气象卫星：气候监测的「天眼」系统
自1960年TIROS-1卫星发射以来，气象卫星已发展为覆盖低轨、静止轨道的多层次观测网络。极轨卫星每12小时完成一次全球扫描，其可见光、红外与微波传感器可穿透云层，捕捉海面温度、冰川消融、植被变化等关键指标。静止轨道卫星则以每10分钟一次的频率锁定特定区域，实时追踪台风生成、热浪扩散等极端天气事件。
2023年欧洲「哨兵-3D」卫星数据显示，北极海冰面积较1981-2010年平均值减少13.2%，这一数据直接印证了IPCC关于北极放大效应的预测。中国「风云四号」B星搭载的干涉式大气垂直探测仪，首次实现了对大气温湿层结的三维立体观测，为数值模式提供了更精准的初始场数据。
卫星遥感技术的突破不仅在于硬件升级。深度学习算法对多源卫星数据的融合分析，使沙尘暴源地识别准确率提升至89%。NASA的「黑炭气溶胶监测计划」通过跨卫星平台协作，量化出南亚棕云对喜马拉雅冰川消融的贡献率达27%，为区域气候治理提供科学依据。
数值预报：气候变暖的「数字模拟器」
从1922年理查森手动计算天气预报的失败尝试，到如今每秒10^15次浮点运算的超级计算机集群，数值预报已演变为气候研究的基石。欧洲中期天气预报中心（ECMWF）的IFS模式，通过将地球划分为9公里网格，可模拟未来15天的天气演变，其台风路径预报误差较20年前缩小63%。
气候变暖研究对数值模式提出更高要求。CMIP6计划中的高分辨率模式（网格距25公里）首次再现了热带气旋的眼墙置换过程，揭示出海洋热含量上升与超强台风频发的物理机制。中国FGOALS-g3模式通过改进云物理参数化方案，将东亚季风降水预报的TS评分提升至0.62，接近业务化应用门槛。
模式发展正突破传统边界。谷歌「GraphCast」神经网络模型通过学习40年历史预报数据，在1分钟内完成全球10天预报，其500hPa高度场预报精度已接近ECMWF业务模式。这种AI与物理模型的融合，为气候变暖情景下的极端事件预警开辟新路径。
科技协同：构建气候韧性未来
气象卫星与数值预报的协同进化正在重塑气候应对范式。欧洲「哥白尼气候变化服务」整合13颗卫星数据与30个气候模式，生成月尺度温度异常预测产品，助力能源部门优化调度。日本「向日葵-9」卫星与JMA模式联动，将梅雨锋暴雨预报提前量从6小时延长至18小时。
技术融合催生新型应用场景。基于卫星反演的土壤湿度数据与数值模式耦合，使美国中部干旱预测提前量从2周延长至5周。中国「风云」卫星与CMA-GHM模式结合，构建出青藏高原积雪-融雪-径流的完整模拟链，为三江源生态保护提供决策支持。
面向未来，星地协同观测网络将实现每分钟级数据更新。计划中的「地球数字孪生」项目拟通过百万级传感器与AI模式融合，构建动态气候系统模型。这种虚实映射的技术体系，或将使人类首次具备「气候工程」的调控能力。
