AI在气象中的应用

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

AI赋能气象：变革与价值02

AI驱动的气象数据处理与分析03

AI气象预测模型体系构建04

AI在气象预报精准度提升的应用CONTENTS目录05

AI赋能气象服务与行业应用06

AI气象模型业务化落地实践07

AI气象发展的挑战与机遇08

未来展望与发展建议AI赋能气象：变革与价值01传统气象预测的核心瓶颈传统数值预报依赖超级计算机求解复杂物理方程，运算耗时且成本高，如欧洲中期天气预报中心模型需数小时生成预报；同时难以精确模拟云形成等小规模过程，影响极端天气预测精度。数据处理与计算效率的局限传统模型处理海量气象数据能力有限，且在面对突发天气变化时响应滞后。例如，2024年台风“梅花”路径细微变化未能被传统系统及时捕捉，导致预警延迟。AI技术带来的效率革命AI模型如华为盘古气象大模型，预报速度较传统数值预报提升10000倍以上；微软Aurora模型可在1分钟内生成10天高精度预报，显著降低计算成本与时间。AI提升预测精准度的实例谷歌GenCast模型在1300多个预测指标中97%优于传统模型；中国“风雷”模型将强回波预报技巧提升25%，2026年南方暴雨中提前70分钟锁定致灾天气。气象预测的传统挑战与AI机遇AI提升气象精准度的核心价值

01赋能防灾减灾，守护生命财产安全AI模型显著提升预警提前量，如2026年南方暴雨中，"风雷"模型将强对流预警提前至53分钟；青岛暴雨预警提前量达105分钟，为人员转移和应急处置争取宝贵时间，有效减少灾害损失。

02支撑行业发展，提升生产运营效率在能源领域，AI精准预测风速和太阳辐照提升新能源发电效率，如2025年台风期间南通东耀海上风电场发电量增长近3倍；农业领域，AI模型指导种植和灾害防御，助力粮食安全与降本增效。

03优化公众服务，提升生活质量AI推动气象服务向个性化、超本地化发展，如青岛实现"百米级、分钟级"预报，精准到街区；深圳推出"鹏城互动式穿衣指数"等服务，让公众更好应对天气变化，提升生活便利性。

04助力全球协作，贡献中国智慧方案中国AI气象模型走向世界，"风清"模型向全球开源，"妈祖（MAZU）"早期预警方案在蒙古国、吉布提等国落地，支撑全球40多个国家"云"上应用，为全球防灾减灾提供科学支撑。全球AI气象技术发展态势

国际巨头加速布局AI气象模型微软发布大气基础模型Aurora，可在1分钟内生成5天全球空气污染预测和10天高精度天气预报；英伟达推出CorrDiff模型，将精度提升至2公里，计算速度提升22倍，能耗降低到1/3000；谷歌DeepMind的GenCast模型在1300多个预测指标中约97%优于欧洲中期天气预报中心集成模型ENS。

多国积极推进AI预报系统应用美国NOAA推出试验性AI预报系统HRRR-Cast，计算效率是传统模型的100至1000倍；塞浦路斯启动“政府中的人工智能”项目，开发AI极端天气早期预警系统；日本理化学研究所将数值预报与AI结合，提高分散性强降雨预报时效；欧洲中期天气预报中心运行AI天气预报系统AIFS，能耗降低至1/1000，部分指标准确度提升20%。

中国AI气象模型走向世界中国“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；全民早期预警中国方案“妈祖（MAZU）”在蒙古国、吉布提等国落地，支撑全球40多个国家“云”上应用；华为云盘古气象大模型上线欧洲中期天气预报中心向全球开放使用，速度较传统数值预报提升10000倍以上。AI驱动的气象数据处理与分析02多源气象数据自动化收集体系01空天地一体化观测网络构建整合卫星遥感、无人机、地面观测站、雷达等设备，形成全方位数据采集网络。例如，风云卫星提供全球云图与大气参数，无人机可深入台风中心或危险区域获取近地面数据，地面智能气象站实时监测温湿度、气压等。02物联网传感器数据实时接入在城市易涝点、桥梁涵洞、输电杆塔等关键点位布设自动气象站和智能图像视频采集设备，如贺州市2026年计划在城市关键区域布设设备，实现对特定区域气象要素的高密度、实时监测。03AI驱动的数据采集优化与异常检测AI技术优化传感器布局，确定最佳放置位置以获取更全面数据；对传感器收集的数据进行实时分析处理，及时发现并纠正数据异常，提升原始数据质量与可用性。04多源异构数据标准化整合建立数据服务链接平台，打破气象、自然资源、交通运输等部门数据壁垒，实现多源数据融合。如天津市气象部门与电力公司合作，整合气象站数据与电网杆塔信息，为精准服务奠定基础。智能数据分析与特征提取技术

多源数据融合与清洗AI技术能够整合卫星遥感、地面观测站、雷达等多源气象数据，如青岛气象部门融合多源资料，建立覆盖短临、中短期的精准预报预警系统。同时，利用AI算法对海量数据进行清洗，去除重复、错误或无效数据，提高数据质量和可用性，为后续分析奠定基础。

深度学习驱动的特征识别通过卷积神经网络（CNN）等深度学习算法，AI能从气象图像数据中提取云的类型、形态、移动速度等关键特征，如中国气象科学研究院的“风云AI”系统，通过深度学习识别卫星图像中的台风眼，准确率达98.6%，比人工判读快100倍。

时间序列模式挖掘利用循环神经网络（RNN）及其变体长短时记忆网络（LSTM），AI可对温度、湿度、风速等时间序列气象数据进行建模，捕捉气象要素随时间的变化规律。例如，AI模型能从历史数据中挖掘出极端天气事件发生前的细微模式，为提前预警提供支持。

物理规律与数据驱动融合分析AI技术在分析气象数据时，不仅依赖数据驱动，还结合大气物理规律，构建混合模型。如美国加州理工学院将机器学习组件嵌入基于物理学的模型内，对云形成、积雪等复杂小规模过程进行更精准建模，提升了分析结果的可靠性和物理解释性。数据融合与质量控制方法多源数据融合技术

通过联邦学习、隐私计算等技术，在保障数据安全的前提下实现跨部门数据联合建模，打破“信息孤岛”。例如，天津气象部门与电力公司合作，整合气象站监测数据与电网输电杆塔信息，结合30米分辨率地形数据，生成“一杆塔一策”的精准预警。智能数据清洗与异常检测

利用AI算法对海量气象数据进行挖掘，寻找隐藏模式、趋势和关联，同时进行数据清洗，去除重复、错误或无效数据。传统系统数据缺失率15%，经AI处理后可降至2%，温度误差从±1.5℃提升至±0.3℃。物理与数据双驱动融合

将机器学习组件嵌入基于物理学的模型内生成混合模型，取代传统模型中效果较差的部分，如对云形成、积雪和河流流动等复杂过程建模。例如，加拿大环境部门推出的混合预报模型，融合AI精准性和物理模式对大气过程的理解，将6天预报准确率提升到传统模式5天水平。AI气象预测模型体系构建03传统纯物理模型的局限性传统气候模型依赖超级计算机运行复杂数学方程，模拟大气等圈层相互作用，耗时数周且耗能高，难以模拟雨滴形成等小规模关键过程。纯数据驱动AI模型的挑战纯数据驱动AI模型虽预测速度快，但可解释性差，如同“黑箱”，遇到罕见天气时可能“失灵”，且在预测降雨量等方面性能有时不及传统模拟器。混合模型：优势互补的创新路径混合模型将机器学习组件嵌入基于物理学的模型内，仅取代传统模型中效果较差的部分（如模拟云形成、积雪等复杂小尺度过程），性能优于纯物理模型且更值得信赖。双驱动融合的实践与成效前沿路径采用“物理与数据双驱动”，既用深度学习挖掘海量数据规律，又用大气物理方程约束模型。例如加拿大环境部门的混合预报模型，将6天预报准确率提升至传统模式5天水平；中国正研发此类无缝隙智能预报系统。物理驱动与数据驱动融合模型短临预报模型：以"风雷"为例模型定位与核心优势"风雷"模型是中国气象局发布的人工智能短临预报模型，主要针对0-3小时内的强降水等灾害性天气，具有公里级空间分辨率和分钟级时间更新频率，其强回波预报质量提升超25%。技术特点与创新点该模型将数据驱动与物理驱动范式深度融合，能实时融合雷达、卫星等多源观测数据，通过深度学习算法捕捉中小尺度天气系统的演变特征，实现每6分钟滚动更新预报。业务应用与成效在2026年南方暴雨过程中，"风雷"模型成功预报12次极端短时强降水事件，命中率达83%，为"31631"递进式气象服务机制提供关键技术支撑，助力广东云浮等地将突发灾害性天气预警平均提前量提升至70分钟。与传统预报的协同"风雷"模型作为预报员的"智能厨具"，与传统数值预报形成优势互补，使预报员从"模式挑选者"转变为"决策把关人"，显著提升短临预报的效率和精准度，尤其在强对流天气预警中发挥重要作用。中短期预报模型：以"风清"为例

模型核心能力与效率"风清"模型对3—10天全球中短期天气有较强预报能力，可在3分钟内生成未来0至15天、逐6小时更新、25公里分辨率的全球预报产品，速度较传统模型提升显著。

关键技术突破与优势2026年初完成升级，分辨率精细至0.25°，新增十余项预报要素。在强降水等关键要素的预报评分上已优于国际同类模型，体现了物理规律与人工智能的深度融合。

业务应用与服务价值作为世界气象组织全民早期预警倡议成果向全球开源，其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。模型核心功能与定位"风顺"模型是我国研发的人工智能气象预报模型，主要用于增强15天以上天气气候系统的预报能力，是覆盖0—60天无缝隙人工智能气象预报模型系统的重要组成部分。关键技术指标与优势该模型分辨率精细至0.25°，新增十余项预报要素。针对热带大气季节内振荡的预测技巧达32天，能够大幅增强次季节至季节尺度的预报能力。业务化应用与效益"风顺"模型已投入业务使用，其中长期预报能力可指导农业生产，助力粮食安全，同时对气候趋势的预测服务于"双碳"目标等国家战略需求。次季节-季节预报模型：以"风顺"为例AI在气象预报精准度提升的应用04强降水与极端天气预测能力

AI提升强降水预报精准度AI技术能更准确预测降水发生时间、地点和强度。如中国气象局"风雷"模型对短时临近强降水量级和落区有较好预报能力，强回波预报质量提升超25%，助力防汛抗旱工作。

AI优化极端天气预警时效AI模型实现公里级、分钟级更新，显著提升极端天气预警提前量。青岛通过AI技术将暴雨预警提前量提升至105分钟，广东"珠玑·雨燕"AI短临预报系统识别雷雨大风命中率达90%，预警提前量达78分钟。

全球AI模型协同应对挑战国际上，微软Aurora模型能精准预测热带气旋路径，英伟达CorrDiff模型将精度提升至2公里适用于台风预测。中国"风清"模型作为世界气象组织成果向全球开源，"妈祖"早期预警方案在多国落地，支撑全球40多个国家应用。风力与新能源发电预测优化

提升风力预测精度，优化发电调度AI技术能更准确地预测风力的变化，包括风速、风向等。2025年台风过境江苏期间，AI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，发电效益增长近3倍。

优化太阳辐照预测，提升光伏效率AI对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。通过公里级预报与强对流短临预警技术，风光发电预测精度大幅提升，为能源领域提供重要支持。

融合AI与电力模型，破解功率预测难题气象大模型正与电力大模型深度耦合，以破解新能源功率预测的难题。AI技术的应用，使得新能源电站的功率预测精度直接影响其融资成本，推动新能源产业的健康发展。温度湿度与农业气象服务AI提升温度湿度预测精度AI技术通过深度学习算法处理海量历史与实时气象数据，显著提高温度与湿度的预测精度，为农业生产提供关键环境参数指导。作物生长模拟与品种评估基于AI模型，输入作物特性和当地气候数据（含温度湿度），可直接模拟生长情况，评估品种表现，辅助农民科学选种。精细化农业气象服务赋能生产结合AI预测的温度湿度等要素，提供定制化农业气象服务，如智能灌溉调度、病虫害监测预警，助力农业从“看天吃饭”向“知天而作”转变，提升生产效率，降低成本。空间精度：从公里级到百米级的跨越通过智能网格预报技术，实现了预报预警从“公里级、小时级”到“百米级、分钟级”的跨越。例如，青岛构建的高精度天气地图，最小网格代表100米×100米的区域，可精准落点到街区的具体气象状况。时间分辨率：分钟级滚动更新机制AI技术使得降水预报的时间分辨率达到分钟级，每过10分钟预报信息就会更新一次。如“风雷”模型对0-3小时内的强降水进行预报，每6分钟滚动更新一次，为精准防御划出“包围圈”。多源数据融合：构建全景监测网络整合卫星、雷达、地面站、物联网等多源数据，形成高清全景图。例如天津气象部门接入电网每一基输电杆塔的坐标、参数和运维信息，结合30米分辨率地形数据，为每一基杆塔生成专属“气象档案”。应用场景：赋能城市精细化管理超本地化与分钟级预报为城市积涝风险预警、交通运输等提供精准服务。如青岛构建城市积涝风险模型，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；外卖平台根据实时降水预测调整配送路线，建筑工地通过分钟级预警及时停止高空作业。超本地化与分钟级网格预报AI赋能气象服务与行业应用05防灾减灾与应急决策支持

提升灾害性天气预警时效与精度AI模型显著提升预警能力，如“风雷”模型将强对流预警提前量提升至53分钟，青岛暴雨预警提前量达105分钟，为防灾争取宝贵时间。

构建递进式气象服务机制“31631”机制实现精准化服务：提前3天研判趋势，1天提示风险，6小时发布预警，3小时AI逐6分钟更新，1小时指导基层精准叫应，如广东云浮预警提前70分钟。

提供多灾种协同监测与智能预警通过整合台风、洪水、暴雪等机器人监测数据，接入“全国灾害监测一张图”，实现多灾种智能预警，四川试点成功预测暴雨+泥石流复合灾害，预警提前12小时。

赋能应急资源调度与处置方案生成AI技术可根据气象预警信息自动编排应急准备任务，实时评估风险态势，生成应急处置方案，如部分地区通过AI对重点区域视频扫描，自动发现灾害并发出预警，辅助决策。智慧农业与气候适应性服务

AI驱动作物生长模拟与品种评估全国人大代表李世瑶表示，通过输入作物特性和当地气候数据，AI模型能直接模拟生长情况，评估品种表现，辅助农业生产决策。

精准农业气象服务与资源优化在山东，利用10米级遥感技术整合卫星、无人机和地面调查数据，生成全省冬小麦苗情“一张图”，精准指导灌溉、施肥和病虫害防治。

农业保险与气象指数融合创新日照市推出牡蛎养殖风力指数保险、茶叶低温气象指数保险等，当气象要素超过阈值自动赔付，理赔时效缩短50%，实现从“事后赔付”到“事前减损”。

气候友好型农业信贷支持河南商丘农业企业凭借气象局出具的“气候友好型企业评估报告”，获得浦发银行85万元“气候贷”，气象数据成为信贷审批的重要依据。能源与交通气象保障应用提升新能源发电预测精度AI模型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。2025年台风过境江苏期间，AI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，发电效益增长近3倍。赋能电网安全与效率在天津，气象部门与电力公司合作，整合气象站监测数据与电网每一基输电杆塔的坐标、参数和运维信息，结合30米分辨率地形数据，利用AI算法为每一基杆塔生成专属“气象档案”，实现“一杆塔一策”的精准预警，让电网巡检从“大海捞针”变为“精准狙击”。支撑低空经济安全运行AI气象服务为无人机、通航等低空经济活动提供精细化气象保障，确保飞行安全与效率。通过公里级预报与强对流短临预警技术，为低空飞行器规划安全的飞行航线。优化公路交通气象服务针对重点路段，结合大雾、道路结冰、大风、强降水等交通管控阈值数据，气象部门构建精确到路网桩号的公路交通风险模型，为交管部门实施智能调流、安全管控等措施提供坚实气象支撑。互动式生活服务提升用户体验深圳市气象局推出“鹏城互动式穿衣指数”服务，分人群提供穿衣建议，结合八级精细体感温度划分，精准匹配衣物材质与穿搭款式，上线仅一个月访问量接近百万人次。健康气象服务助力科学防护深圳市气象局联合市疾控中心，在每年10月至次年4月的秋冬春三季，逐日发布未来7天的流感气象风险等级预报，科学指引公众做好防范。精细化预警服务保障生命安全青岛气象部门通过“百米级、分钟级”短临无缝隙网格预报产品，将暴雨预警提前量提升至105分钟，强对流预警提前量提升至53分钟，实现海湾城市风险决策“秒级联动”。特色场景服务满足个性化需求深圳市气象局拓展“西涌国际暗夜社区天文观测信号”服务，新增深汕鲘门、珠海万山、韶关乳源等观星地点，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。公众气象服务智能化升级AI气象模型业务化落地实践06国家级模型矩阵业务化应用单击此处添加正文

短时临近预报：“风雷”模型精准狙击强对流“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%，在2026年南方暴雨过程中成功预报12次极端短时强降水事件，命中率达83%，将强对流预警提前量提升至53分钟。中短期预报：“风清”模型高效生成全球产品“风清”模型仅需3分钟即可完成过去数小时的计算，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，可用预报天数达10.5天，在强降水等关键要素预报评分上优于国际同类模型。次季节—季节预报：“风顺”模型增强长期预测能力“风顺”模型分辨率精细至0.25°，新增十余项预报要素，对热带大气季节内振荡的预测技巧达32天，大幅增强15天以上天气气候系统的预报能力。端到端与服务模型：“风源”“风和”“风宇”拓展应用边界“风源”模型开创端到端预报新模式，无需复杂数据同化直接读取观测数据生成预报；“风和”语言模型构建气象语料库及场景化问答集，实现服务从“人找信息”到“信息找人”转变；“风宇”模型填补空间天气智能预报空白，实现24小时全链式预报。地方特色AI气象应用案例

01青岛：AI赋能“山海城湾”精细化预报青岛构建0到240小时数智预报体系，实现“百米级、分钟级”短临无缝隙网格预报，暴雨预警提前量提升至105分钟，海雾预报准确率稳定在80%以上，为城市积涝、交通管控等提供精准服务。

02深圳：AI“三剑客”升级防灾与民生服务深圳升级“智霁2.0”“智瞳”“阿福”AI模型，“智瞳”将强降水有效预报时间延长至3小时；创新推出“鹏城互动式穿衣指数”“流感气象风险等级预报”等公众服务，实现服务从“我想给你什么”向“你需要什么”转变。

03四川：“5413”框架打造“蜀智天气”引擎四川提出“5413”人工智能气象应用框架，建设异构算力支撑体系，打造口袋书智能体、天气图分析智能体等多智能体应用，在强对流天气智能应用创新挑战赛中斩获佳绩，研发超100个要素的区域实况网格与预报预警产品。

04贺州：AI助力区域暴雨积涝风险预警贺州计划布设自动气象站和智能图像采集设备，融合多部门数据，构建“机理模型+数据驱动”混合AI模型，生成区域内涝预警服务产品，建立气象探测数据共享应用技术标准互认机制。预警提前量显著提升在广东云浮，依托“31631”机制，突发灾害性天气预警平均提前量达到70分钟，为防灾减灾争取宝贵时间。预报精准度大幅提高AI模型“风雷”在2026年南方暴雨过程中，成功预报12次极端短时强降水事件，命中率达83%，实现逐6分钟滚动更新预报。基层防灾响应更高效通过提前1小时指导基层精准发布临灾预警，使得预警信息能够快速触达镇街，助力基层有效组织人员转移和应急处置。跨层级协同能力增强纵向打通国、省、市、县四级气象部门，实现信息共享与高效联动，提升了应对大范围、跨区域极端天气的整体效能。"31631"递进式服务机制成效人机协同预报新范式构建AI模型成为高效“数智同事”AI模型如“风清”仅需几分钟即可完成过去数小时的计算，生成全球预报产品；“风雷”实现公里级、分钟级更新，使预报员从繁重的“模式挑选者”转变为“决策把关人”，专注于异常数据验证和复杂天气系统解读。“人工智能算力+人类经验”协同模式AI系统即时生成天气形势分析初步结论，将过去需3小时完成的工作大幅提速，预报员则更专注于决策服务、重大保障和风险预报，形成高效人机协同，重塑预报员工作日常，提升整体预报效率与准确性。智能体工具助力业务流程重塑如深圳“阿福”、四川“口袋书”等智能体，集成气象语料库，实现台风风雨影响、重大活动专报等多情景业务应用，自动完成实况通报制作、天气图分析等任务，降低业务人员手工劳动强度，让预报员精力投入气象应用创新和精准服务。AI气象发展的挑战与机遇07技术挑战：数据、算法与算力数据处理与质量控制难题气象数据来源多样（卫星、雷达、地面站等），格式不一，存在数据孤岛现象，整合难度大。同时，数据清洗和去噪要求高，确保数据准确性是AI应用的基础。例如，传统系统数据缺失率约15%，虽经AI处理可降至2%，但极端天气下传感器易损坏，数据采集仍面临挑战。算法泛化能力与可解释性不足AI模型在特定气候条件下表现良好，但面对复杂多变或罕见极端天气时，泛化能力受限。纯数据驱动模型常被视为“黑箱”，缺乏物理机制解释，难以让预报员完全信任，尤其在关键决策时。如日本气象协会指出，需结合数值预报与AI以提升可靠性。算力需求与能耗平衡挑战训练和运行高精度AI气象模型需强大算力支撑，尤其全球高分辨率预报。传统数值模型运行耗时且耗能高，AI模型虽提升速度（如“风清”模型3分钟生成全球预报），但复杂模型对算力要求仍持续增长，如何在提升精度的同时优化能耗是重要课题。模型泛化能力的挑战AI模型在面对复杂多变的气候条件时，需要具备强大的泛化能力以适应不同气候环境和变化规律，这要求AI技术不断发展和完善。提升泛化能力的路径通过多源数据融合（如卫星、雷达、地面观测等）训练模型，结合物理规律约束，可增强AI模型在不同场景下的适应性与预测可靠性。可解释性的重要性AI模型的“黑箱”特性可能导致预测结果难以解释，一旦出现偏差，难以追溯原因，影响预报员信任度和业务应用。增强可解释性的探索研究人员正探索融合物理机理与AI模型，如开发混合模型，用机器学习替代传统模型中效果较差的部分，在保证性能的同时提升可解释性。模型泛化能力与可解释性数据安全与隐私保护要求气象数据安全保障体系构建在AI气象应用中，需建立涵盖数据采集、传输、存储、处理全生命周期的安全保障体系，确保气象数据的完整性、保密性和可用性，防止数据泄露、篡改和滥用。隐私保护技术与策略实施针对涉及个人或敏感信息的气象数据，应采用数据脱敏、匿名化处理等技术手段，并制定严格的隐私保护策略，明确数据使用权限和范围，保护公众隐私权益。数据共享与安全合规平衡在推动气象数据共享以促进AI模型研发和应用的同时，需严格遵守相关法律法规，建立数据共享安全机制，确保数据在共享过程中不违反安全与隐私保护要求，实现数据价值与安全的平衡。推动气象科学研究与服务创新

深化物理规律与人工智能融合研发中国气象局提出深化物理规律与人工智能融合研发应用，发展面向地球系统的人工智能气象预报技术，推动两者深度融合，持续提升预报准确率、分辨率和针对性、时效性。

催生智能气象服务新模式新业态AI技术促进气象服务智能化和个性化，如“风和”语言模型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，“盒中预报”模式让各行各业及普通人可低成本获取定制化服务。

赋能千行百业与民生保障AI气象模型为农业生产提供指导，助力粮食安全；提升新能源发电效率，服务“双碳”目标；为低空经济、交通等领域提供精细化气象保障，如青岛马拉松赛事的逐路段、逐小时气象服务，以及城市积涝、交通风险预警等。

助力全球气象服务与防灾减灾我国“妈祖（MAZU）”早期预警中国方案在蒙古国、吉布提等国落地，支撑全球40多个国家“云”上应用，“