气象雷达：极端天气的“实时哨兵”
气象雷达通过发射电磁波并接收目标物反射的回波，实现对降水、风场、云系等气象要素的实时监测。在极端天气事件中，雷达的“火眼金睛”能捕捉到常规观测手段难以发现的细节。例如，在台风登陆前，多普勒雷达可通过径向速度场识别出眼墙结构、螺旋雨带等关键特征，结合反射率因子图分析降水强度分布，为防灾减灾争取宝贵时间。
雷达技术的进化同样值得关注。双偏振雷达通过同时发射水平和垂直偏振波，可区分雨滴、冰雹、雪花等粒子相态，甚至能探测龙卷风中的碎屑回波。相控阵雷达则以电子扫描替代机械转动，将扫描周期从6分钟缩短至1分钟，极大提升了对突发性强对流天气的追踪能力。2021年郑州特大暴雨期间，雷达网提前2小时监测到“列车效应”降水回波，为城市内涝预警提供了关键依据。
数值预报：极端天气的“数字预言家”
数值天气预报（NWP）通过求解大气运动方程组，构建虚拟的“数字地球”来模拟未来天气演变。在极端天气预测中，高分辨率模式（如网格间距≤3km）能更精确刻画地形影响和中小尺度系统。例如，欧洲中期天气预报中心（ECMWF）的集合预报系统通过扰动初始场生成多个可能解，量化台风路径、降水量的不确定性，为决策提供概率化支持。
机器学习的融入正在重塑数值预报范式。谷歌DeepMind开发的“GraphCast”模型，利用图神经网络直接从历史数据中学习大气演化规律，在台风路径预测中超越传统模式。中国气象局研发的“风雷”模型则将物理过程与深度学习结合，显著提升了暴雨预报的时空分辨率。2023年台风“杜苏芮”登陆前，智能网格预报提前72小时锁定其路径，误差较以往缩小40%。
协同作战：从监测到预警的闭环
气象雷达与数值预报的深度融合，构建了“观测-同化-预报-服务”的全链条防御体系。雷达实时数据通过同化技术融入数值模式，动态修正初始场偏差；预报结果反过来指导雷达扫描策略，形成“观测-预报”的良性循环。在2022年长江流域极端高温事件中，雷达监测到的对流抑制信息被同化进模式，帮助预报员提前10天预判热浪持续时间。
极端天气预警的“最后一公里”同样依赖技术协同。基于雷达回波外推的“临近预报”（Nowcasting）可提供0-2小时短时预警，而数值模式则负责6小时以上中短期预报。两者通过概率匹配算法融合，生成分时段、分区域的预警产品。例如，北京2023年汛期采用的“闪电预警系统”，结合雷达拼图与模式降水预报，将城市内涝预警时效从30分钟延长至2小时。
