AI在应用气象技术中的应用

20XX/XX/XXAI在应用气象技术中的应用汇报人:XXXCONTENTS目录01

AI气象技术发展背景与战略定位02

AI气象核心技术体系构建03

全时效智能预报模型矩阵04

AI气象业务化应用机制创新CONTENTS目录05

防灾减灾与民生服务应用06

行业赋能与经济社会效益07

全球气象服务与国际合作08

挑战与未来发展展望AI气象技术发展背景与战略定位01模型性能与效率双提升AI模型在预测精度上持续突破，如谷歌GenCast模型在1300多个指标中约97%优于传统模型，微软“极光”模型不到一分钟可生成10天高精度预报。同时计算效率大幅提升，能耗显著降低，如英伟达CorrDiff模型计算速度提升22倍，能耗降低到1/3000。多模态融合与物理机制结合多源数据融合成为主流，如中国气象局示范计划提供雷达、卫星等多源数据支持模型训练，提升对细微气象变化的捕捉能力。物理与数据双驱动模式兴起，如日本理化学研究所将数值预报与AI结合，在相同准确度下，AI预报时间跨度是单纯数值预报的5倍。应用场景精细化与行业定制化从宏观预报向“百米级、分钟级”短临预报发展，如青岛实现100米×100米网格预报，深圳“智瞳”模型将强降水有效预报时间延长到3小时。针对农业、能源、交通等行业需求，提供定制化服务，如江苏风光功率预测模型助力发电效益增长近3倍，青岛为马拉松赛事提供逐路段逐小时预报。全球协作与技术普惠共享中国“妈祖”早期预警平台已在7个国家落地，为全球40多个国家提供云端服务，“风清”模型作为世界气象组织成果向全球开源。各国积极推动技术共享与联合研发，如中国推出“智能气象预报一体机”适配“一带一路”国家，助力弥合“气象鸿沟”。全球AI气象技术发展趋势我国气象AI发展战略布局

国家顶层设计与政策引领2026年政府工作报告提出深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用。《人工智能气象应用工作方案（2023—2030年）》为气象AI发展提供具体指引。

核心技术自主可控与协同创新形成“举国体制+产学研协同”研发格局，联合清华大学、复旦大学等组建4支重点创新团队，研发多套训练基准数据集，构建基础支撑平台，实现全国“一盘棋”协同生态。

国家级引领与地方特色化创新国家级层面，雄安气象人工智能创新研究院打造科技高地与人才中心，发布“风雷”“风清”“风顺”“风和”“风源”“风宇”等系列模型；地方气象部门因地制宜，研发如“风掣-苏州”等具有本地特色的模型。

全时效智能模型矩阵构建已形成覆盖短时临近（“风雷”模型：公里级、分钟级更新）、中短期（“风清”模型：0至15天全球预报）、次季节—季节（“风顺”模型：热带大气季节内振荡预测技巧达32天）的全时效智能模型集群。政策支持与技术创新体系国家战略引领与政策规划2026年政府工作报告明确提出深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用。《人工智能气象应用工作方案（2023—2030年）》为气象AI发展提供方向指引，《地球系统预报发展战略（2025—2035年）》规划数值预报与AI深度融合。国家级研发平台建设2021年中国气象局地球系统数值预报中心成立，奠定AI与数值预报融合基础。2024年雄安气象人工智能创新研究院成立，打造科技高地与人才中心，旨在建设国际一流的气象人工智能研发中心、气象早期预警国际合作中心和人才创新高地。产学研协同创新机制气象部门联合清华大学、复旦大学等高校组建4支重点创新团队，形成“举国体制+产学研协同”的研发格局。通过联合研发，如深圳市气象局与华为云联创研发“智霁”模型，共同攻克技术难题，推动成果转化。全时效智能模型集群研发中国气象局发布“风雷”“风清”“风顺”三大AI气象模型，梯度覆盖短时临近、短期天气预测及中长期气候趋势研判。地方气象部门因地制宜，如江苏研发“风掣”模型，青岛进行本地化二次开发，形成“国家级引领+地方特色化创新”的技术多点开花格局。AI气象核心技术体系构建02多源气象数据融合技术

01多源数据的构成与特点气象数据来源于卫星遥感、地面观测站、多普勒雷达、闪电定位仪、风廓线雷达等多种设备，形成"天-空-地"一体化数据体系，包含温度、湿度、风速、气压、云图等不同类型数据，具有多源性、异构性及时空复杂性。

02数据预处理与质量控制AI技术在数据清洗与预处理方面表现出色，可进行异常值检测与处理，如识别传感器故障导致的异常数据；通过插值或机器学习算法进行缺失值填充；采用滑动平均法平滑噪声，确保数据质量。

03多模态融合算法与应用多模态融合模型结合CNN处理图像、LSTM处理序列、Transformer捕捉全局关联，能融合卫星、雷达、地面观测等多源数据。例如，中国气象局示范计划为团队提供多源"食材"支持模型训练，天津将微气象站、风廓线雷达数据与30米分辨率地形数据融合，生成"杆塔级"气象档案。智能预报模型技术架构

多源数据融合技术整合卫星遥感、多普勒雷达、地面自动站、闪电定位仪等多源观测数据，构建"天-空-地"一体化数据体系，如江苏省"风掣"模型融合全省2600多个观测点数据，实现精准特征提取。

深度学习模型应用采用CNN捕捉气象图像空间特征，LSTM/GRU建模时间序列依赖，Transformer处理全局时空关联。如华为盘古气象大模型采用3DEST网络结构，预测速度较传统模式提升10000倍。

物理与数据双驱动机制融合深度学习数据挖掘能力与大气物理方程约束，避免"黑箱"缺陷。如中国研发的无缝隙智能预报系统，结合物理模式对大气过程的深刻理解与AI的精准预测，提升极端天气应对能力。

全时效模型矩阵构建形成覆盖短时临近（"风雷"模型：公里级、分钟级更新）、中短期（"风清"模型：全球25公里分辨率）、次季节—季节（"风顺"模型：32天热带大气季节内振荡预测）的智能模型集群。物理与数据双驱动融合方法纯数据驱动模型的局限性

纯数据驱动的AI模型有时像个"黑箱"，预测准但说不清原理，遇到罕见天气可能"失灵"，且在解释预测结果的具体过程方面存在不足。物理与数据双驱动的融合路径

前沿路径是"双驱动"：既用深度学习挖掘海量数据中的规律，又用传统的大气物理方程约束模型，让它符合基本科学原理，实现数据驱动与机理驱动的深度融合。双驱动模型的应用成效

加拿大环境部门推出的混合预报模型，融合AI的精准和物理模式对大气过程的深刻理解，将6天预报的准确率提升到了传统模式5天的水平。中国也在研发这类物理与数据双驱动的无缝隙智能预报系统。算力支撑与算法优化算力基础设施建设依托雄安气象人工智能创新研究院等平台，构建强大的气象AI算力支撑体系，为海量气象数据处理和复杂模型训练提供基础保障。多源数据融合技术整合卫星、雷达、地面观测等多源气象数据，如天津“杆塔级”气象服务融合微气象站、风廓线雷达及30米分辨率地形数据，提升数据利用效率与预测精度。物理与数据双驱动算法采用“物理机理+数据驱动”双轮驱动模式，将大气物理方程约束融入AI模型，如加拿大混合预报模型及中国研发的无缝隙智能预报系统，增强模型可解释性与可靠性。模型效率与精度提升AI模型显著提升运算效率，如“风清”模型几分钟完成传统数小时计算，GenCast8分钟完成15天预测；同时提高预报精度，如“风雷”强回波预报质量提升超25%，“风顺”对热带大气季节内振荡预测技巧达32天。全时效智能预报模型矩阵03短时临近预报模型："风雷"系统核心功能与技术特点"风雷"模型主打短时临近强降雨精准预报，实现公里级、分钟级更新，强回波预报质量提升超25%。业务化应用表现在2026年南方暴雨过程中，"风雷"成功预报12次极端短时强降水事件，命中率83%，将强对流预警提前量提升至53分钟。机制创新与协同作用在"31631"递进式服务机制中，"风雷"模型提前3小时开始逐6分钟更新预报，直至最后1小时指导基层精准发布临灾预警，成为预报员手中响应最快、最精准的"智能厨具"。服务民生与防灾减灾"风雷"模型将"午后局部有雷雨"的模糊预报，升级为"15分钟后您所在街道有强降雨，请及时躲避"的精准指引，把防灾关怀落到个体，为城市防汛、公众出行等提供关键支持。核心功能与技术特点"风清"模型聚焦3至10天全球短期天气预测，仅需几分钟即可完成过去需要数小时的计算过程，生成未来0至15天、逐6小时更新、25公里分辨率的全球预报产品。关键预报能力表现该模型对热带大气季节内振荡的预测技巧达32天，在强降水等关键要素的预报评分上已优于国际同类模型，是世界气象组织全民早期预警倡议成果并向全球开源。业务化应用与价值"风清"模型的中长期预报可指导农业生产助力粮食安全，对风速和太阳辐照的精准预测有助于提升新能源发电效率，服务"双碳"目标，其相关产品已在蒙古国、吉布提等国落地，支撑全球40多个国家"云"上应用。中期预报模型："风清"系统中长期气候趋势模型："风顺"系统

模型核心功能与技术特点"风顺"模型聚焦15天以上中长期气候趋势研判，是中国气象局发布的三款AI气象模型之一，实现全时段无缝隙气象智能预报。

关键预报能力与精度表现该模型对热带大气季节内振荡的预测技巧达32天，能为农业生产、能源调度等提供重要的中长期气候趋势指引。

业务化应用与协同作用作为"风雷"（短时临近）、"风清"（短期）模型的有效补充，"风顺"模型与其他智能模型共同构建覆盖全时效的智能模型矩阵，支撑气象业务化应用。专项服务模型："风和""风宇"应用01"风和"语言模型：智能气象服务新范式构建专属气象语料库及49万条场景化问答集，实现服务从"人找信息"到"信息找人"的转变，提升公众获取气象服务的便捷性和精准度。02"风宇"空间天气模型：填补预报空白填补空间天气智能预报空白，实现24小时全链式预报，为航天、通信等对空间天气敏感的领域提供重要保障。03本地化应用：赋能行业与民生如江苏省正推进"风和"大模型本地化应用，强化多源数据融合感知与智能决策能力，提升交通、能源等领域服务效能，助力经济社会高质量发展。AI气象业务化应用机制创新04"31631"递进式服务机制

机制创新：标准化业务融合流程本质是一套标准化的业务融合流程，为AI模型划定明确的“上岗”时间和任务，解决AI模型“怎么用”的问题，将新预报技术从研发到业务应用的周期缩短。提前3天：研判趋势（备菜阶段）国家气象中心利用AI模型研判天气“食材”的大致种类和到货时间，对未来天气趋势进行初步判断。提前1天：会商提示风险（定菜单）首席预报员结合AI结果，在全国会商中确定“主菜”（核心风险区），提示相关区域做好防范准备。提前6小时：发布预警并启动滚动预报（开火预热）启动AI驱动的滚动短时预报，动态锁定“灶台”（极端天气高发区），及时向社会发布预警信息。提前3小时：AI模型逐6分钟更新预报（精准烹饪）AI临近预报模型“风雷”开始逐6分钟调整“火候”，预测强降水落区和量级，提供更精细的临近预报。提前1小时：指导基层精准发布临灾预警（出锅上菜）AI实时分析数据，指导市县气象局“装盘”，将预警精准发布到镇街，打通防灾减灾“最后一公里”。人机协同：AI成预报员“智能厨具”AI不是取代预报员，而是成为他们手中响应最快、最精准的“智能厨具”，如江苏苏州将省级“风掣”模型本地化，形成“风掣-苏州”版本投入城市防汛业务。应用成效：广东云浮预警提前量达70分钟依托“31631”机制，广东云浮突发灾害性天气预警的平均提前量已达到70分钟，有效提升了防灾减灾能力。国家级引领与地方特色化创新01国家级顶层设计与战略布局我国气象人工智能发展历经长期积淀与精准布局。“十四五”初期启动智能预报技术攻关，2021年成立中国气象局地球系统数值预报中心，奠定人工智能与数值预报融合基础，形成“举国体制+产学研协同”研发格局。2023年出台《人工智能气象应用工作方案（2023—2030年）》，启动科技创新工程，联合高校组建重点创新团队，研发训练基准数据集，构建基础支撑平台，形成全国“一盘棋”协同生态。02国家级核心模型集群建设2024年6月，“风雷”“风清”“风顺”三大预报模型同期发布；2025年，“风和”“风源”“风宇”三个服务模型接连推出并投入业务使用，形成覆盖短时临近、中短期、次季节—季节全时效的智能模型矩阵。2026年，中国气象局发布的三款AI气象模型各司其职、梯度覆盖，“风雷”主打短时临近强降雨精准预报；“风清”聚焦3至10天全球短期天气预测；“风顺”强化15天以上中长期气候趋势研判，实现全时段无缝隙气象智能预报。03地方特色化模型研发与应用地方气象部门因地制宜，研发具有本地特色的模型。如江苏苏州，省级研发的“风掣”基础模型，经市级气象局用本地数据“调味”后，形成更适配本地的“风掣-苏州”版本，直接投入城市防汛业务。广东云浮依托相关机制，使突发灾害性天气预警平均提前量达到70分钟。青岛气象部门在引进先进预报技术同时，借助气象大模型力量，因地制宜开展本地化二次开发，在海雾、强降水、短临等方面研发专属“天气预报引擎”。04创新平台与区域协同发展2024年，雄安气象人工智能创新研究院成立，打造科技高地与人才中心。中国气象局紧抓雄安新区建设机遇，做强该研究院，夯实数据、算力和平台等基础支撑，建设国际一流的气象人工智能研发中心、气象早期预警国际合作中心和人才创新高地。“国家级引领+地方特色化创新”的格局让气象人工智能技术多点开花，协同推进全国气象AI应用发展。人机协同预报新范式

从“模式挑选者”到“决策把关人”传统预报员需花费大量时间比较甄别多种数值预报模式，如同在信息海洋中寻找航线。AI模型成为高效助手后，预报员得以从繁杂的模式挑选工作中解放出来，更专注于验证异常数据、解读复杂天气系统和进行决策把关，极大提升了工作效率和准确性。

AI模型矩阵：全时效智能支撑我国气象人工智能已形成覆盖短时临近、中短期、次季节—季节全时效的智能模型矩阵。例如，“风清”模型几分钟完成过去数小时计算，生成未来0至15天全球预报产品；“风雷”模型实现公里级、分钟级更新，强回波预报质量提升超25%；“风顺”模型对热带大气季节内振荡的预测技巧达32天。

“人工智能算力+人类经验”的协同新模式AI模型提供强大算力支持，快速处理和分析海量数据，生成初步预报结论；预报员则凭借丰富的经验和对大气物理原理的深刻理解，对AI结果进行核验、订正和决策。这种协同模式重塑了预报员工作日常，形成优势互补，共同提升预报预警的精准度与可靠性。防灾减灾与民生服务应用05极端天气精准预警案例

短时强降水与强对流预警2026年南方暴雨中，AI模型“风雷”成功预报12次极端短时强降水事件，命中率83%，将强对流预警提前量提升至53分钟。江苏“风掣”模型提前6小时预警2025年9月苏南强对流天气，精准预报如东龙卷和南京江宁12级雷暴大风。

暴雨预警时效突破青岛通过AI模型与高分辨率智能网格预报结合，将暴雨预警提前量提升至105分钟，预报精细到100米×100米网格，可分辨街道两端天气差异，为城市内涝等风险应对争取宝贵时间。

全球台风与极端天气预测中国“风清”全球AI中期预报模型在强降水等关键要素预报评分上优于国际同类模型。“妈祖”早期预警平台已在7个国家落地，为全球40多个国家提供云端服务，助力国际防灾减灾。多源数据融合构建城市积涝模型结合城市50个积水点实时数据和积涝阈值，将气象数据与市政管网信息实时耦合，实现从“天上有雨”到“地上积水”的全链条预测。AI提升城市内涝预警精准度与时效性在青岛，通过AI模型与高分辨率智能网格预报的结合，暴雨预警的提前量被提升至105分钟，预报可以精细到100米×100米的网格。“31631”机制助力城市积涝递进式服务提前3天研判趋势，提前1天提示风险，提前6小时发布预警，提前3小时AI模型“风雷”逐6分钟更新预报，提前1小时指导基层精准发布临灾预警，有效应对城市内涝。城市内涝与积涝风险预测民生保障个性化服务

公众生活场景化服务推出“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，结合气温、湿度、风力等要素匹配衣物材质与穿搭款式，上线仅一个月访问量近百万人次。

健康气象服务升级联合疾控中心逐日发布未来7天流感气象风险等级预报，综合气温、湿度、风速和辐射等要素评估人体热负荷影响，提供“人体舒适度指数”，为市民运动等活动提供参考。

特色生活需求响应拓展“西涌国际暗夜社区天文观测信号”服务至深汕鲘门、珠海万山等地，形成多地联动发布机制，市民可获取天文观测指数和天象信息，助力大湾区星空旅游发展。

防灾减灾精准指引推出风险预警智能问答服务，基层防灾人员可实时查询风险监测、预估及防御指引；提供智能快捷一键生成极端强降雨风险报告，助力科学调度与应急处置，为防灾部门提供精细决策支撑。行业赋能与经济社会效益06农业生产智能气象服务

作物生长模拟与品种评估全国人大代表、六盘水山海园种植农民专业合作社理事长李世瑶表示，借助人工智能模型，输入作物特性和当地气候数据，即可模拟生长情况，评估品种表现，为农业生产提供科学选种依据。

精细化种植管理指导AI气象模型能够提供精准到田块的气象服务，如结合“风清”模型的中长期预报，指导农户根据气温、降水等要素调整灌溉、施肥和病虫害防治策略，优化农业生产管理。

农业气象灾害预警与防御AI技术可实时监测气象数据，提前预警暴雨、干旱、低温等农业气象灾害。例如，通过分析气象预警信息，自动编排应急准备任务，帮助农户及时采取防御措施，减少灾害损失。

特色农业气象服务定制地方气象部门结合本地农业特点，利用AI技术研发特色服务产品。如塞浦路斯“政府中的人工智能”项目，为农民提供定制化天气预报、灌溉调度工具及病虫害监测服务，提升农业生产效率。风光功率预测精准度提升基于人工智能技术研发的15分钟级风光功率预测模型，精准匹配新能源发电调度需求，有效解决了风电、光伏功率波动大、难以预判的行业痛点。发电效益显著增长2025年7月台风过境期间，该模型提前精准预判南通东耀海上风电场风力变化，指导企业适时满负荷发电，当日发电量从477万千瓦时飙升至1677万千瓦时，发电效益直接增长近3倍。设备安全与电网稳定保障模型能精准预警大风极值，避免风机因超风速损坏，同时为电网提供用电负荷峰值预测，帮助电力企业优化电力交易决策、节省外购电成本，为能源保供与绿色转型提供坚实气象支撑。能源领域气象应用成效交通运输气象保障系统

公路交通风险智能预警构建精确到路网桩号的公路交通风险模型，针对大雾、道路结冰、大风、强降水等交通管控阈值数据，为交管部门实施智能调流、安全管控提供科学依据。如江苏应用相关模型后，2022-2024年恶劣天气引发的交通事故同比下降51%。

长江黄金水道气象服务实时监测江面能见度，精准预判雾情生成与消散时间，助力海事部门科学管控航道，有效减少船舶滞留与水上安全事故，保障长江黄金水道的畅通与安全。

低空物流气象保障针对低空物流测试等场景，利用强风暴三维临近预报模型完整刻画地面至3000米低空的立体气象结构，精准预判风暴移动路径与消散时间，帮助测试团队及时调整飞行计划，保障低空物流作业安全。

城市交通精细化气象服务基于“百米级、分钟级”短临无缝隙网格预报产品，为城市交通提供精细化气象服务，外卖平台可根据实时降水预测调整配送路线，建筑工地能通过分钟级预警及时停止高空作业。全球气象服务与国际合作07"妈祖"早期预警中国方案方案发布与核心定位2025年7月，全民早期预警中国方案“妈祖（MAZU）”在世界人工智能大会上发布，旨在为全球防灾减灾提供科学支撑，彰显科技赋予人类可持续发展的广博人文关怀。国际落地与服务覆盖相关产品已在蒙古国、吉布提等国落地，并支撑全球40多个国家“云”上应用，有效弥合“气象鸿沟”，提升发展中国家的气象预警能力。技术支撑与全球共享方案依托我国自主研发的“风清”等AI气象模型，其中“风清”模型作为世界气象组织全民早期预警倡议成果向全球开源，推动国际气象合作与技术共享。风云卫星数据全球共享

全球数据服务覆盖我国建立风云卫星国际用户防灾减灾应急保障机制，向153个国家和地区共享数据与产品，为全球气象防灾减灾提供有力支撑。

国际合作平台建设依托世界人工智能大会气象专会和雄安气象人工智能国际研讨会等平台，推广气象人工智能成果，促进风云卫星数据的国际应用与合作。

全民早期预警方案输出2025年7月发布的全民早期预警中国方案“妈祖（MAZU）”，相关产品已在蒙古国、吉布提等国落地，支撑全球40多个国家“云”上应用。

智能模型全球开源共享“风清”模型作为世界气象组织全民早期预警倡议成果向全球开源，助力提升发展中国家气象预报能力，彰显科技普惠的人文关怀。全球气象AI技术合作现状多国积极推进AI气象技术研发与应用，如微软发布大气基础模型“Aurora”，英伟达推出高精度模型“CorrDiff”，中国“盘古气象模型”在国际测评中表现优异。中国“妈祖（MAZU）”早期预警方案已在蒙古国、吉布提等国落地，支撑全球40多个国家“云”上应用。中国气象AI技术的国际贡献中国建立风云