雪还是雨？混合型人工智能从卫星观测中解读地表降水相

暴风带来的是雪还是雨，为什么重要

当冬季风暴来临时，是以雪还是雨的形式降落，往往决定了一场风景如画的降雪与一场危险灾害之间的差别。由雪转雨的突变会破坏山地积雪层的稳定性并引发雪崩，而将雨转为暴雪的寒潮又能使道路、电力和供应链陷入瘫痪。然而在许多最危险的地区——偏远山地与高纬度地区——我们地面观测仪器稀少，难以准确得知究竟是什么在到达地表。本文介绍了一种新的人工智能系统，它将卫星观测与大气预报结合起来，近实时判断地面降水是以雪还是雨形式出现。

从太空监测冬季风暴的空白

现代气象卫星已经可以估计全球范围内的降雨或降雪位置，但现有产品通常延迟四小时以上，且常常模糊快速变化。像广泛使用的 GPM IMERG 这类系统需整合多种卫星传感器与传统预报模式，这既耗时也限制了它们追踪演变中风暴的空间与时间精细度。它们在地形陡峭且气象站稀少的地区表现尤为困难，比如青藏高原或内陆山脉，而在这些地区准确区分雪与雨对雪崩防控、洪水预报和交通安全至关重要。

融合卫星与数字大气的混合型人工智能

作者提出了 RePPIC-Net，一种旨在弥补这一缺口的“混合”人工智能框架。它摄取两条主要信息流。第一条来自中国风云-4B（Fengyun-4B）静止气象卫星，该卫星持续观测同一半球，每15分钟提供约5公里分辨率的云顶温度和云结构细节。第二条来自 FuXi，一种基于人工智能的新型全球数值预报系统，可在几秒钟内生成大气三维温湿场。RePPIC-Net 将这两类视角结合：卫星影像显示云与降水团的位置与结构，而 FuXi 的垂直剖面描述了大气热力学状态，这决定了降落过程中文化粒子是融化成雨还是保持为雪的关键因素。

系统如何学会识别雪与雨

为判断到达地面的形式，RePPIC-Net 使用了气象学中一个广为使用的量——湿球温度，它反映了水滴蒸发时能降到的最低温度。湿球温度是判断降水是液态还是固态的最可靠单一指标。模型根据 FuXi 的场资料估算近地表湿球温度，并根据局地地形高度进行调整，进而将其转换为降水为液态的概率。与此同时，称为 UNet 和 ResUNet 的深度学习网络分析卫星图像和大气变量，以确定降水发生的位置并估计其强度。最终的后处理步骤将这些概率与强度融合，纠正系统性偏差，生成每15分钟一张区分雨与雪的全球图。

在实际风暴中的表现如何

研究团队使用来自中国2000多个地面气象站的数据对 RePPIC-Net 进行了测试，并将其性能与现有卫星产品比较。总体上，该新系统对降雨的探测能力与当前标准相当，并且在雨雪量的系统性误差上更小。在关键的弱到中等降水范围内——雪常与强暴风雪相关联——该系统尤为擅长。在此范围内，RePPIC-Net 更准确地识别降雪，并在快速演变事件期间更清晰地区分雨雪。对2023年中国东北一次重大雨雪混合风暴和青藏高原的一次降雪案例研究表明，得益于更精细的分辨率和三维大气信息，该系统较现有运营数据集更能准确定位暴风雪区域和山地降雪。当以短期卫星预报作为驱动时，它也能在很大程度上保持技能，从而实现1–3小时雨雪格局的临近预报。

对日常影响的意义

对非专业读者而言，关键结果是 RePPIC-Net 能在近实时下判断广阔、观测稀少地区地面降水是雪还是雨。通过将现有全球产品的延迟从数小时缩短到大约两分钟的处理时间，并提高降雪探测能力，该系统为暴风雪、冻雨及雨雪叠加导致的雪崩与洪水风险的早期预警提供了有力的新工具。作者将他们的方法视为未来气象监测的蓝图：将快速的 AI 驱动预报与持续的卫星观测相结合，以在变暖的气候中更精确地追踪危险的冬季天气。

引用: Yang, C., Li, H., Zhu, R. et al. Snow or rain? hybrid AI deciphers surface precipitation phase from satellite observations. Nat Commun 17, 2813 (2026). https://doi.org/10.1038/s41467-026-69487-w

关键词: 雪与雨之别, 卫星降水观测, 天气临近预报, 气象中的人工智能, 冬季风暴危害