透過「香港及珠江三角洲區域自動分區天氣預報」網站或「我的天文台」應用程式，市民可隨時隨地獲取未來一小時至九天的精細化定點自動天氣預報，輕鬆掌握天氣情況變化，方便規劃活動行程。這套預報系統綜合了多個全球數值天氣模式（下稱NWP模式）的預測。NWP模式會根據氣象觀測數據分析大氣現時的狀態，然後利用大氣物理方程計算天氣預報。然而，NWP模式直接輸出的預報仍受很多因素限制^[1]，與實況觀測值之間仍存在一定偏差。為提升預報的準確度並實現精細化定點預測，我們運用「模式後處理」方法，利用香港及珠江三角洲區域收集的實況觀測數據，對NWP模式的直接輸出進行修正，並依據各模式的過去表現設定權重，從而集合成自動分區天氣預報產品。這套「客觀集成預報」（Objective Consensus Forecast，簡稱OCF）能有效降低NWP模式的直接輸出誤差^[2]。

近年，人工智能天氣模型（下稱AI 模式）在氣象預測領域 ^[3,4]表現亮眼，不僅在預報熱帶氣旋路徑方面表現出色，更能有效捕捉較大尺度環流系統所帶來的天氣變化，其表現較 NWP模式更具優勢。目前，AI模式的空間分辨率普遍低於 NWP模式，將AI模式應用在本地化的定點天氣預報又能否展現其優勢呢？

為探討這個問題，我們近期對AI模式，包括「歐洲中心人工智能電腦模式」（AIFS），以及「風烏」、「伏羲」和「盤古」等應用了上述模式後處理方法進行預報修正。綜合以上四個模式的後處理預報表現，初步結果顯示AI模式對未來九天香港天文台的每日最低氣溫預報的誤差，較現行OCF降低了約百分之三至十六（圖一）；而在每日最高氣溫預報方面，AI模式於未來第二至五天的預測誤差平均減少約百分之十（圖二），但之後AI模式的預測誤差在比現行OCF稍為遜色，在第八和第九天的預測誤差增加百分之十左右。

基於這些發現，我們將上述AI模式的後處理預報融合至現有的OCF系統中。如圖一和圖二所示，這套 「加強版OCF」 成功綜合了NWP和AI模式預報的優勢，提供更準確的每日最高及最低氣溫預測參考依據。在集合NWP和AI多個模式預報的過程中，模式後處理會通過按照各個NWP和AI模型預測的誤差，從新調整各個模式預報在計算「加強版OCF」結果的比重，令到「加強版OCF」有效地將表現較好的NWP或 AI 模式在集合過程中突出其貢獻。從圖一和圖二可見，「加強版OCF」對未來九天的每日最低氣溫預報誤差平均減少約百分之十，同時每日最高氣溫的預報準確度也較現行OCF有所提升。

以2025年5月17日的預報為例，儘管春夏轉換期間的氣溫頗受雲量、降雨、風向風力等變化所影響，加強版OCF對香港天文台氣溫預測仍較現行OCF更接近實況觀測（圖三）。

需特別強調的是，無論是傳統NWP或AI模式的直接預測甚至後處理產品，均無法完全取代預報員對各項天氣要素的專業判斷。主要原因如下：
-   複雜天氣系統的實戰經驗：預報員憑藉對實況的掌握及過去案例知識的累積，可對熱帶氣旋、強對流天氣、地形效應等複雜天氣進行有效的預報修正；
-   不確定性管理：AI 模式雖能處理大量數據，但對預報誤差來源的解釋能力仍相當有限；
-   即時決策調整：面對突發天氣變化（如雷暴快速發展），預報員可結合最新觀測數據，即時更新天氣預測。

儘管如此，上述「加強版OCF」的初步研究成果將對開發新一代「香港及珠江三角洲區域自動分區天氣預報」服務帶來重要的參考價值，也為未來利用AI模式提供更準確的定點自動天氣預報提供技術基礎。