《Tropical Cyclone Research and Review》：Advances in Tropical Cyclone Monitoring and Forecasting in Hong Kong Using Ensemble Predictions and Artificial Intelligence
编辑推荐：
本文聚焦香港天文台(HKO)为应对西北太平洋频繁热带气旋(TC)威胁，开展的集合预报系统(EPS)与人工智能(AI)技术融合研究。研究团队开发了TC侵袭概率图、概率风暴潮预报、AI-STORMVIS实时TC定位定强系统、基于摄像头的AI洪水监测工具及AI天气预测模型应用等五项关键技术。结果表明，AI模型在TC路径预报中表现优异，显著提升了中短期预报准确率，风暴潮概率产品有效支持了沿海洪水风险评估。该系列成果有力推动了精准预警服务发展，契合联合国“全民早期预警”倡议，对增强粤港澳大湾区防灾减灾能力具有重要意义。
香港地处西北太平洋和南海这一全球最活跃的热带气旋(TC)生成区，每年平均有约30个TC生成，其中约6个会影响香港，带来狂风、暴雨和风暴潮等严重灾害。历史上，如2017年天鸽、2018年山竹、2023年苏拉等超强台风均导致香港发出最高级别的十号飓风信号，造成重大人员伤亡和经济损失。尤其值得注意的是，2023年海葵残余引发的极端降雨打破了自1884年以来的多项纪录，引发严重洪涝和山体滑坡。随着极端天气事件频率和强度的增加，发展更精准的TC监测预报技术已成为保障城市安全运行的迫切需求。
在此背景下，香港天文台(HKO)作为香港特别行政区的气象主管机构，积极响应联合国世界气象组织(WMO)倡导的“全民早期预警”倡议，致力于运用前沿科技提升TC预报预警能力。近期发表于《Tropical Cyclone Research and Review》的研究论文，系统阐述了HKO利用集合预报系统(EPS)和人工智能(AI)技术在TC监测预报领域取得的多项重要进展。
为应对TC预报中的不确定性挑战，研究团队重点研发了五项核心技术方法：基于多中心EPS数据生成TC侵袭概率图以量化路径不确定性；采用SLOSH(Sea, Lake, and Overland Surges from Hurricanes)模型与ECMWF EPS结合开发概率风暴潮预报产品；利用YOLOv6目标检测与CNN卷积神经网络构建AI-STORMVIS系统实现卫星图像的TC自动定位与定强；通过图像分割技术分析网络摄像头影像实现低洼地区实时洪水监测；以及引入 FengWu、FuXi、GraphCast、Pangu-Weather等多种AI天气预测模型进行TC路径预报集成应用。
在集合预报预警服务方面，研究取得了显著成效。TC侵袭概率图服务自2017年推出以来，通过整合ECMWF、JMA、NCEP、UKMO等全球NWP中心的EPS数据，并于2024年新增KMA-KIM EPS数据，为公众和决策部门提供了直观的TC路径不确定性可视化工具。概率风暴潮预报产品在2024年台风季前扩展到香港10个沿海站点，通过风险矩阵、水位累积超越概率图、“意大利面条图”等多种形式，显著提升了沿海洪水风险预警能力。验证结果显示，该产品对27个TC事件的预报可靠性较高，尽管对高阈值事件存在轻微欠自信倾向。
AI监测与预报工具的研发应用展现了技术突破。AI-STORMVIS系统对2022-2023年西北太平洋41个TC的监测显示，平均“正常运行时间”达75%，在台风强度以上TC中可达100%。与HKO最佳路径对比，热带风暴强度以上TC的平均位置误差小于0.5°，强度估计误差相当于10节风速，性能与ARCHER、ADT等传统方法相当。特别是在超强台风苏拉案例中，系统提前一天监测到其前身信号，对强度变化趋势也有较好捕捉。AI洪水监测工具通过训练特定地点的图像分割模型，在2021年台风圆规影响期间成功监测到沙田地区河水泛滥事件。
AI天气预测模型的业务试验揭示了其独特优势。2023年中期开始的实时试验表明，AI模型在TC路径预报中表现突出，中短期预报误差小于传统NWP模型。Pangu-Weather等模型在超强台风苏拉和强台风小犬的预报中，路径预报准确性优于ECMWF IFS模型。值得注意的是，HKO于2025年将AI模型纳入业务集成共识后，24小时TC路径预报误差首次降至约50公里，实现了预报精度的突破性提升。此外，AI模型在TC生成预报方面也展现出潜力，对2024年11月台风桃芝的生成，AI模型在144小时预报中已有所体现，而ECMWF IFS模型则信号较弱。
研究表明，EPS与AI技术的融合应用显著提升了TC监测预报能力。概率化产品有效传达了预报不确定性，支持了基于影响的预警决策；AI-STORMVIS等自动化工具提高了监测效率；AI天气模型则为突破传统NWP的预报瓶颈提供了新路径。然而，AI模型在TC强度预报中的系统性低估、空间分辨率限制以及降水等关键要素的预报能力不足，仍是需要持续攻关的挑战。
该研究成果不仅增强了香港本地应对TC灾害的能力，也为全球TC预报技术发展提供了重要参考。通过持续优化AI算法、扩展验证周期、探索TC快速增强等难点问题的AI应用，HKO将继续与ESCAP/WMO台风委员会成员合作，共同提升区域防灾减灾水平，为构建更具韧性的城市气象服务体系贡献力量。
