川人工智能气象应用实验室，联合成都信息工程大学打造多源融合高质量气象数据集，推动科研攻关与业务应用紧密衔接。
当前，四川气象部门正持续推进国家级模型本地化适配和“蜀智”系列模型迭代升级，加快AI向监测预报预警全业务链条深度融入。
作者：赵欣 徐洋 曹萍萍
编辑：文科 贾静淅
发布：卜钰
审核：段昊书
转载时请务必注明出处。
评论 (0)