当前，全球气候变化加剧，极端天气更为频繁；去年夏季，香港八天内四次发布黑色暴雨警告；东南亚多国也因暴雨洪涝遭受较大损失。然而，传统天气预报主要依赖数值模拟，受大气混沌性和观测条件限制，对雷暴、暴雨等强对流系统的预警往往只能提前20分钟至两小时，难以满足防灾减灾对更长提前量的需求。针对这个难题，香港科技大学沿海城市气候韧性全国重点实验室牵头，联合中国气象局热带海洋气象研究所、国家卫星气象中心及哈尔滨工业大学（深圳），历时多年研发，开发出基于卫星数据的深度扩散模型（DDMS）。该技术突破以往对地面雷达的依赖，利用风云四号卫星红外亮温数据捕捉云团演变信号，并结合生成式深度学习架构，实现对强对流天气更早的识别与更高精度的预测。研究显示，新模型在48平方公里分辨率下较现有系统准确率提升超过15%，覆盖中国、韩国及东南亚约2000万平方公里区域。其优势在关键预警时段（2至4小时）更为突出，平均精度提升8.26%，有效弥补传统短临预报的不足。团队负责人苏慧教授表示：“这一成果为气象部门提供了可直接应用的新工具，算法未来也可拓展到台风、寒潮等灾害预警。”该技术也具备较强的应用潜力。一上，模型可稳定输出高频率（15分钟/次）、多尺度（4-48公里）结果，有助于城市应急调度和基础设施防护；另一方面，开源策略有望带动更广范围的气象监测与预报能力升级。研究团队同时强调，技术落地需要与地方防灾体系衔接，“四小时预警窗口能为堤坝加固、人员转移争取时间，但相应的机制建设同样关键”，论文第一作者代快博士补充道。
强对流预警的价值，归根结底在于为生命安全和城市运行争取时间。面对极端天气趋于常态的风险，把卫星观测优势与新算法能力转化为可用、好用的业务工具，并通过跨机构协作提升预警发布与响应效率，是提升现代城市治理能力的重要一环。只有让预警更早、更准、更稳，才能把“看见风险”真正转化为“避开风险”的能力。