AI在气象服务中的应用

20XX/XX/XXAI在气象服务中的应用汇报人:XXXCONTENTS目录01

气象服务与AI技术融合的背景02

AI提升灾害天气预警能力03

国家级AI气象预报模型体系04

地方AI气象应用实践探索CONTENTS目录05

AI在气象服务中的创新应用场景06

AI气象技术的国际合作与推广07

AI与气象预报员的协同机制08

AI气象应用的挑战与未来展望气象服务与AI技术融合的背景01全球气候变暖趋势显著2023年全球平均温度创下有气象记录以来新高，我国也遭遇极端高温天气，气候变化已成为人类社会面临的严峻挑战。极端天气事件频发多发暴雨、干旱、热浪、台风等极端天气事件发生频率和强度增加，如2025年汛期我国降水总量大、暴雨强度强、超警河流多，对社会安全和经济发展构成严重威胁。传统气象预报面临瓶颈传统数值预报在面对强对流等突发天气时，存在计算慢、精度低、窗口期短等难题，对37℃以上极端高温预报存在明显冷偏差，对低温则存在降温幅度预报偏低的情况。气象服务需求持续升级在气候变化加剧背景下，社会对气象服务的精准性、时效性和应用广度要求不断提高，亟需借助新技术提升气象预报预警能力，以应对日益严峻的防灾减灾形势。全球气候变化与极端天气挑战传统气象预报的局限性分析计算效率低下，耗时较长传统数值预报运算一次通常需要两个多小时，难以满足对突发天气快速响应的需求。预报精度有限，尤其对极端天气传统模式对37℃以上极端高温预报存在明显冷偏差，低温预报降温幅度也偏低，且对小尺度、突发性强对流天气捕捉能力不足。预警提前量不足，窗口期短在强对流等突发天气预警方面，传统方法提前量有限，例如江苏省2024年强对流预警平均提前量仅为46分钟，难以抢出充足的防灾减灾时间。数据处理能力受限，多源融合困难面对卫星、雷达、地面观测站等海量多源异构数据，传统方法难以高效整合与深度挖掘，导致信息利用不充分，影响预报准确性。AI技术赋能气象服务的必然性

01应对极端天气频发的现实需求在全球气候变化加剧背景下，极端天气事件（如强对流、暴雨、高温）发生频率和强度显著增加，传统预报技术面临巨大挑战，亟需AI提升预警能力以保障人民生命财产安全。

02海量气象数据处理的技术驱动气象观测已形成“空天地海”一体化网络，产生海量多源异构数据，AI凭借深度学习和分布式计算能力，可高效处理并从中提取关键特征，突破传统数据处理瓶颈。

03传统气象预报模式的固有局限传统数值预报依赖物理方程求解，存在计算慢（如一次运算需2小时以上）、精度有限（对小尺度、突发性天气捕捉不足）、更新频次低等问题，AI可有效弥补这些短板。

04社会经济发展对精细化气象服务的迫切要求农业、能源、交通等行业对气象服务的精准度、时效性和个性化需求日益提升，AI能提供更高分辨率（如1公里）、更短更新周期（如10分钟级）的定制化预报产品。AI提升灾害天气预警能力02延长预警窗口：更早发现灾害信号

海量数据快速处理，捕捉微弱前兆AI能快速处理来自地面自动站、多普勒雷达、风云卫星等多源观测数据，从中提取关键特征，捕捉传统方法难以识别的灾害天气微弱信号。

短临预报推演效率大幅提升以江苏省“风掣”AI模型为例，仅用两分钟就能完成一次0-12小时的短临预报推演，远快于传统数值预报所需的两小时以上。

预警提前量显著增加2025年，江苏省强对流预警平均提前量从2024年的46分钟提升至53分钟；上海强对流预通报平均提前4小时20分钟；湖南强对流预警提前量延长至45分钟。

典型案例：苏南地区强对流精准预警2025年9月8日，“风掣”模型提前6小时预警苏南地区午后将有组织化发展的强对流天气，准确预报出如东龙卷和南京江宁12级雷暴大风，传统预报仅显示为阴有阵雨。提升预报精度：减少"狼来了"效应AI模型预报精度显著提升

AI模型通过持续学习优化，预报精度较传统模式提升明显。例如，江苏省研发的“风掣”AI模型，其预报精度较传统模式提升了22%。三维立体结构精准刻画

AI模型能像给风暴做“全身CT”一样，用0-2小时三维临近预报模型精准刻画地面至3000米低空的立体结构，预判风暴移动路径和消散时间。多地预警准确率大幅提高

南京市强对流天气预警准确率已超过90.7%，暴雨预警准确率达93.1%；上海市2025年的暴雨预警准确率也达到了89.7%。极端天气冷偏差有效改善

中央气象台基于LightGBM等机器学习方法研发的AI客观预报技术，对于37℃+、39℃+和41℃+高温预报冷偏差均有明显改善，普遍减小至1℃以内。全链条智能化，大幅压缩处理时间江苏省“灵云”强对流预警智能体实现从监测识别、智能研判到预警生成、分级推送的全链条智能化，将传统人工约10分钟的处理流程压缩至1分钟。精准分级推送，直达基层责任人AI智能体可根据影响范围，将预警信号自动分级、精准推送至乡镇、社区、企业及一线责任人，缩短省市县气象部门信息联动传递时间。提前应急战备，赢得宝贵准备时间在2025年江苏9次重大致灾强对流过程中，“灵云”智能体5次成功预报对流初生，平均提前5.4小时发出提醒，让基层得以提前进入应急战备状态。压缩处理流程：实现更快响应速度典型案例：江苏"风掣"与"灵云"系统应用

"风掣"AI模型：提升短临预报效率与精度江苏研发的"风掣"AI模型，融合全省2600多个地面自动站、多普勒雷达、风云卫星等多源观测数据，仅用两分钟就能完成一次0-12小时的短临预报推演，预报精度较传统模式提升22%。

"风掣"模型实战：提前捕捉强对流信号2025年9月8日，"风掣"模型提前6小时预警苏南地区午后将有组织化发展的强对流天气，准确预报出如东弱龙卷和南京江宁12级雷暴大风，江苏省强对流预警平均提前量从2024年的46分钟提升至53分钟。

"灵云"智能体：实现预警全流程自动化江苏省"灵云"强对流预警智能体以"风掣"模型为数据源，将监测识别、智能研判到预警生成、分级推送的传统人工10分钟处理流程压缩至1分钟，2025年江苏9次重大致灾强对流过程中，5次成功提前5.4小时预报对流初生。

"灵云"智能体：精准推送与基层应急支撑"灵云"智能体能根据影响范围自动分级推送预警至乡镇、社区、企业及一线责任人。2025年8月12日苏州突发橙色强对流风暴时，1分钟内完成全链条处理，大幅压缩信息联动传递时间，让基层提前进入应急战备状态。国家级AI气象预报模型体系03高效运算与全球覆盖能力风清模型是全自主知识产权的人工智能全球短中期预报系统，可在3分钟内完成未来15天逐6小时全球天气的预报，实现业务化部署并向全国推广。预报精度与关键要素优势该模型能精准捕捉台风、暴雨等灾害天气，输出13层高空要素与11类地面要素预报，全球有效预报时效超10.5天，极端天气与关键要素预报精度对标国际领先水平。业务应用与辅助决策价值在2025年江淮流域梅雨锋暴雨预报中，风清模型提前给出雨带稳定维持的精准意见，为预报员订正模式预报提供有效信息，广泛应用于防灾减灾、光伏风电调度、航空保障等场景。全球中短期预报系统"风清"模型临近预报系统"风雷"模型应用

核心功能与技术特点由国家气象中心和清华大学联合研发，主要应用于强对流天气临灾预警时段，可实现全国范围1公里分辨率的未来3小时、逐10分钟的回波降水格点预报。

业务化应用表现在业务实践中，可提前1个小时给出飑线形态的预测，成为预报极端大风的重要依据。2025年汛期多次北京强对流过程中，均取得较好预报效果，强回波预报质量相比传统方法提升超25%。

推理效率与更新频次实现观测资料驱动的端到端推理，推理时间仅5-10秒，支持10分钟级高频更新，为快速响应突发强对流天气提供有力支撑。全球次季节—季节预测系统"风顺"模型

模型概述与核心能力"风顺"是中国气象局首个人工智能全球次季节—季节预测系统，由中国气象局联合复旦大学、上海科学智能研究院研发，已实现业务化稳定运行一年多，性能达到国际先进水平。

关键预报性能特点具备覆盖全球的预报能力，每日可提供包含100个集合成员的60天预测产品；在关键气候模态预测性能上达到国际先进水平，对大气季节内振荡的有效预测能力可达32天；在极端天气预测中表现亮眼。

汛期应用成效2025年汛期，"风顺"对我国主雨带的实时预测效果较好，提前捕捉到"南海夏季风暴发将偏晚"的关键信号，为汛期预测提供科学指导；在6月16日至7月2日造成洞庭湖大堤溃口的持续性降水过程中，提前预报出长江中下游地区降水异常偏多的特点。千亿参数语言模型，智能交互新窗口"风和"是面向气象服务领域的千亿参数语言模型，作为连接海量气象数据与用户的重要"智能交互窗口"，可应用于灾害预警、交通运输、旅游出行等场景。精准识别用户意图，提升服务精准性重点创新团队正在研发具备用户意图精准识别、行业影响智能研判、气象信息智能检索、服务内容按需生成的大模型，通过人机交互方式，提升气象服务的精准性和个性化能力。支持多场景查询，满足多样化需求公众可以问它："五一假期我想去三清山旅游，沿途天气怎么样？"风力发电场的工作人员也能问它："明天风电场风力多大？"气象服务大语言模型"风和"创新地方AI气象应用实践探索04上海"雨师""扶摇"模型技术突破单击此处添加正文

抑制AI模型"幻觉"：确定式+概率式级联方案针对AI模型在小样本场景下易出现的虚警问题，上海气象团队提出创新方案。确定式模型锁定中大尺度降水趋势，概率式模型捕捉小尺度极端波动，形成双重保险机制，有效驯服AI的"致命幻觉"。聚焦极端天气：自适应权重机制强化异常学习为解决神经网络对极端天气这一"噪声"关注不足的问题，团队在代码中嵌入"自适应权重机制"，使模型主动关注历史案例中的异常点，将极端天气案例转化为训练的"黄金样本"。雨师模型：物理约束提升强对流落区预测雨师模型首次将三维连续性方程嵌入神经网络以模拟大气垂直运动，并设计"物理约束层"强制模型学习雷达回波立体结构。经百次迭代，实现清晰的强对流落区预测，推理时间仅5-10秒。扶摇模型：多源数据融合实现高频更新扶摇模型聚焦多源数据融合，通过自回归建模搭建Nowcastformer架构，同步"翻译"雷达、卫星、数值预报等多源信息，将预报更新频次从逐1小时提升至逐10分钟级，支持高频更新。广东"珠玑·雨燕"短临预报系统

多源数据融合技术系统融合全省多源探测数据与高分辨率数值模式，整合雷达、卫星等观测信息，为精准预报提供丰富数据支撑。

高频滚动更新机制实时生成并逐6分钟滚动更新预报产品，确保对雷暴大风、短时强降水及龙卷等强对流天气的监测预报快速响应。

0-3小时精准预报能力聚焦0-3小时短临预报，为公众和防灾减灾部门提供精细化的强对流天气发生时间、地点和强度等关键信息。

AI气象预报领域新突破"珠玑·雨燕"系统的推出，标志着广东在AI气象预报领域取得新突破，提升了短临预报预警服务水平。深圳AI"三剑客"升级与服务创新AI"三剑客"技术升级2026年，深圳对"智霁2.0"、"智瞳"和"阿福"进行关键性技术升级。"智霁"发展强降水预测增强技术，改进台风强度预报算法；"智瞳"优化多源数据融合与物理机理技术，改进海上强对流预测算法；"阿福"集成国省语料库，推进小智能体模块研发。公众气象服务创新推出"鹏城互动式穿衣指数"，分人群提供穿衣建议，采用八级精细体感温度划分；新增"人体舒适度指数"，为运动提供参考；联合市疾控中心发布未来7天流感气象风险等级预报；拓展观星地点，形成多地联动发布机制。决策与行业服务优化面向防灾部门，升级暴雨概率预报，新增70毫米和100毫米阈值，推出风险预警智能问答服务及一键生成极端强降雨风险报告；为电力部门定制气象实况与快速预报产品；开设网格员气象知识专项课程，提升基层服务能力。陕西高精度风速客观预报模型应用

模型研发背景与目标陕西省气象台引入先进人工智能技术，针对华山西峰太华索道运行安全等需求，成功研发高精度风速客观预报模型，旨在提升复杂地形下风速预报的精准度与服务针对性。

模型核心技术与优势该模型依托深厚气象数据和人工智能算力，通过多源数据融合与智能算法优化，能够精准捕捉复杂山地环境下的风速变化特征，为索道等重点行业提供精细化风速预报支持。

典型应用场景与价值模型主要服务于华山西峰太华索道运行安全，通过提供高精度的风速预报，助力索道运营方提前做好安全防护与调度决策，有效降低气象灾害对索道运行的风险，保障游客安全与运营稳定。AI在气象服务中的创新应用场景05极端高温与低温预报技术优化传统数值预报的局限目前数值预报对气温的总体预报效果较好，但对于37℃以上极端高温的预报存在明显的冷偏差，对于低温则存在降温幅度预报偏低的情况。AI技术提升极端高温预报精度中央气象台基于LightGBM等机器学习方法，针对大城市极端高温研发客观预报技术。在2023年华北中东部、黄淮北部、江南东部的大面积高温事件中，AI客观预报方法对于37℃+、39℃+和41℃+高温预报冷偏差均有明显改善，普遍减小至1℃以内。AI助力低温预报准确性AI技术同样应用于极端低温预报，通过对历史低温数据和相关气象要素的学习，有效改善了传统数值预报中低温降温幅度预报偏低的问题，为寒冷天气相关的防灾减灾工作提供了更可靠的预警信息。降水相态预报技术突破人工智能技术的研发应用，有效提升了雨雪相态预报的准确率和精细化程度，在复杂天气过程中为防灾减灾提供了重要支撑。积雪深度网格预报进展AI赋能的积雪深度网格预报技术，能够更精准地预测新增积雪深度，为交通、电力等行业应对冰雪灾害提供了关键参考。业务化应用成效显著降水相态和积雪深度AI预报技术在2025年2月份的两次雨雪冰冻天气过程中实现成功应用，展现了其在实际业务中的价值。降水相态与积雪深度精准预报小尺度风的精密监测与预报突破01小尺度风监测的技术挑战复杂地形（如山地）中的小尺度风具有突发性强、空间变化快的特点，传统监测手段难以捕捉其精细结构，为北京冬奥会等重大活动的气象保障带来难题。02AI驱动的小尺度风监测技术冬奥气象科技团队以智能预报网格技术为基石，针对赛区特殊环境升级技术，成功研发基于极端气温和大风的客观预报技术，实现对复杂山地小尺度风的精密监测。03全国大风预报技术的AI优化中央气象台立足AI应用，结合地形高程信息、风速日变化特征及数值预报模式不同高度共16个预报因子，持续优化形成全国大风预报技术，相关风速网格预报和大风概率预报产品即将投入业务使用。04地方AI风速模型的应用成效陕西省气象台引入先进AI技术，成功研发高精度风速客观预报模型，针对性服务华山西峰太华索道运行安全，提升了特定场景下小尺度风预报的精准性。台风路径与强度预报AI耦合模式

物理与数据双轮驱动的技术创新南海台风数值预报AI耦合模式(TRAMS-AICV1.0)创新性地将AI大模型深度嵌入传统数值模式，数值模式基于大气动力与物理方程提供物理一致性约束，AI则从海量历史数据中学习进行动态偏差订正，实现预报精度与物理一致性平衡。

显著提升的台风预报精度经验证，TRAMS-AICV1.0在72小时台风路径预报误差下降25%，120小时误差大幅下降45%；强度预报能力同样显著提升，为台风防灾减灾提供了更精准的科学依据。

台风风雨等级预报的突破新一代纯数据驱动模型率先实现了公里级降尺度预报，在近期台风中风雨等级预报准确率均超50%，进一步提升了台风影响评估的精细化水平。

业务化应用与未来展望该模式已于2026年3月正式投入业务试运行，未来将持续优化算法，提升对复杂台风系统的模拟能力，为台风监测预警和应急决策提供更强有力的技术支撑。公众气象服务智能交互与个性化推送单击此处添加正文

人工智能气象服务大语言模型：智能交互窗口中国气象局公共气象服务中心研发的人工智能气象服务系统“风和”，是面向气象服务领域的千亿参数语言模型，作为连接海量气象数据与用户的重要“智能交互窗口”，可应用于灾害预警、交通运输、旅游出行等场景，能精准识别用户意图、智能研判行业影响、检索气象信息、按需生成服务内容。数字人气象服务：提升服务亲和力与科普效果北京市气象局联合门头沟区发布的首位气象AI人“灵西”，是按照高级工程师真人形象量身定制的“数字分身”，将在天气预报、气象防灾减灾、气象科普等方面提供科技支撑，以更直观和亲和的方式服务公众。互动式穿衣指数：从“我想给你”到“你需要什么”深圳市气象局在“深圳天气”APP创新推出“鹏城互动式穿衣指数”服务，针对不同年龄、性别、体质人群提供专属穿着指引，结合气温、湿度、风力等要素，采用八级精细体感温度划分，精准匹配衣物材质与穿搭款式，实现气象服务从“我想给你什么”向“你需要什么”的转变，上线仅一个月访问量接近百万人次。基于定位的精准预警与场景化服务推送气象服务正从“人找信息”转向“信息找人”，借助人工智能技术，可基于用户定位推送灾害提醒和避险指引。如上海“MAZU-Urban”智能体的手机端能直达公众，深圳市气象局还新增“人体舒适度指数”，为市民运动提供参考，并联合市疾控中心发布流感气象风险等级预报，实现多场景化、个性化服务。AI气象技术的国际合作与推广06"妈祖"全民早期预警方案全球应用方案核心架构与技术支撑围绕"全民早期预警"四大支柱，构建全流程智能支撑体系。融合国际标准、中国实践及目标国家或地区预警准则建立AI知识对数据库；集成风云卫星、WMO全球交换资料及多源AI气象预报模型提升监测预报能力。创新应用模式与本地化适配采用"三端一体"架构：一体机端作为智慧中枢服务专业决策，平板端聚焦港航等重点行业，手机端直达公众推送避险指引。针对澳门、蒙古等地需求，研发分角色、分灾种防灾减灾指南工作流提示词，动态生成贴合本地实际的防御方案。国际应用成果与覆盖范围已在亚洲、非洲及大洋洲35个国家和地区试用并广受好评。中国气象局推出的早期预警中国方案"妈祖"已在巴基斯坦、埃塞俄比亚等国家实现落地部署与实时应用，以开源共享理念织就"气象丝路"。全球防灾减灾贡献与合作深化AI智能气象预报应用示范项目将核心AI模型集成至"妈祖"平台，计划在不少于6个共建"一带一路"国家部署并稳定运行6个月以上，气象灾害预警覆盖人口预计达到1000万，助力弥合"气象鸿沟"。一带一路AI智能气象预报应用示范

项目目标与合作机制该项目由中国气象局地球系统数值预报中心牵头，联合9家国内单位及蒙古国、埃塞俄比亚等5个共建"一带一路"国家气象部门共同实施，旨在构建物理与数据双驱动的短临—中期—次季节无缝隙智能气象预报系统，推动合作模式从技术输出向联合研发与能力建设并重转变。

核心技术与本地化适配计划研发5个核心AI模型，涵盖多圈层观测智能融合、智能短临预报、区域降尺度等关键领域。同时研制智能气象预报一体机，可灵活适配不同国家的基础设施，并建立本地化适配机制，以满足共建国家的实际需求。

预期成果与社会价值项目计划在不少于6个国家部署并稳定运行6个月以上，气象灾害预警覆盖人口预计达到1000万，并建立联合实验室，助力合作国家打造本土气象科技能力。核心AI模型将集成至"妈祖"（MAZU）方案中的气象早期预警业务平台，为全球防灾减灾贡献中国智慧。全球应用覆盖MAZU-Urban智能体已在亚洲、非洲及大洋洲35个国家和地区试用，为全球防灾减灾贡献中国智慧。核心技术支撑融合国际标准、中国实践及目标国家预警准则建立AI知识对数据库；集成风云卫星、WMO全球交换资料及多源AI气象预报模型，提升复杂天气识别解析能力。本地化防御方案针对澳门、蒙古等地实际需求，研发分角色、分灾种的防灾减灾指南工作流提示词，引导大语言模型动态生成贴合本地实际的防御方案。三端一体架构设计一体机端作为智慧中枢服务专业决策，平板端聚焦港航等重点行业提供定制化评估，手机端直达公众推送灾害提醒和避险指引。MAZU-Urban智能体海外落地实践AI与气象预报员的协同机制07AI作为预报员高效助手的定位弥补人力局限，提升处理效率AI凭借机器速度，快速处理海量数据，如传统数值预报需2小时以上，AI模型仅需十余分钟甚至更短时间完成运算，将二维平面预报升级为大气三维立体CT式预报，释放预报员处理数据的压力。拓展预报边界，提供决策支持AI通过数据深度挖掘，从繁杂数据中抓取灾害天气前兆信号，过滤无效干扰信息，为预报员提供更全面的预报参考，如提前捕捉到传统模式无法预判的隐匿强对流天气信号，辅助预报员做出更精准的判断。人机协同模式，坚持双轮驱动AI是气象预报预警提质增效的强大辅助工具，人类始终把握天气机理核心、预报研判方向与技术创新内核。所有预报判断、机理分析、模式误差订正仍需科研人员深挖大气物理原理、核验实时天气实况，形成“物理模式与人工智能”双轮驱动的协同预报体系。人机协同智慧预报模式构建

AI作为高效辅助工具的定位AI能够快速处理海量数据、提取关键特征、缩短运算时间，如传统数值预报需2小时以上，AI模型仅需十余分钟甚至数秒即可完成。它是气象预报预警提质增效的强大辅助，但不能独立完成机理创新与灾害研判决策。

预报员的核心决策与专业价值预报员负责把握天气机理核心、预报研判方向与技术创新内核，进行预报判断、机理分析、模式误差订正，深挖大气物理原理、核验实时天气实况、严谨复盘检验全过程，其专业经验和判断是不可替代的。

“物理模式与人工智能”双轮驱动坚持人机协同，以预报员为重点，数值模式、人工智能为左右臂膀。AI与物理模型融合，如南海台风数值预报AI耦合模式(TRAMS-AICV1.0)，数值模式提供物理约束，AI进行动态偏差订正，实现优势互补。

构建协同预报业务流程与机制AI辅助预报员梳理模型原理、复盘历史过程、归纳演变规律，预报员基于AI结果进行综合研判和决策。例如“AI预报智能体”辅助预报员完成全流程研判，同时预报员对AI输出结果进行核验与调整，形成高效协同的业务闭环。物理模式的基石作用传统数值预报模式基于大气动力与物理方程，提供物理一致性约束，是天气和气候预测的基础。如CMA-TRAMS南海台风模式，通过求解复杂数学方程模拟大气运动。AI模型的数据驱动优势AI模型从海量历史数据中学习，可快速处理多源观测数据，提取关键特征，实现预报偏差动态订正，显著提升计算效率与特定场景预报精度，如“风掣”模型2分钟完成短临预报推演。融合应用的创新实践“物理+数据”双轮驱动成为趋势，如南海台风数值预报AI耦合模式(TRAMS-AICV1.0)，将AI大模型深度嵌入传统数值模式