让AI“读懂”山川！四川以人工智能破解复杂地形短临预报预警难题

7月11日凌晨，成都西部，局地强对流天气发展增强。2时，在四川省气象台业务平台上，“蜀智”人工智能（AI）短临预报模型给出提示：对流回波将进一步增强，预计4时至5时，崇州、大邑一带将出现小时雨强40至50毫米的短时强降水。

这条提示可信吗？落区要不要订正？值班预报员熊燕琳结合雷达回波、地面观测等资料，对强降水落区、起止时段进行精细化订正，及时更新发布短临预报。

这场强对流天气的研判，折射出四川气象预报预警业务正在发生的变化：AI正逐步成为预报员捕捉天气变化、研判灾害风险的得力助手。

四川地处青藏高原东缘，高原、山地、盆地交错，强对流天气突发性强、局地性明显，山洪、泥石流等次生灾害风险高。如何精准判断强降水落区，为基层防灾避险争取更多时间，是气象预报预警面临的一道现实难题。

今年以来，四川省气象局按照中国气象局AI气象应用工作部署，坚持国家级模型应用与本地自主研发并重，搭建多灾种模型体系，推动AI深度融入监测、预报、预警全链条。

识山川之势，让智能模型更懂复杂地形

一团对流云经过山地时，受地形抬升、局地环流等因素影响，可能迅速发展。传统雷达回波外推方法能够捕捉已有回波的移动趋势，却难以准确预判对流的突然生消和强度变化。

如何让模型不仅识别云雨，还能认识山川？2025年11月，四川自主研发的“蜀智”AI短临预报模型V1.0上线。在2026年汛前，V2.0版本投入应用。

研发团队将地形强迫抬升等物理机制嵌入模型训练逻辑，让模型在识别云雨变化的同时，进一步学习复杂地形对强对流发展的影响。“让模型在看回波的同时‘感知’脚下的山，懂得地形怎么抬升气流、怎么改变对流路径，山区预报才能报得准。”模型研发负责人罗辉介绍。

目前，“蜀智”模型每6分钟滚动更新一次预报，提供未来0至3小时、空间分辨率1公里的精细化预报产品。

察毫厘之变，让智能预警贯通业务链条

模型算得准，预警就一定能发得早吗？

其实不然。整个业务流程还涉及到预报员研判、制作预警指导产品、发布预警等各个环节的协同配合。四川省气象局借助人机协同，算法快速识别、辅助研判，预报员综合分析、订正把关，让预报预警既有速度，也有精度。

8月21日夜间，马边彝族自治县再次遭遇局地极端暴雨，12小时累计降水量达216.8毫米，最大小时雨强69.6毫米。

面对局地性、突发性明显的强降水，短期模式预报出现偏差，短临跟踪监测成为关键。强降水来临前，“蜀智天气”一体化平台上的客观预警指导产品捕捉到风险信号，提前37分钟提示当地发布暴雨橙色预警信号。

省气象台预报员康译持续跟踪雷达回波变化，发现强降水回波在马边一带持续维持，立即结合外推产品和实时观测开展研判，并与市县气象部门联系。“这一带回波还在加强，短时雨强可能继续增大，建议重点关注预警升级。”

谋未然之策，让智能成果转化为避险实效

预报预警能力提升，最终要看能否让群众更早避开危险。

7月26日，九寨沟景区遭遇强降雨，引发山洪泥石流，部分道路受阻。“蜀智”风险模型提前2小时给出周边山洪沟涨水趋势预警，为景区风险研判、人员疏散和避险处置提供参考，景区最终实现游客安全撤离、无人员伤亡。

四川气象部门整合气象观测、地形地貌、地质灾害隐患等数据，探索“一地一策、一灾一模型”的精细化风险研判路径。目前，已归集14类2100个专题图层，校正4000余条山洪沟流域参数，针对滑坡、崩塌、泥石流等不同灾种开展差异化风险评估，地质灾害预警模型测试精度持续提升。

此外，四川省气象局还联合雄安气象人工智能创新研究院、宜宾市政府共建四川人工智能气象应用实验室，联合成都信息工程大学打造多源融合高质量气象数据集，推动科研攻关与业务应用紧密衔接。

当前，四川气象部门正持续推进国家级模型本地化适配和“蜀智”系列模型迭代升级，加快AI向监测预报预警全业务链条深度融入。