在全球气候变化加剧的背景下，极端天气事件频发，强对流天气的突发性和破坏性给城市安全带来严峻挑战。
香港去年夏季曾八天内四度发布黑色暴雨警告，东南亚多国亦因暴雨洪涝遭受重大损失。
然而，传统气象预报受限于技术瓶颈，对强对流系统的预警时间通常不足两小时，难以满足防灾减灾需求。
现有预报技术主要依赖数值模拟和地面雷达观测，但大气系统的混沌性和数据获取的滞后性导致预报精度有限。
尤其对于空间尺度小、发展迅速的强对流天气，传统方法往往难以及时捕捉其演变特征。
港科大研究团队指出，雷达信号易受地形干扰，且需等待对流云成熟后才能观测，导致预警时效性不足。
针对这一难题，港科大联合国内多家科研机构，创新性地开发了基于卫星数据的深度扩散模型（DDMS）。
该技术利用风云四号卫星的红外亮温数据，通过深度学习算法模拟对流云系的时空演变，实现了更高精度的临近预报。
测试显示，新模型在48平方公里分辨率下，预报准确率较现有系统提升15%以上，覆盖范围达2000万平方公里，包括中国、韩国及东南亚地区。
研究团队负责人表示，新技术的突破在于将卫星观测与人工智能算法深度融合，能够更早识别对流初生迹象。
相比传统方法，该系统每15分钟更新一次预报数据，为应急部门和公众争取了宝贵的防灾准备时间。
相关成果已发表于国际权威期刊《美国国家科学院院刊》，标志着我国在气象预报技术领域取得重要进展。
展望未来，该技术的推广应用将显著提升极端天气的应对能力，为城市防灾减灾体系提供有力支撑。
研究团队计划进一步优化模型算法，扩大其在不同气候区域的适用性，为全球气候变化应对贡献中国智慧。
极端天气考验的是一座城市的治理能力与科学底座。
把预警时间从“分钟级”尽可能拓展到“小时级”，不仅是技术指标的提升，更是将风险管理前置、将生命安全置顶的治理选择。
持续完善观测体系、强化关键技术攻关、推动成果转化应用，将为提高防灾减灾能力、建设更具韧性的城市与区域发展格局提供更加坚实的支撑。