新场景新动能人工智能模型提升沙尘预报精准度

（来源：中工网）

人民日报记者 宋朝军

“看到预报，心里就踏实了。”前不久，大学生丁婷婷在甘肃旅行期间，恰好遇上西北地区沙尘天气高发期。她不仅收到了扬沙、浮尘的精准预报，还额外被提示“请携带口罩、纱巾等防尘用品”“驾驶人员应控制车速”——如此细致的提醒，过去并不多见。

西北多个省份常年受外来输入性沙尘影响，扬沙与浮尘几乎成了常态。关键在于这些沙尘波及范围广、移动路径多变、不确定性极大。能够提前获得及时且准确的预报，对当地生产生活而言至关重要。

在甘肃兰州，中国气象局兰州干旱气象研究所数值模式研究室首席专家段海霞正在查看沙尘预报数据处理结果。“这次提供的数据符合预期，范围与持续时间都经得起验证。”她转身对同事雷雨虹说道。

能“经得起验证”，离不开所里新加入的“伙伴”——气溶胶—气象耦合预报人工智能模型。

这个模型究竟如何“预知”沙尘的到来？核心就在于“耦合”二字。

我们日常生活中接触的天气预报，大多来自预报员的分析。预报员会综合多个数值模式、人工智能模型的结果，再结合本地天气特征及自身经验，最终给出判断。但传统数值预报模式存在一个短板：它通常将沙尘、PM2.5这类气溶胶与温度、湿度等气象要素分开计算，很难捕捉它们之间的相互作用。而实际上，气溶胶与气象要素之间的“耦合”关系，正是影响沙尘传输与沉降的关键。

举例来说：风力大小决定了起沙强度和传输距离，湿度、降水则影响沙尘的沉降速度。反过来，气溶胶也能改变气象环境——大量沙尘颗粒会阻挡太阳辐射，气溶胶还能作为云的“凝结核”影响降水。这就是段海霞的分析逻辑。

基于这一原理，中国气象科学研究院研究员车慧正团队开发了气溶胶—气象耦合预报人工智能模型。该模型专门分析气溶胶与温度、风速、气压等气象要素的相互作用与协同变化，旨在提升预报的精准度。

人工智能不仅像一位善于发现沙尘的“侦探”，更是一个“超级速算员”。传统数值预报模式需要大型计算机集群运行，一次全球预报耗时数小时，每天最多预报2到4次。而AI驱动的模型利用图形处理器即可计算，一次全球预报仅需36秒，速度提升了100倍以上。

去年10月底，干旱气象研究所引进该模型并进行试运行。这就像用手机拍摄了一张广角照片，放大后局部细节会模糊——模型应用于西北地区时也出现了类似问题。为了获得更精准的区域数据，科研人员需要对模型产出的数据进行降尺度处理。

“降尺度处理就是提高分辨率的一种方法。我们将原50公里分辨率的全球数据提升至5公里分辨率。”雷雨虹介绍，团队对沙尘光学厚度、质量浓度等关键参数进行了降尺度处理，并生成了高时空分辨率的可视化产品，进一步提升了预报质量。

经过模型预测和降尺度处理后，预报数据会被实时推送至甘肃省气象局兰州中心气象台的服务器，为最终发布预报提供参考。“半年多来，我们已经比较准确地预报了全国北方大范围沙尘天气过程10多次。”段海霞表示，该模型能够完成未来3到5天的高精度环境气象预报，在气溶胶总量、地面沙尘浓度预报方面，准确率比国际先进预报系统提升了10%到30%，同时大幅降低了计算成本。

更清楚地了解沙尘强度、起始时间等信息，对每个人都至关重要。段海霞说，除了基础的出行与健康提示，模型还能结合实时数据提供个性化防护建议。例如，通过分析沙尘中的致敏颗粒物浓度，提前为过敏人群推送“佩戴N95口罩、减少户外停留”的提醒；还能联动医疗系统，预测沙尘高发期的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，在生产应用场景中，这个模型拥有更广阔的想象空间：通过预测沙尘颗粒的粒径、荷电特性和沉降速度，指导输电塔运维，避免大面积停电；结合作物生长模型，调整农作物灌溉时间，推动从灾后补救转向灾前调控；在山火防控中提前预警，帮助群众转移，减少灾害损失。归根结底，“沙尘大模型”影响的远不止沙尘本身——它为多场景的风险预判与决策提供了科学支撑。

本期统筹：郭雪岩

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：新场景新动能人工智能模型提升沙尘预报精准度要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题