黄秋菊 罗嘉祺 张桐珲 张文晓
内容提要：
随着我国经济社会进入高质量发展阶段，社会经济系统对气象条件的敏感性越来越强，气象“一日不可或缺”的作用进一步凸显。如何推动气象数据要素价值实现、助力经济社会高质量发展是一项新课题。本文基于资料搜集和实地调研，分析了气象领域数字化转型的现状及存在问题，并提出气象经济与数字经济深度融合发展的建议。
党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》提出“健全促进实体经济和数字经济深度融合制度”“加快构建促进数字经济发展体制机制”，为推进实体经济与数字经济的深度融合、推动高质量发展提供了根本遵循。以数字技术为支撑、数据为关键要素的数字经济，正全面融入经济、政治、文化、社会、生态文明建设各领域和全过程，成为经济高质量发展的重要驱动力量。气象行业立足实体产业，服务国民经济和社会发展，拥有海量数据资源。推动气象经济与数字经济融合发展是气象部门进一步释放数字化红利的重要抓手，不仅有助于提升气象服务的水平和质量，也将为现代化产业体系的构建注入新的活力和动力。
气象领域的数字化转型现状
（一）海量气象基础数据筑牢数字化转型基础
数字经济依托数字核心技术的实际应用产生，数字技术的出现离不开对于数据功能和价值的发掘。气象工作基于其行业性质，本身便与数字经济有着千丝万缕的联系。气象领域的日常运行基于对气象数据的收集、传输与加工分析，为此气象部门长期投资、开发、建设了大批数字基础设施。气象领域数字化转型核心优势在于其拥有海量、多源、高时效性的基础数据资源。
通常情况下，数据根据其来源及生产方式可分为交易数据（ 应用系统内部数据）、行为数据（人类交互产生的数据）以及监测数据（机器产出的数据）三种， 其数据量级依次提升。气象基础数据是监测数据中的一种， 据中国气象局2024年5月公布数据，我国气象数据存储总量超75千万亿字节（PB），日增量近60万亿字节（TB）。大规模基础数据的价值不仅在于其规模本身，更在于可以为数字技术应用提供土壤、实现业务重构并激发跨行业协同。气象数据对算力的刚性需求不仅推动了气象部门率先部署高性能数字设施，还对数字技术在气象行业的落地起到了牵引作用。
气象基础数据具有明显的时空连续性、多维度性和非结构化特点。新中国成立至今，我国7万余个气象站历史数据的时空连续性和温、湿、压、风等3 0 余种气象要素所具备的多维度性，使气象基础数据成为人工智能（AI）模型训练难得的“燃料库”。强对流天气分钟级预警、高精度风险地图等新技术也离不开大量气象基础数据的支持。相较于传统的结构化、半结构化数据，气象基础数据的价值提升对气象领域的数据资产管理提出了更高要求，为气象领域的数字化转型打下了良好基础。
（二）数字化基础设施初步建成
数字化基础设施是气象领域数字化转型升级的基础，从数据收集、传输和加工到气象预报、气象信息发布的整个业务链条中，每一个节点的数字化技术都有赖于数字基础设施。气象数据收集方面，根据中国气象局数据，截至2024年底，我国有9颗风云气象卫星在轨组网运行，546部雷达组成世界最大的天气雷达监测网，地面气象观测站数超过7.6万个， 实现乡镇全覆盖，建设27个国家气候观象台、9个国家大气本底站、131个国家高空观测站、1300余个沿海／海岛自动气象站，形成一整套数字化综合气象观测系统。高空大型无人机、新一代天气雷达、首颗降水测量卫星等最新科技成果的相继投入使用，使我国气象数据的收集体系不但实现了自动化，而且显著提升了整体站网布局的科学性。
在完成气象数据收集的基础上，气象部门架设了可靠性与安全性兼具的气象数据传输网络。气象数据传输系统在研发过程中重点围绕分布式多节点数据的传输难点展开，建设形成能够支持多种通信模式交互使用的复合数据通信模式。数据采集端通常采用以太网、无线网以及5G网络将数据在小型数据中心完成整合，再通过低功耗广域网络和窄带物联网将数据统一传送至大型数据中心。经过加工处理后的气象数据及相关产品则会统一通过中国气象局卫星数据广播系统（CMACast）向国内各级气象部门、行业内外客户分发。整套传输系统具备全天候运转、一发多收的特点， 既可以减少带宽资源消耗， 又可以满足不同数据用户的个性化需求。
鉴于气象预报所使用的数值模式对计算能力要求较高， 中国气象局在国内较早引入并应用超算系统。为响应“东数西算”战略，中国气象局已在北京、内蒙古和林格尔、陕西西安三地进行了五套超算子系统的布局，并顺利完成新一代超算系统的建设工作。超级计算的综合算力显著增强，其中西安容灾备份中心是气象部门首次应用全国产系统，迈出了气象超算全国产化的第一步。
（三）大数据、人工智能和数字孪生等数字技术被广泛应用
气象部门以智慧化、数字化为抓手，积极融入智慧城市、智慧社区、数字乡村建设，建成气象大数据智能感知网，为重点领域、重点行业提供数字化气象服务产品，打造“气象+”行业数字场景，智慧气象成为服务民生的一大利器。智慧气象借助先进技术手段提升对地球系统的把握能力和对大气的认识能力，其内涵随着科学技术的进步而持续丰富。智慧区别于智能，更多地表现为智能化、数字化支撑下的系统业态。依托于气象科学技术进步，数字气象系统逐步升级成为一个具备自我感知、判断、分析、选择、行动、创新和自适应能力的系统。
人工智能（A I）技术改变了气象工作的诸多环节。以气象预报为例，根据国家气象中心数据，2017—2023 年，我国已开发出4类50余个AI气象应用模型，对预报精确度和业务效能起到明显的提升作用，其中最具代表性的短临预报模型、强天气分类预报模型已经纳入短临预报业务系统（SWAN3.0）。AI 技术助力气象部门实现了对精细到乡镇的强对流预警信号的客观实时把握。与传统数值天气预报模式相比，AI 模型的运算速度实现了跨越式提升，基于AI技术的“风乌”气象预报大模型可在30 秒内完成对未来10天天气情况的预报，其速度是传统模式的2000倍。
数字孪生是气象领域应用前景颇为广泛的一项技术。通过大数据和物联网技术的前期铺垫，数字孪生技术已经成为数字政府治理中不可或缺的环节。如上海市浦东新区陆家嘴街道开展了数字孪生大气示范点建设，将真实大气体系、未来大气体系和风险感知体系与数字气象服务相结合， 形成了“1+3+X”数字化全面实时交互架构，能够精确发布强对流天气预报预警，同时提供慢性病易感人群风险提示、高楼外墙清洗风险提示等定制化服务。在福建，通过数字孪生、AI和智算技术，实现了百平方公里数字孪生流域的快速构建，以及亚米级山洪和城市内涝的分钟级快速预报，为政府部门的指挥调度提供了科学依据。
（四）气象经济与数字经济融合发展成效明显
当前，气象经济与数字经济融合发展成效明显。在数字技术的有力支撑下，气象数据的收集、处理和分析能力大幅提升， 气象预报的准确性和时效性明显增强。根据国家统计局《数字经济及其核心产业统计分类（2021）》，数字经济产业包括数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业和数字化效率提升业五类。气象部门的核心业务可与数字经济产业实现有效融合，提升气象领域的工作质效。通过运用大数据技术和人工智能算法，气象部门能够更精确地预测天气变化，及时发布预警信息，从而有效减少自然灾害对社会经济活动的影响。此外，数字孪生技术在气象领域的应用日益广泛，通过构建虚拟气象系统、模拟真实世界的天气变化， 为气象研究和决策提供相应依据。这些技术的应用不仅提升了气象服务的效率和质量，也推动了气象经济的快速发展。
气象经济的价值体现在两方面。一是利用气象预报进行防灾减灾取得效益，如通过精准的气象预警和预报来减少极端天气的负面影响，减少因气象灾害造成的经济损失和人员伤亡；二是充分利用有利气象条件进行经济活动所取得的效益，如借助气象信息， 利用有利的气象条件，获取更高的生产收益或生产效率。随着社会生产力的不断进步，特别是数字技术的发展，数字技术在气象领域的应用愈发多样，也使得气象经济与数字经济之间产生了愈发紧密的联系。
比如，在农业领域，可通过3S（遥感、地理信息、全球定位）技术布设农田小气候站，实现烟叶灾害预警与保险联动，帮助降低一定的种植损失，助力农业企业增产增收。
气象领域数字化转型中存在的问题
（一）云计算平台使用面临挑战
气象部门的计算工作主要由气象超级计算系统和云计算平台共同实现。云计算平台虚拟化和分布式计算、存储的特征与气象部门日常业务契合度较高，将业务系统放置于云端可以实现弹性的资源调配，在极端天气频发的业务峰值期能够调用更多的计算资源以应对复杂的天气情况。然而在实际使用过程中，云计算平台的使用面临两大挑战。
一是云计算平台的维护和长期运营问题。在调研中发现，气象系统各云平台通常选择与科技公司合作开发， 平台后续的维护、更新和升级会受限于合作企业的经营状况。若最终被迫更换合作方，将会造成前期投入资金的浪费。
二是云计算平台数据传输、协调问题。出于对数据安全的考量，云计算平台需要先将全部数据传输至计算中心，这将增加系统的整体负荷。作为解决方案，边缘计算技术可将无数个分散的计算单元部署在采集点附近的分支上，由这些规模较小的计算单元对数据进行初步处理，从而减轻网络带宽和传输质量方面的压力。以天气雷达观测为例，若使用传统传输方式将多普勒天气雷达观测数据传回大型计算中心，则需要等待一次完整的体扫过程，用时约为6分钟； 而使用消息队列以及数据流的传输方式搭配边缘计算单元对数据进行预处理，其数据时效只会延迟15—20秒。当前数据计算模式的分配方式仍需优化，以提高气象数据的时效性、准确性并降低工作能耗。
（二）人工智能应用技术面临迭代升级
人工智能技术在气象预报、灾害预警等领域的应用可以大幅提升运算效率并减少资源消耗，然而对其结果的采纳仍存在风险，AI技术的黑箱效应在气象部门同样存在。20世纪50年代开始在世界范围内被广泛采用的气象数值模式预报经过数十年发展，已经成为世界上最为复杂的软件项目之一，这也是气象部门对算力需求不断增加的一个原因。相较于数值模式，AI技术主要依赖数据驱动的机器学习，选择从海量历史数据中直接推演结果，而非如数值模式一般对物理现象进行拟合。
一方面，在对AI生成机理的解释不足时，其不一致的模拟结果势必受到更多质疑。另一方面，由于机器学习过程对于历史数据的需求量极大，既需要足够的数据用来学习，还需要分出部分数据作为测试组进行调试， 这导致AI在模拟极端天气情况（如超强台风等）时，由于缺乏足量数据而影响效果。因此在下一步的人工智能技术开发过程中，需要对AI模型的机理展开更多探索，对有限数据的深度学习模式的迭代升级也必不可少。
（三）数字化建设中跨部门、跨地域协作机制不足
基于地方政府治理实际需求，气象系统联合各地方政府及有关部门开发了多个数字化信息平台，如安徽智慧农业气象业务服务体系、内蒙古智慧农业气象服务平台、海南全域旅游智慧气象服务系统等，实现了气象资料与数字政府建设的深度对接和实时共享，为各地方政府有关决策提供了气象信息支持。但是目前平台开发主要依托省一级政府，所涉及业务均以省域划分，各省份之间数据互通仍存在一定的阻碍。目前与气象业务相关的数字平台多由气象部门自行开发，然而所涉及的实际业务则需要与水利、应急等多部门共同磋商，亟待在数字化建设中建立跨地域、跨部门的有效协作机制。
对气象经济与数字经济深度融合的建议
（一）优化气象计算资源分配机制，构建智能集约化技术体系
针对气象部门云计算平台开发模式单一、可持续性不足的问题，建议建立“政府主导、企业协同、技术迭代”的多元化合作机制。
一是由国家级气象部门牵头，从顶层设计入手，尽快制定气象云计算平台建设相关技术标准，明确数据安全、接口兼容性等核心指标，为各省（区、市）气象部门的后续数字化平台建设给予明确的方向指引。针对平台搭建及后续长期维护过程中可能出现的不确定因素，可鼓励相关单位优先选择具备自主可控技术能力的国产云服务商合作。
二是积极探索“基础平台统一开发+ 业务模块分层定制”模式，依托国家级气象超算中心构建基础算力底座，地方各级气象部门按需叠加本地化业务模块，以避免重复建设造成资源浪费。
三是建立对合作企业的动态评估机制，将技术迭代能力、运维响应速度纳入招标评分体系，借助长期监管、评估来降低被迫进行数字平台迁移的概率。
在制定形成全国数字计算平台的整体框架后，为提升计算资源使用效率，可考虑建立多级响应的动态调配机制。借助机器学习算法，根据历史气象数据、历史业务峰值、专业设备能耗比、区域灾害风险等参数，构建气象算力需求预测模型，评估全年各时间段天气事件所需要的算力等级，以评估结果设定各区域相应算力扩容阈值，适当设置冗余算力。
推进边缘计算技术的标准化应用同样有助于分担峰值算力压力，可采取如下措施。一是通过明确边缘计算单元的最小算力配置、环境适应性等指标。二是开发专用边缘计算算法库，聚焦观测数据实时处理、强对流天气识别等高频需求，研发轻量化AI模型。三是构建从边缘到云端的协同安全体系， 建立基于区块链的数据溯源机制，确保分布式计算环境下的数据完整性。四是推广轻量化模型架构，实现边缘端实时推理。
（二）深化数字技术与气象业务全链条融合创新
气象科技创新需要围绕大数据、人工智能等新兴技术，在新场景、新应用中持续展开，形成气象领域的新质生产力。
在科研方面，应继续加强人工智能与气象科研的融合，以驱动气象科技能力现代化。一是强化可解释性人工智能（XAI）在气象机理研究中的应用，尝试构建数值模式与AI混合驱动的研发范式，通过引入SHAP（SHapley Additive exPlanation）等可解释性框架，实现对特征贡献度的量化，从而提升模型决策过程中的透明度。二是完善A I 气象模型双盲验证机制，通过对比极端天气事件中的表现差异来识别算法偏差并优化参数体系。三是针对极端天气模拟中历史数据不足的问题，构建有限数据条件下的深度学习优化策略，可尝试将迁移学习与数据增强技术相结合以扩充样本多样性，或采用结合对抗生成网络弥补数据缺口。四是完善跨学科协同研发机制，可建立相关创新合作平台，支持高校与科研机构联合攻关，此类协同研发可降低边际创新成本，形成技术扩散的正外部性效应。
气象业务办公方面，应借助人工智能、云计算等技术手段提高日常业务工作效率与质量， 建议通过接入DeepSeek等大模型来部署智能办公系统，实现人力资源释放以优化业务流程，比如研发自动化报告生成功能， 减少气象数据输出过程中人工校对时间；构建基于气象知识的智能对话引擎，为基层气象工作者提供实时技术支援以降低培训成本等。此外， 在A I 技术的开发过程中，须重视技术引进的实际效益，应采用条件价值评估等方法量化A I 应用的经济效益，结合边际成本曲线分析确定最优技术投入规模。建议建立A I 项目的全生命周期成本模型，涵盖研发、部署与维护成本，避免因技术迭代过快导致的沉没成本累积。
（三）加快推动气象领域数字化转型的协同治理
气象领域数字化转型中如何更好地实现跨部门、跨地域协作是一个挑战，建议建立完善跨部门、跨地域的协同管理机制。气象数据资源的公共物品属性与行政管辖权割裂的矛盾，其实质在于日常业务的组织架构与数字经济发展需求之间的制度性错配，建议构建“纵向穿透+横向融合”的双轨组织架构， 纵向层面可依托三级气象数据中心建立垂直数据通道； 横向层面可考虑以气象数据工作小组或委员会等形式整合水利、应急、农业农村等多个部门数据，同时赋予跨行政区域数据调取权限与应急指挥职能。在此基础上，气象行业应推动法定化协作框架的建设。如在规范性文件中增设“数字化协同”的具体规则，明确跨部门、跨地域数据共享的权责边界与技术标准，并建立气象数据所有权分级制度。将基础观测数据纳入公共产品范畴并强制共享，衍生数据产品则可以实施市场化分级授权，在《“数据要素×” 三年行动计划（2024—2026 年）》的框架内，充分发挥气象数据作为数据要素的乘数效应并应用于各部门数据融合业务。
跨部门、跨地域治理过程中难免会出现“搭便车”现象，因此进行协同治理时应考虑建立数据贡献与经济补偿挂钩机制。由于数据已经成为最基础的资源和生产要素，数据价值的挖掘过程可以促进气象系统内部的正反馈，最终推动气象数据的升值和新型气象商业模式的形成。尝试确立实施气象数据补偿机制可能有助于解决“搭便车”问题， 例如可根据上游省份提供气象数据的质量与时效性，从专项资金中拨付补偿金，从而提高数据报送的完整率和响应速度。
（本文为中国气象局气象软科学研究专项课题“数字产业化与产业数字化在气象领域应用研究”和中国气象服务协会气象科技创新平台项目“气象经济的理论方法与实践”的阶段性研究成果）
作者单位：中国气象局气象干部培训学院（中共中国气象局党校）
Visits: 0