近日，星睿雲智首席科學家智協飛教授與中國氣象局鄧國研究團隊在強對流天氣集合預報領域取得重要研究進展。研究團隊依託 FY-2G 靜止氣象衛星與組網雷達觀測數據，構建分步雲分析同化初始化方案，將衛星遙感與雷達觀測信息有效融入對流尺度集合預報系統，顯著改善模式起轉及短時強降水預報效果，相關研究成果近期發表於國際學術期刊《Remote Sensing》。

強對流精細化預報面臨「模式起轉」難題

強對流天氣時空尺度小、生消演變迅速，是短時精細化預報的主要技術難點。目前，對流尺度集合預報模式普遍面臨「模式起轉（spin-up）」問題。由於初始場缺乏對雲系及水凝物的有效觀測約束，模式往往需要經過數小時積分，才能逐步形成與實際天氣相近的雲降水結構，從而影響 0–6 小時強對流預報的準確性和時效性。

FY-2G 靜止氣象衛星可提供雲頂亮溫、總雲水等多類雲參數產品，汛期觀測頻次可加密至 30 分鐘，為三維雲微物理初始場的構建提供重要觀測支撐。傳統集合預報初始擾動主要集中於溫度、氣壓、濕度和風場等動力—熱力變量，對雲水、雨水、冰晶等水凝物場的不確定性關注相對不足。

本研究基於 3 km 解析度 CMA‑Meso 對流尺度集合預報模式，運用分步牛頓鬆弛逼近技術，為各集合成員漸進引入雷達與衛星反演的水凝物增量，規避直接同化造成的動力失衡，實現水凝物初始場的合理構建。

預報技巧提升7.9%，極端降水漏報改善

研究團隊選取 2025 年8月華南極端暴雨過程開展批量數值試驗。結果顯示，該同化方案能夠有效縮短模式起轉時間，並產生持續正向影響。

12‑48 h 研究區域整體預報技巧提升 2.6%‑7.9%，12 h 附近優化效果最為顯著；集合離散度提升 2%‑5.8%，有效緩解集合離散度不足的缺陷。小雨、中雨、大雨的降水識別能力均得到顯著提升，極端降水漏報與低估問題明顯改善，同時高低空環流要素的預報誤差得到有效抑制。

（a）實況觀測，以及 8 月 4 日 00:00 UTC 起報的 24 h 累計降水量大於 100 mm 的降水概率預報；其中（b）未採用雲分析初始化，（c）採用雲分析初始化。

物理機制分析表明，衛星‑雷達聯合同化可直接重建三維水凝物結構，依託凝結潛熱調整中層熱力與環流，實現多物理過程協同優化。該方案計算效率高、實用性強，可直接落地業務應用，能夠有效支撐對流尺度集合預報系統技術升級，顯著提升強對流天氣精細化預警能力。

星睿雲智加速衛星遙感科研成果轉化

此次研究進一步驗證了衛星遙感觀測在高影響天氣數值預報中的應用價值。相較於單純利用衛星資料進行天氣監測，將高時空分辨率衛星遙感數據進一步融入數值天氣預報和人工智能預報體系，有望充分釋放衛星數據價值，提升極端天氣預報的準確率和提前量。

星睿雲智作為專注於衛星遙感、人工智能與氣候科技的創新企業，持續推進空天地多源觀測數據與數值模式、物理機理及人工智能技術的深度融合。相關研究成果近期陸續發表於國際學術期刊，進一步展現公司在衛星遙感與AI氣象領域的科研創新實力。未來，星睿雲智將加快科研成果轉化，拓展相關技術在極端天氣預報、城市災害預警、新能源氣象服務及氣候風險管理等領域的應用，以科技創新提升高影響天氣監測預報能力，助力城市安全與氣候韌性建設。

参考文献：

Deng G, Zhi X, Zhu L, et al. Improving Convection‑Allowing Ensemble Forecasts via Multi‑Source Remote Sensing Data Assimilation Through Stepwise Cloud Analysis Initialization: A Remote Sensing Case Study. Remote Sensing. 2026, 18 (15), 2539; https://doi.org/10.3390/rs18152539