短时强对流天气突发性强、局地性明显，往往伴随短时强降水、雷暴大风等现象。
在山地地形复杂、天气变化快的贵州，此类天气不仅影响交通运行和生产生活，还可能诱发洪涝、泥石流、滑坡等次生灾害。
如何在“时间窗口”更短、尺度更小的条件下提高预报精度，长期以来是短临预报的难点，也是气象防灾减灾体系建设的关键一环。
造成短临预报困难的原因，既有自然条件的复杂性，也有技术路径的约束。
贵州地形起伏大、下垫面差异明显，局地对流云团易在短时间内生消发展，传统外推方法对这类“突然发生、快速演变”的过程捕捉不足；数值预报受制于计算量与参数化方案，虽然物理机制完整，但在分钟级更新、公里级分辨率、快速响应的业务需求面前，常面临速度与精细度难以兼顾的问题。
此外，雷达回波数据存在噪声、缺测等质量问题，本地高质量样本相对不足，也制约了智能方法的训练效果与可移植性。
针对上述痛点，贵州短临气象大模型探索以“数据驱动”增强短临预报能力。
研发团队提出将雷达回波每6分钟一次的扫描序列视为连续图像帧，把“过去的气象过程”作为输入，让模型学习云团移动、增强、衰减等演变规律，进而生成未来0至2小时的雷达回波预测序列。
该思路借鉴视频生成领域的跨域迁移方法，并在架构层面进行适配改造，以适应气象数据的时空特征和业务更新节奏。
在国际数据集和贵州本地数据的验证中，模型表现出较高的预测稳定性与精度。
技术落地的关键，在于“适配本地、满足业务、可部署可运行”。
研发过程中，团队围绕数据质量与数据规模两大瓶颈推进攻关：一方面联合气象部门对原始雷达数据开展清洗、质控，降低噪声和缺测对训练与推理的影响；另一方面提出“双重位置编码”等方法，让模型不仅学习时间演变规律，也能识别不同区域的地理与气候差异，从而提升对本地复杂地形背景下强对流演变的刻画能力。
同时，通过引入多源气象数据扩充样本，提高模型对不同天气形态的泛化能力。
从应用效果看，该模型将预报提前量提升至2小时，空间分辨率达到1千米×1千米，并将单次推理时间压缩至约3分钟，满足每6分钟更新一次的业务时效要求。
更重要的是，模型在国产化算力平台完成适配，可实现轻量化部署，降低了大规模推广的运维门槛。
当前，该模型已接入“黔气象”小程序相关功能，并服务航空调度和铁路业务系统。
对航空与铁路等对安全裕度要求极高的行业而言，提前几十分钟掌握强对流位置与强度变化，有助于更科学地开展绕飞、限速、调整班次等决策，提升运行安全与效率；对公众服务而言，更精细、更及时的雷达短临产品，有助于增强风险提示的针对性与可操作性。
从对策层面看，短临预报能力的提升离不开“政产学研用”协同推进。
一方面，应持续完善气象与应急部门的数据共享与业务联动机制，推动雷达、自动站、卫星等多源数据在统一标准下汇聚，提升训练数据的完整性与可用性；另一方面，应推进模型评估体系和业务准入机制建设，形成面向强对流、暴雨等高影响天气的客观检验流程，确保模型在不同季节、不同地形条件下的可靠性与可解释性。
同时，还需将技术成果嵌入应急响应链条，推动预报产品与风险阈值、地质灾害隐患点、交通枢纽等信息联动，形成从“预报”到“预警”再到“行动建议”的闭环。
面向未来，随着算力基础设施完善、数据质量持续提升以及算法迭代加快，短临气象大模型有望进一步拓展到更长提前量、更丰富要素的综合预报，并与城市内涝、山洪地质灾害监测等系统协同，提升精细化治理水平。
尤其是在极端天气多发背景下，推动气象科技从“可用”走向“好用、管用”，将为基层防灾减灾、重大工程安全保障和交通枢纽稳定运行提供更坚实的技术支撑。
贵州短临气象大模型的成功研发和应用，充分体现了新时代我国在人工智能、气象科技领域的自主创新能力。
这一突破不仅为防灾减灾工作提供了有力的科技支撑，更为气象预报、应急管理等领域的数字化转型树立了典范。
随着模型在更多场景中的推广应用，必将为保护人民生命财产安全、促进经济社会发展作出更大贡献。
这也启示我们，只有坚持自主创新，加强跨界协作，才能在关键领域取得重大突破，推动科技进步造福社会。