中国无人机集群追踪台风红霞，但预报能力的考验才刚刚开始
中国气象部门在台风红霞过境期间部署了无人机集群，并称这是中国首次实现对台风全过程的三维观测。
这项于7月26日开展的试验使用多架搭载仪器的无人机组成协同观测阵列。在风暴靠近并登陆广东沿海期间，它们在不同位置和高度进行采样。这一设计使该任务区别于中国此前使用单架大型无人机或多种不同航空器平台开展的飞行任务。
眼前的成果在于作业能力，而非预报能力。研究人员在危险热带气旋周边维持了一个分布式空中网络，并从大气中观测不足的区域收集数据。更艰巨的考验将从科学家把这些数据与雷达、卫星、探空气球和预报模型结果进行比对时开始。
中国无人机集群在红霞期间做了什么
这项试验以分布在低层大气中的多个协同观测点，取代了单一的移动观测点。
中国气象局（CMA）将该系统描述为多架搭载气象载荷的无人机。这些航空器在观测区域内不同的位置和高度层运行。它们之间的协同，使三维采样密度高于单架飞行器所能提供的水平。
公开报道尚未披露无人机数量、飞行路线、传感器配置、运行高度、续航时间或数据量，也未说明各架飞行器上运行的型号。这些信息缺失，使外界无法独立评估该集群的覆盖范围和技术表现。
不过，其运行理念依然值得关注。单架无人机只能记录一条不断变化的飞行路径上的条件；而集群能够在几乎同一时刻测量多个地点，减少快速变化风暴中不同时间点之间的差异，从而降低比较难度。
这一差异在登陆前后尤为重要。气旋与海岸线、地形和城市区域相互作用时，风速、气压、湿度和降雨量可能迅速变化。相隔一定距离或时间的测量，可能对应这一过渡过程中的不同阶段。
据报道，这些无人机的目标区域是近岸低层大气，而常规观测在这里仍然有限。相比陆地观测网络，海上站点较为稀疏。探空气球能够提供垂直剖面，但每个气球都会漂移，无法形成持续的空间阵列。
地面雷达可以扫描降水，并在较大范围内估算风场。卫星则从高空提供更广阔的视角。但这两类系统都无法直接测量每一个低空点的全部大气属性。
协同无人机阵列可以填补其中一部分空白。每架飞行器都是更大网络中的移动传感器平台。它们共同能够绘制单架飞行器可能只能依次穿越、甚至完全错过的变化。
红霞提供了一个严苛的测试环境。根据中国天气网，该风暴于7月26日凌晨约3时50分在惠州市惠东县平海附近登陆。该机构称，登陆时最大风速为每秒45米，中心最低气压为955百帕。
这些风暴数据描述的是红霞，而非无人机的表现。公开报道尚未明确这些航空器距离最强风区有多近，也尚不清楚是否每架飞行器都在同一观测窗口内持续飞行。
因此，“全过程”的确切含义需要谨慎解读。它似乎是指覆盖风暴过境或登陆序列的观测，并不一定意味着每架无人机都持续穿越眼墙，或始终处于气旋内部。
这种差异并不削弱试验的工程价值。它在实际天气压力下确立了一种新的观测配置，也为评估无人机集群是否应在中国台风观测网络中承担永久角色提供了所需数据。
为什么低空台风数据仍然稀缺
台风预报在海洋表面附近长期面临数据不足的问题，而危险变化恰恰发生在这里，常规测量也依然稀疏。
预报员并不把气旋视为一个均一整体进行观测。他们会依据卫星图像、雷达回波、地面站、浮标、探空气球、航空器和数值模型来重建其结构。每种来源覆盖不同区域，测量的变量也不同。
卫星为开阔海域提供关键信息。其仪器可追踪云层、温度、水汽、降雨和海面风。但许多卫星产品是根据大气上方测得的辐射推导出的间接估计。
雷达可在沿海地区提供细致、重复的扫描。其有效覆盖范围取决于位置、波束几何、遮挡情况以及与各雷达站之间的距离。随着探测距离增加，地球曲率也会使雷达波束抬升至最低层大气之上。
浮标和船只可以测量海面条件，但构成的网络较为稀疏。常规探空气球可采集有价值的垂直剖面，但发放地点和时间安排限制了其空间覆盖。气球也会随风漂移，而非维持预定编队。
在设有专门飓风侦察项目的地区，载人侦察机可弥补其中一些不足。它们搭载先进仪器，并投放下投式探空仪，后者在穿过风暴下落时传输气象测量数据。
这种模式需要专用航空器、受训机组、维护基础设施和严格的安全程序。因此，很难在每个海盆和每个具有威胁的气旋中复制。
无人驾驶航空器提供了另一条路径。它们可以进入对载人飞行而言风险过高、高度过低或重复性过强的区域。较小型飞行器也使气象机构能够分散布设传感器，而不是将其集中在一台昂贵平台上。
中国多年来一直在推进这种方法。2020年，一架大型高空无人机在台风森拉克期间飞行，并释放了30个探空仪。一份WMO摘要称，该任务将航空器与毫米波雷达结合，用于扫描风暴外围云系。
2020年的任务传输了涵盖温度、湿度、气压、风和水凝物的剖面数据。CMA官员表示，有限的海洋观测制约了对台风形成和预报的研究。这一表述指出了红霞无人机集群所针对的同一缺口。
中国在2024年扩展了这一概念。CMA与香港天文台在台风派比安期间，首次利用多个航空器平台开展联合台风观测。
2024年7月21日早些时候，海燕I无人机穿越了该风暴。随后，香港使用一架载人飞机考察系统的另一部分。根据联合任务记录，海燕I返回了超过4,200条有效观测数据，并释放了8个探空仪。
那次行动通过不同航空器捕捉了不同的敏感区域。红霞则通过将多架气象无人机协同为一个阵列，推进了这一策略。其转变在于从平台多样化走向分布式空中采样。
这并不意味着卫星、雷达、探空气球或大型航空器已被淘汰。没有这些系统提供背景信息，集群的价值会更有限。其最佳角色是在更广泛观测网络中填补狭窄的时空缺口。
这种整合也决定了所采集测量数据能否足够快地发挥作用。即使一次飞行在技术上成功，如果数据到达过晚或使用不兼容的格式，其预报价值仍可能有限。
气象观测数据通常要经过质量控制，才能进入数值模型。系统必须识别传感器漂移、定位误差、通信中断、结冰影响，以及飞行器自身造成失真的测量结果。多架无人机既扩大了覆盖范围，也增加了验证工作量。
因此，红霞测试的不只是机体，还包括通信、同步、数据标准、指挥软件、传感器校准和作业协同。在网络周围大气不断变化的同时，每一层都必须正常运行。
真正的进步在于协同采样
其核心机制是同步采样，因为时间误差可能掩盖快速演变气旋的结构。
想象一架飞行器从西向东测量一条沿海雨带。西侧记录的条件，可能比随后在东侧采集的读数早数分钟。在登陆期间，这种延迟可能至关重要。
多架无人机能够同时获取这些读数。研究人员便可比较不同地点，而不必假设风暴在多次飞越之间保持稳定。这能更接近地还原特定时刻大气的三维状态。
同一方法还可以揭示梯度，即随距离或高度发生的变化。明显的气压、风、湿度和温度梯度，有助于界定雨带、入流、边界层特征以及与地形的相互作用。
高频采样增加了第二个维度。重复测量能够显示这些梯度如何移动和变化。结果不只是更大规模的读数集合，而是一张随时间变化的地图。
协同是将多架无人机转变为集群的关键。航空器必须避免碰撞、保持有用间距、适应风致位移，并维持通信。它们还需要具备足够的自主性，以便在直接控制变得不可靠时作出响应。
有关红霞任务的公开说明并未解释系统采用了多大程度的自主性。“协同”可涵盖广泛的设计，从中央分配航线到航空器之间的分布式决策。
这种区别关系到可扩展性。地面站可以通过预定轨迹管理小型编队，但湍流天气中的更大群组会对通信和人工操作员提出更高要求。
分布式协同可以减轻这一负担，但也带来其他问题。飞行器需要制定关于间隔、成员故障、定位能力下降、风场变化和紧急回收的规则。这些规则必须将安全置于数据采集之上。
台风条件使定位尤其困难。强风可能将小型飞行器推离预定位置。强降雨会影响传感器和空气动力性能，而盐分、湍流和结冰则可能损坏部件或使读数失真。
通信也可能在最糟糕的时刻减弱。地形、降水、距离、天线朝向和功率限制都可能中断连接。一个实用的集群必须能够在单架飞行器或单条连接失效时继续安全运行。
这正是虹霞的科学与工程目标相互交织的原因。报道称，该实验将有助于界定极端天气下无人机的安全运行范围。飞行性能数据可以显示，哪些风力、降水强度和湍流情况超出了系统的安全余量。
这些运行限制决定了观测范围。如果无人机只能停留在能量最强区域之外，仍可提供有价值的环境采样。然而，它们无法替代专门设计用于穿透气旋核心的仪器。
载荷同样塑造任务。温度、湿度、气压和风速传感器可安装在相对紧凑的平台上。雷达和更大型的遥感仪器则需要更高的功率、更大的载重能力和更强的稳定性。
因此，一个无人机集群可能会将大量轻型测量设备，与网络中其他位置较少的高级传感器结合起来。这种架构有利于无人机、沿海雷达、卫星、浮标和大型飞机之间的协同。
最有价值的成果将是自适应采样。预报模型可以识别出在哪些区域增加观测能够降低不确定性。随后，集群可在风暴演变过程中重新部署至这些地点。
没有公开报告证实虹霞采用了这种反馈回路。该实验似乎侧重于协同观测，而非由模型引导的自主部署。自适应目标选择仍是合乎逻辑的下一步，而非已获证实的功能。
即便没有这一能力，同步的低空测量也能帮助科学家研究海洋供给的流入气流在陆地上如何变化。他们还可以考察山丘、建筑物和海岸几何形态如何改变登陆点附近的风力和降雨。
这些问题与预报直接相关。破坏性最强的天气状况往往会在很短距离内发生变化。对这些变化进行更准确的刻画，有助于支持更精准的预警，但前提是新数据先证明其可靠性。
无人机集群与传统飞机
有意义的比较并非无人机与所有现有传感器之间的对比，而是分布式可消耗能力与集中式能力之间的取舍。
载人飓风侦察机配备经验丰富的人员、冗余系统、强大的通信能力和大量科学设备。它能够覆盖大范围风暴，并沿精心选择的路径部署仪器。
大型无人机在消除机组人员风险的同时，保留了航程和载荷能力。中国早期的Haiyan任务采用了这一模式。单个平台搭载多种仪器，并在穿越台风时投放探空仪。
小型无人机集群则作出不同取舍。每个成员的续航时间更短、载荷能力更低，也更难抵御恶劣条件。由于单架无人机失效不一定会终止整个任务，网络获得了更高的空间密度和一定的韧性。
不应想当然地认为这种韧性必然存在。共同的软件缺陷、通信中断、天气限制或导航问题，都可能影响整个群组。分布式硬件仍依赖共享基础设施。
成本同样需要证据支撑。小型无人机看似比专用侦察机更便宜，但完整系统还包括传感器、发射团队、维护、通信、软件、监管协调和替换飞行器。
公开报道没有提供虹霞实验的项目成本或损失率，也未说明飞行器是否被回收。因此，声称其具有经济优势仍为时过早。
美国曾探索将小型无人系统用于飓风研究。NOAA测试过可在对载人平台不安全的高度运行、并传输气压、温度、水分、风力和地表测量数据的飞行器。
这些任务表明，气象无人机在国际上已有应用历史。中国所称的首次，涉及其自身在一次台风过程中进行的全流程集群观测，而不是首次在热带气旋内部使用任何无人机。
中国的推进历程仍值得关注。2020年的Sinlaku任务确立了大型无人机一体化观测；2024年的Prapiroon任务连接了无人机与载人飞机；2026年的虹霞测试则将空中测量任务分配给一个协调运行的群组。
每个阶段都应对不同的短板。大型飞行器提供航程和载荷能力，多平台覆盖不同区域，集群则寻求在更有限的范围内获得高密度同步测量。
这些系统最终可以协同工作。大型飞机可能投放探空仪或部署更小型的无人机。沿海团队可能向低空观测空白区域发射本地集群。卫星和模型则可引导两者前往高价值区域。
然而，业务化天气预报需要可重复性。研究团队在测试新设备时可以接受不寻常的程序和不完整的数据。国家预报服务则需要可预测的可用性、校准、文档和数据交付时间。
台风之间也存在差异。一个系统在某次登陆过程中有效，并不意味着它能够应对另一场风暴的规模、速度、降雨或风场结构。沿海地形和可用的发射地点也会改变任务条件。
因此，将虹霞理解为一次野外实验，比将其视为一项已完成的替代战略更为恰当。它证明了协同空中采样至少能在一种真实风暴情景下实现。
与传统飞机的比较将在重复任务后变得更加清晰。研究人员需要说明，一个集群能够增加多少观测、这些观测出现在哪些位置，以及飞行器失效的频率。
他们还必须比较重叠测量结果。如果无人机、浮标、雷达和投落送观测仪器观测同一地区，彼此的一致性可以揭示传感器精度；差异则可能暴露校准或采样问题。
传统系统提供了评估集群所需的基准。没有这一基准，更密集的测量可能制造虚假的信心。只有当科学家了解数据的质量和局限性时，更多数据才有价值。
该公告并未证实什么
中国展示了一种新的观测方法，但尚未证明它能带来可量化的台风预报精度提升。
观测与预报之间存在显著鸿沟。原始测量数据必须通过验证、进入业务数据系统，并变得可供数值天气预报模型使用。
数据同化是将观测结果与模型当前的大气估计相结合的过程。它会考虑测量误差以及大气变量之间的关系。特性不明的数据可能削弱预报，而非改善预报。
研究人员必须估计每个传感器的误差特征。温度读数可能受到阳光、无人机周围气流、水分或响应时间的影响。风速估计则取决于导航精度和飞行器自身运动。
集群还会带来空间相关性。相邻无人机可能因使用相同的传感器或算法而产生相关误差。预报系统需要避免将相关读数视为完全独立的证据。
时效性也很重要。观测数据必须在业务预报截止时间之前送达。若一套详细数据集在预警决策之后才送达，它可以支持研究，却无法服务于实时公共安全。
有关虹霞的报道没有说明集群数据是否在风暴期间进入业务预报系统，也没有提供使用和不使用这些观测数据时预报结果的对比。
这类比较至关重要。科学家可以运行并行模型实验：向一个预报加入集群数据，同时从另一个预报中剔除这些数据。随后可依据后续观测，评估风暴路径、强度、风力和降雨的差异。
单一成功案例仍只能提供有限证据。预报效果可能因风暴和模型而异。研究人员需要在不同气旋结构、海岸线和发展阶段中进行重复试验。
飞行安全仍是另一项不确定因素。据报道，该任务生成了关于无人机在极端天气中安全运行边界的数据。这种表述表明，这些边界仍是一个活跃的研究问题。
一个系统可能在外围雨带附近表现良好，却在眼墙附近遭受不可接受的损失。当风力超过飞行器的控制能力时，它也可能需要采取保守航线。
监管机构和空域管理人员必须在紧急情况下协调此类飞行。救援飞机、直升机、军事行动和民航改航可能共用区域空域。自动化间隔程序必须在通信故障期间保持可靠。
网络安全同样值得关注。气象集群依赖导航、遥测、指挥链路和软件更新。干扰或控制系统遭入侵，可能中断任务或造成航空安全隐患。
这些不确定性都不会否定这次试验。它们界定了成功实验与可靠公共气象能力之间的差距。
该公告也缺少独立的技术文档。现有报道大多重复CMA或国家媒体提供的信息。发布时尚无公开数据集、同行评议的评估报告或详细任务报告。
因此，读者应将“首次”视为该机构的表述。这一说法似乎特指中国在一次台风过境期间全程使用无人机集群。若无进一步证据，不应将其扩大解读为全球首次。
风暴名称的翻译也需要谨慎。一些英文报道以不同的国际名称指称该系统，而中文报道使用虹霞。这种不一致性进一步凸显了详细官方任务记录的必要性。
最有力且可辩护的结论更为有限：中国在一次真实台风登陆过程中，将多架气象无人机作为协调阵列投入运行。这次部署针对的是低空、近岸观测空白。
这些数据是否改善了任何预警仍属未知。该系统能否在更严酷条件下重复执行任务同样未知。这些是评估问题，而非否定该技术的理由。
三个信号将决定下一步走向
下一阶段必须将无人机运行与经验证的预报价值、可重复执行的任务和明确记录的安全边界联系起来。
第一个信号是正式的数据影响研究。研究人员应公布使用虹霞集群观测数据的预报与未使用这些数据的预报之间的比较。
最有价值的结果应分别呈现路径、强度、风力、气压和降雨表现，还应说明所使用的模型、同化方法、观测时间窗口和验证数据。
可量化的改进将支持部署集群的核心理由。若改进很小或不一致，则表明传感器布设、校准或同化方法仍需进一步完善。
第二个信号是在不同条件下开展另一项业务任务。重复部署将揭示虹霞是一次性的演示，还是持续项目的开端。
下一次测试应披露机群规模、完成的飞行时间、失效飞行器数量、观测密度和数据交付延迟。这些细节将使其能够更清晰地与气球、雷达和单机任务进行比较。
即使飞行器始终处于风暴核心之外，重复运行也会增强信心。发射失败、广泛的链路丢失或高度受限的航线，则会缩小该系统的实际作用。
第三个信号是纳入日常预报业务。CMA需要制定申请任务、批准空域、选择发射地点、验证数据，以及将观测结果送入国家系统的程序。
未来的机构报告、技术会议或台风季总结中，或许会出现业务化整合的证据。公开的数据标准和任务协议将尤其具有意义。
这一信号之所以重要，是因为研究硬件在开发者直接支持下往往表现出色。常规业务则必须在普通人员配置、固定期限、维护安排和不断变化的天气条件下正常运转。
一项长期计划还将明确小型集群与大型无人机之间的分工。无人机集群或可专注于沿海边界层测绘，而更大型的平台则负责更长距离的海上航线和更重的仪器载荷。
最终目标不应是打造规模尽可能庞大的机队，而是在恰当时刻获得数量足够、部署合理且值得信赖的观测数据，以降低预报不确定性。
这一目标更适合选择性部署。模型可以识别观测最可能产生显著影响的敏感区域，团队随后可在这些区域周边部署无人机，而非对所有可用地点进行采样。
以预报为导向的部署也会让无人机集群拥有可衡量的目标。每次任务都可以从一个不确定性降低目标开始，并以有记录的预报影响评估结束。
对于沿海社区而言，实际问题很直接：这些观测是否有助于定位更强风力？是否改善了降雨预报？是否让地方部门对时间节点和受影响区域更有把握？
这些答案比空中无人机的数量更重要。如果数据无法改变预警或提升预报精度，即使队形再壮观，对公众也几乎没有价值。
Hongxia 标志着从单架飞机实验迈向联网大气探测的一次可信转变。它也暴露出下一个工程难题：如何将同步观测转化为可靠的业务决策。
下一次台风任务应依据公开证据而非发射的新颖程度来评判。应关注预报对比、重复部署统计数据以及正式的业务化整合。
如果这三个信号出现，中国的无人机集群将不只是一次不同寻常的野外测试。如果它们仍未出现，Hongxia 依然会是一项重要实验，但尚不能称为预报领域的变革。
