近日，星睿云智首席科学家智协飞教授与中国气象局邓国研究团队在强对流天气集合预报领域取得重要研究进展。研究团队依托 FY-2G 静止气象卫星与组网雷达观测数据，构建分步云分析同化初始化方案，将卫星遥感与雷达观测信息有效融入对流尺度集合预报系统，显著改善模式起转及短时强降水预报效果，相关研究成果近期发表于国际学术期刊《Remote Sensing》。

强对流精细化预报面临「模式起转」难题

强对流天气时空尺度小、生消演变迅速，是短时精细化预报的主要技术难点。目前，对流尺度集合预报模式普遍面临「模式起转（spin-up）」问题。由于初始场缺乏对云系及水凝物的有效观测约束，模式往往需要经过数小时积分，才能逐步形成与实际天气相近的云降水结构，从而影响 0–6 小时强对流预报的准确性和时效性。

FY-2G 静止气象卫星可提供云顶亮温、总云水等多类云参数产品，汛期观测频次可加密至 30 分钟，为三维云微物理初始场的构建提供重要观测支撑。传统集合预报初始扰动主要集中于温度、气压、湿度和风场等动力—热力变量，对云水、雨水、冰晶等水凝物场的不确定性关注相对不足。

本研究基于 3 km 解析度 CMA‑Meso 对流尺度集合预报模式，运用分步牛顿松弛逼近技术，为各集合成员渐进引入雷达与卫星反演的水凝物增量，规避直接同化造成的动力失衡，实现水凝物初始场的合理构建。

预报技巧提升7.9%，极端降水漏报改善

研究团队选取 2025 年8月华南极端暴雨过程开展批量数值试验。结果显示，该同化方案能够有效缩短模式起转时间，并产生持续正向影响。

12‑48 h 研究区域整体预报技巧提升 2.6%‑7.9%，12 h 附近优化效果最为显著；集合离散度提升 2%‑5.8%，有效缓解集合离散度不足的缺陷。小雨、中雨、大雨的降水识别能力均得到显著提升，极端降水漏报与低估问题明显改善，同时高低空环流要素的预报误差得到有效抑制。

（a）实况观测，以及 8 月 4 日 00:00 UTC 起报的 24 h 累计降水量大于 100 mm 的降水概率预报；其中（b）未采用云分析初始化，（c）采用云分析初始化。

物理机制分析表明，卫星‑雷达联合同化可直接重建三维水凝物结构，依托凝结潜热调整中层热力与环流，实现多物理过程协同优化。该方案计算效率高、实用性强，可直接落地业务应用，能够有效支撑对流尺度集合预报系统技术升级，显著提升强对流天气精细化预警能力。

星睿云智加速卫星遥感科研成果转化

此次研究进一步验证了卫星遥感观测在高影响天气数值预报中的应用价值。相较于单纯利用卫星资料进行天气监测，将高时空分辨率卫星遥感数据进一步融入数值天气预报和人工智能预报体系，有望充分释放卫星数据价值，提升极端天气预报的准确率和提前量。

星睿云智作为专注于卫星遥感、人工智能与气候科技的创新企业，持续推进空天地多源观测数据与数值模式、物理机理及人工智能技术的深度融合。相关研究成果近期陆续发表于国际学术期刊，进一步展现公司在卫星遥感与AI气象领域的科研创新实力。未来，星睿云智将加快科研成果转化，拓展相关技术在极端天气预报、城市灾害预警、新能源气象服务及气候风险管理等领域的应用，以科技创新提升高影响天气监测预报能力，助力城市安全与气候韧性建设。

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