人工智能模型提升沙尘预报精准度排行榜

（原载：中工网）

作者：人民日报记者 宋朝军

前阵子，在甘肃旅行的在校生丁婷婷正巧赶上西北沙尘高发期。她不仅收到扬沙、浮尘的精确预警，还附带“携带口罩、纱巾等防尘用品”“驾驶人员应控制速度”等细致提示。这种颗粒级精准预报，以往并不常见。

西北地区常年受外来输入性沙尘影响，扬沙、浮尘已成常态。其波及范围广、路径多变、不确定性极高。提前获取精准及时的预报，对生产生活而言至关重要。

在兰州的中国气象局兰州干旱气象研究所内，数值模式研究室首席专家段海霞正在审阅沙尘预报数据。“这批数据符合预期，范围与时长均通过检验。”她转身对同事雷雨虹说道。

数据之所以经得起检验，得益于所里新引进的“搭档”——气溶胶—气象耦合预报人工智能模型。

一个模型如何提前“预判”沙尘？关键就在“耦合”机制上。

日常天气预报多源于预报员综合分析——他们整合多个数值模式与AI模型结果，结合当地气候特征与个人经验做出判断。传统数值预报模式的短板在于：通常将沙尘、PM2.5等气溶胶与其他气象要素分开计算，难以刻画其交互作用。而实际上，气溶胶与气象要素的耦合关系直接影响沙尘的传输与沉降。

例如，风力强弱决定起沙强度与传输距离；湿度、降水影响沙尘沉降速度。反之，气溶胶也会改变气象环境：大量沙尘颗粒阻挡太阳辐射，气溶胶可作为云凝结核影响降水。这正是段海霞分析的底层逻辑。

基于这一原理，中国气象科学研究院研究员车慧正团队研发出气溶胶—气象耦合预报人工智能模型。该模型专门解析气溶胶与温度、风力、气压等气象要素的协同变化，旨在提升预报精准度。

AI模型不仅是捕捉沙尘的“侦探”，更是“超级计算员”。传统数值预报模式依赖大型计算机集群，一次全球预报需数小时，每日最多2—4次。而AI驱动的模型利用图形处理器即可运算，一次全球预报仅需36秒，速度提升百倍以上。

去年10月底，干旱气象研究所引入该模型并投入试运行。类似手机广角照片放大后局部细节模糊——模型应用于西北地区时也存在相似问题。为获取更高精度的区域数据，科研人员需对模型输出进行降尺度处理。

“降尺度处理即提高分辨率的一种方法，我们将全球数据从50公里分辨率提升至5公里。”雷雨虹表示，团队对沙尘光学厚度、质量浓度等关键参数进行降尺度，并生成高时空分辨率可视化产品，进一步优化预报质量。

经模型预测与降尺度处理后，预报数据实时推送至甘肃省气象局兰州中心气象台，作为最终发布预报的参考。“半年多来，我们已较准确预报全国北方大范围沙尘天气过程十多次。”段海霞介绍，该模型可完成未来3—5天高精度环境气象预报，在气溶胶总量、地面沙尘浓度方面，准确率比国际先进预报系统提升10%—30%，且计算成本大幅降低。

清晰掌握沙尘强度、起始时间等信息对每个人至关重要。段海霞指出，除基础出行与健康提示外，模型可结合实时数据提供个性化防护建议。例如，通过分析致敏颗粒物浓度，提前向过敏人群推送“佩戴N95口罩、减少户外活动”提醒；还可联动医疗系统，预测沙尘高发期呼吸道疾病就诊高峰，辅助医疗机构提前调配资源，筑牢公众健康防线。

展望未来，该模型在生产场景中拥有更大潜力：通过预测沙尘颗粒粒径、荷电特性与沉降速度，指导输电塔运维，避免大面积停电；结合作物生长模型，调整灌溉时间，推动从灾后补救转向灾前调控；在山火防控中提前预警，协助群众转移，减少灾害损失。可以说，“沙尘大模型”影响的远不止沙尘自身——它为多场景风险预判与决策提供了科学支撑。

本期策划：郭雪岩