在全球气候变化加剧的背景下，极端天气事件频发已成为威胁城市安全的重要挑战。
2023年夏季，香港在八天内四度发布黑色暴雨警告，东南亚多国更因突发性强降雨造成重大人员伤亡。
传统数值预报模式受限于大气混沌特性和观测数据不足，对强对流天气的预警时间通常不足两小时，严重制约了应急响应效率。
针对这一世界性难题，香港科技大学联合国家级科研机构历时三年攻关，创新性地构建了基于卫星数据的深度扩散模型（DDMS）。
研究团队负责人指出，现有预报系统依赖地面雷达观测，存在地形干扰大、时效滞后等固有缺陷。
而新模型通过解析风云四号卫星的红外亮温数据，首次实现对流云系初生阶段的精准识别。
技术验证显示，该系统在2000万平方公里的监测范围内，能以15分钟为间隔持续更新预报数据。
尤其在48平方公里的精细尺度上，其四小时预警准确率较传统模型提升15个百分点。
这一突破不仅填补了国际气象学界在中尺度对流系统预测领域的技术空白，更将预警窗口延长至关键的四小时黄金时段。
该成果的取得得益于多学科交叉创新。
研究团队整合了气象动力学原理与前沿深度学习技术，通过噪声注入训练使模型具备逆向推演天气演变的能力。
合作单位国家卫星气象中心专家表示，此项技术已具备业务化应用条件，未来可望纳入国家级气象预警体系。
据《美国国家科学院院刊》发表的论文披露，该系统对东亚季风区常见的雷暴、短时强降水等灾害性天气展现出显著预测优势。
特别是在城市防洪排涝、航空航运安全等关键领域，其应用前景备受期待。
这项研究成果代表了气象科学与人工智能技术深度融合的重要进展。
在全球气候变化加剧、极端天气频发的背景下，通过科技创新提升预报预警能力，为防灾减灾争取更充分的时间和空间，已成为保护人民生命财产安全的必然选择。
港科大团队的这一突破不仅填补了国际气象预报领域的空白，更为区域防灾减灾体系的完善提供了有力支撑。
随着该模型的进一步推广应用，有望在更大范围内发挥作用，为构建更加韧性的气候适应体系做出重要贡献。