气象服务领域“数据要素×”典型场景指引：3 大重点方向 12 个重点领域共 51 个典型场景（附下载）

2025年12月26日，国家数据局综合司、国家医保局办公室、中国气象局办公室联合印发《医疗保障、气象服务领域“数据要素×”典型场景指引》（以下简称《指引》），推动相关行业领域数据资源开发利用，赋能经济社会高质量发展。

其中，聚焦数据要素赋能气象服务领域 3 大重点方向 12 个重点领域共 51 个典型场景，形成落地指引，供相关方推动数据开发利用参考。

表 “数据要素 × 气象服务” 场景总体视图

一、防灾减灾

领域一：洪涝灾害防御

通过整合气象、水文等多源数据，借助大数据分析与智能决策模型，构建雨情实时监测、洪峰动态预警、水利工程联合调度、风险分级管控等一体化调度体系，显著增强洪涝灾害防御能力，实现防洪安全与水资源综合利用的协同提升。

（一）汇聚数据类别

1. 气象观测数据：包括气象站、雷达、卫星的观测数据，数值预报产品等。
2. 跨部门共享数据：包括水文站数据、自然资源部门地理信息数据、地质灾害隐患点数据以及应急管理部门历史灾情数据等。

（二）融合利用路径

1. 开展数据整合与深度标准化：全面收集自动气象站、雷达监测、卫星遥感等多源异构数据，同时整合水文监测站点数据、地质灾害隐患点监测数据以及历史灾情记录数据。对这些数据进行深度清洗，去除重复、错误和无效数据。对不同来源、不同格式的数据进行统一对齐，构建涵盖多灾种、全要素的结构化数据集，为后续分析建模提供高质量数据支撑。
2. 构建防汛指挥调度智能模型体系：依托整合后的气象、水文、灾情综合数据集，运用先进的数据分析技术和算法，开展多维度防汛指挥调度模型构建。在气象灾害方面，建立精细化雨情预测模型，结合自动站实时雨量数据、雷达回波动态监测数据以及卫星云图宏观变化信息，精准预测降水的强度、范围和持续时间。构建洪峰预测模型，综合考虑气象降水预报、流域地形地貌、河道水系特征等因素，准确预测洪峰水位和到达时间。开展水库调度优化模型研究，根据气象预报、水文实况以及下游防洪需求，科学制定水库泄洪方案，实现防洪与兴利的有机结合。
3. 实现模型动态迭代与精准验证：建立完善的历史极端天气个例库，收集整理过去多年发生的各类极端天气事件数据，包括气象观测数据、灾情影响数据以及防灾减灾措施实施效果数据等。基于个例库，对防灾减灾模型进行全面验证和动态调整。通过对比模型预测结果与实际灾情发生情况，分析模型存在的误差和不足，针对性地调整模型参数和结构，不断优化模型性能。由于地形因素对气象要素和水文过程影响显著，特别加大模型在山区、峡谷等复杂地形区域的验证和优化力度。

（三）典型应用场景

1. 洪水风险评估与预警：预估洪水发生概率与可能造成的淹没范围，评估各区域受淹风险，确定危险区域，提前发布洪水风险预警，为制定人员转移、物资调配方案提供科学依据。
2. 城市暴雨积涝监测与预警：通过分析不同区域的地形、排水管网布局以及实时降水数据，精准定位易涝点，及时通知相关部门采取强排、交通管制等措施，减少暴雨积涝对城市运行的影响。
3. 水库与水利工程调度：通过流域内降水、蒸发、径流等气象和水文数据的监测分析，支撑水利部门合理调整水库水位和泄洪流量。
4. 农业防汛减灾：通过对气象数据的分析，预测洪涝灾害对农作物的影响范围和程度，及时发布农业防汛预警。根据不同农作物的生长阶段和耐涝能力，结合气象条件，指导农民采取相应的防汛减灾措施。
5. 旅游景区防汛管理：景区管理部门依据气象预报和风险预警，提前采取措施应对强降雨、雷电等灾害性天气引发的次生灾害。

（四）应用成效

构建 “多源数据融合 + 分时效预报” 技术体系，大幅提升气象预报准确率与预警响应效率，人员伤亡数量显著下降，气象服务预警精准触达。

领域二：地质灾害防范

通过融合气象监测、地质结构、地形地貌等多源异构数据，构建暴雨诱发地质灾害实时监测、动态风险评估、跨部门协同预警、应急资源智能调配体系。

（一）汇聚数据类别

包括本地气象监测数据、数值预报模式数据、风云卫星探测数据、地质结构数据、地形地貌数据、土质土壤数据、植被覆盖数据等。

（二）融合利用路径

1. 数据归集融合：归集整合降水监测、土壤湿度等数据，重点针对山地密集区域，实现气象实况监测、土质、土壤等数据融合。
2. 搭建全流程平台：建设一体化平台，构建地质灾害预报模型，分析对比天气过程前后相关数据，并通过效益评估优化算法。
3. 开展未来推演：通过雷达、卫星和数值预报模型反演天气系统未来发展及土质土壤影响变化。

（三）典型应用场景

1. 山体滑坡预警：通过监测降雨量、降雨强度及持续时间等气象数据，结合山体地质结构、坡度、植被覆盖等信息，精准预测山体滑坡可能发生的区域，提前向当地居民、相关部门发布预警，及时组织人员撤离，避免灾害损失。
2. 泥石流灾害监测：利用气象数据与泥石流易发区的地形地貌、松散堆积物分布等数据，实时监测降水情况，预测泥石流的流动路径和影响范围，为周边群众避险和救援力量部署提供依据。
3. 地面塌陷预警：将降水、地下水位变化等信息与地质勘查数据相结合，对地面塌陷风险进行动态评估，提前发现地面塌陷隐患，保障人民生命财产安全。
4. 岩溶塌陷防范：通过分析降水的频率、强度和季节性变化，结合岩溶洞穴发育情况、覆盖层厚度等地质条件，预测岩溶塌陷发生概率，提前向相关区域发出预警，指导开展隐患排查和治理工作。
5. 崩塌灾害预测：监测大风天气下岩石受风力侵蚀和震动影响，以及降雨导致岩石裂隙充水、重量增加等情况，结合岩石风化程度、结构稳定性等地质信息，对崩塌风险进行预测预警。
6. 地质灾害隐患点巡查：根据天气预报中的降水、大风等信息，合理安排巡查时间和路线，在灾害性天气来临前重点巡查高风险隐患点，及时发现潜在危险。

（四）应用成效

常态化开展地质灾害风险监控及预警，通过卫星遥感、雷达监测、人工智能技术深度应用，提升气象预警精确度，打造覆盖专业部门、社会力量的立体化防灾网络，推动灾害管理从 “被动应对” 向 “主动防控” 转型，筑牢生命安全与社会稳定防线。

领域三：交通运输出行

通过融合高时空分辨率的气象监测、道路视频图像、交通流量、路况信息、交通事故、运输设备状态等多源数据，运用气象风险分析模型与智能决策算法，构建交通气象灾害风险预警、运输路线动态优化、运力资源弹性调度、设备维护智能规划、延误损失预估等全链条协同体系，显著提升交通运输系统对气象环境的适应能力，有效降低交通运营风险、提升交通气象服务水平。

（一）汇聚数据类别

1. 地面、高空、雷达及卫星等本地气象实况监测数据。
2. 公路、轨道、铁路、水运、航道等基础信息，交通、公安等行业部门的道路视频图像、交通流量、路况信息、交通事故等数据。
3. 低能见度、强降水、大风、路面结冰、道路积雪等气象预报产品数据、交通气象灾害风险预警指导产品数据。

（二）融合利用路径

1. 开展数据归集整合：整合气象、交通、地理等多源异构数据，通过地理信息技术匹配气象与交通数据，建立专题数据库及典型事故案例库。
2. 构建智能预报预警体系：实时分析相关数据，运用人工智能算法，研发数字化交通气象预报产品、交通气象灾害风险预警产品等。
3. 推进可视化决策支撑：挖掘气象与交通运输关联规律，以可视化形式呈现分析结果，生成公里级风险热力图，并通过效益评估优化服务。

（三）典型应用场景

1. 智能交通运营管理：根据气象监测预报和交通气象灾害风险预警数据产品，预测交通流量变化，提前制定道路交通疏导策略。
2. 公共交通服务优化：公交、地铁等公共交通运营单位根据气象数据和交通数据分析结果，优化公交线路和运营时刻表。
3. 交通运输安全保障：交通管理部门依据气象、交通关联分析结果和交通气象灾害风险预警产品，加强对气象灾害多发路段、桥梁、隧道等交通设施的监测、防护和管控，提高交通运输系统的抗灾能力。

（四）应用成效

提升交通气象服务科技水平，推动气象高质量发展。提升交通部门指挥调度能力，减少因天气条件引发的交通事故，保障交通安全畅通、减少经济损失。

领域四：智慧工地管理

通过融合气象监测、施工进度、工地设备状态、建材运输等多源数据，运用气象风险分析模型与智能决策算法，构建工地全链条协同管理体系，精准预判高温、暴雨、大风、雷电等恶劣天气对工地施工的影响，提前启动防护措施，实时调整施工安排与建材运输方案，实现工地资源的高效调配，提升工地管理效率与建设进度保障水平。

（一）汇聚数据类别

包括监测、预警、预报等气象数据以及住建、水务、自规、环保等部门的共享数据。

（二）融合利用路径

1. 建立 “气象 + 智慧工地” 数据分析模型：包括施工天气场景分析、施工恶劣天气预警、施工气象适宜度评估、高空风测算、工期气候背景分析模型，使气象服务贴合实际需求。
2. 建设智慧工地气象服务平台：实现天气场景、监测预报、预警发布、决策分析等功能，将原始气象数据加工成易于理解和应用的产品。
3. 开展定制化服务：生成网页、微信提醒、图表、文本等多元产品，为用户提供订阅、顾问、融入等服务模式。

（三）典型应用场景

1. 施工安全管理：提供具体影响时间、区域和工序的气象风险预报预警服务，帮助住建部门指导工地隐患排查，合理安排停工停产，确保施工安全。
2. 工地恶劣天气应对：提供恶劣天气发生、升级、解除的全过程跟踪服务，确保工地用户能够及时采取防范措施，并根据天气实况判断是否进行设备巡检，避免滞后性灾害风险。
3. 工序管理：针对地基工程、起重吊装、高空作业等工序，提供 7 天气象适宜度预报，帮助用户根据气象条件调整工序，避免工期延误，确保工程质量。
4. 高空作业安全保障：针对高空作业和装配式建筑吊装需求，提供实时与未来 7 天高空风监测预报，帮助用户选择合适作业时间，并在作业过程中提供现场保障。
5. 工期设计气象参考：提供工期内不利施工气象日数、高影响天气频发时段、恶劣天气极值等分析产品，帮助建设方合理预留工期缓冲时间，减少工期延误纠纷。

（四）应用成效

实时获取大风、暴雨、雷电、高温等灾害性天气预警，为工地项目提供气象保障服务，提升施工安全水平。依据气象数据，提前规划施工计划，避免因天气原因造成工期延误，保障施工进度可控。

领域五：农业生产管理

融合气象监测预报、农业生产等多源数据形成农业气象大数据库，运用农业气象监测评估、关键农事预报、灾害风险分析模型算法，构建农业生产全过程监测预报体系，精准开展农田墒情和灌溉预报，研判农业气象灾害和病虫害风险，实时指导农业防灾减灾，提升农业气象服务水平。

（一）汇聚数据类别

1. 风云卫星遥感与气象监测预报、高分卫星数据等。
2. 农业、统计等部门的农情、墒情、农机、灌溉、病虫情、产量等数据。

（二）融合利用路径

1. 建立数据分析整合基座：整合气象、农业、遥感等多源异构数据，利用智能数据整合方法建立专题数据库及农业气象灾害案例库。
2. 构建智能监测预警体系：实时分析相关数据，运用人工智能算法，研发农业气象预报产品、作物生长状况监测预报产品、农业气象灾害监测评估和风险预警产品、病虫害发生防治气象预报产品。
3. 推进可视化决策平台支撑：实现农业气象实景、监测评估、预报预警等功能，生成图表、文本等决策分析多元产品，为用户提供专业化定制式服务模式。

（三）典型应用场景

1. 关键农事管理：根据农业气象条件监测预报和关键农时农事气象预报产品，指导优化农业生产耕种管收储运。
2. 墒情和灌溉预报：根据墒情监测和天气预报产品，预报农田土壤墒情变化，指导农田科学灌溉。
3. 农业气象灾害监测预警：利用农业生产状况、气象监测预报数据，预报农业气象灾害风险，发布预警信息，为农业防灾减灾提供依据和措施建议。
4. 病虫害预报：利用农业病虫情监测和气象预报产品预报病虫害发生流行，指导病虫害防治。

（四）应用成效

提升农业气象服务科技水平，做好农业生产全流程监测预报，科学指导农事活动，提前防御农业气象灾害和病虫害风险，减少因天气条件引发的农业生产损失，保障粮食安全。

二、赋能增益

领域六：低空经济

通过整合气象数据资源，搭建智能服务平台，运用大数据、AI 技术，构建风险预警、路径规划、应急处置体系，提升低空飞行安全性与运营效率，赋能低空经济高质量发展。

（一）汇聚数据类别

1. 地面实况气象监测数据。
2. 全球数值预报模式、雷达探测数据及卫星云图数据。
3. 机场数据、无人机飞行计划及城市三维地理信息数据。

（二）融合利用路径

1. 推动数据融合共享：整合气象、空管、交通、企业等多源数据，实现低空能见度、风速风向、雷电预警等气象数据与空域动态、飞行路径的深度融合。
2. 强化数据实时性与精准度：利用人工智能算法，构建基于多源数据融合的多场景式三维低空气象产品，并通过区块链技术保障数据安全与可追溯性。开发低空湍流预测模型、短时强降水预警算法等，结合 AI 技术实现飞行风险动态评估与路径优化，提升智能化分析能力。

（三）典型应用场景

1. 低空物流运输：获取高时空分辨率精细化的气象数据，研发飞行指挥、航线规划等定制化精细气象服务产品，保障飞行器起降点、中继点和主要航线飞行安全。
2. 智慧城市和公共服务：为城市管理、城市安防、交通执法、电力巡检、道路巡检、重大活动等低空飞行活动的安全稳定运行提供气象保障，融入当地智慧城市管理平台和政府低空智能网联系统。
3. 低空文旅：结合实际需求设计和打造特定航线、区域观测系统，开展气象监测预报预警，确保载人观光和无人机飞行表演等文旅活动低空飞行安全。
4. 工农业生产：建设集气象监测、实况预警、服务咨询为一体的综合性低空飞行气象服务系统，支撑现代农林植保、能源巡检、国土勘察等低空飞行安全。
5. 应急减灾：推动低空气象信息与各地飞行管理平台、应急救灾平台的共享与融合，保障森林草原防火灭火、气象灾害应急监测、人工影响天气等低空场景。

（四）应用成效

通过气象数据赋能，降低低空飞行事故率，提升无人机物流配送效率，并支撑城市空中交通网络在强对流天气下的稳定运行。

领域七：能源调度

通过汇聚气象观测数据和电力负荷数据，构建基于气象因子的电力负荷预测模型，建设电力气象服务平台，为电力负荷调度提供决策依据。

（一）汇聚数据类别

包括电力负荷数据以及气温、湿度、日照、降水、风速和辐射等气象观测数据。

（二）融合利用路径

1. 打破数据壁垒：合作获取本地电力负荷数据，汇聚气温、相对湿度、日照、降水、风速和辐射等气象观测资料。
2. 创新分析算法：分析明确影响电力负荷的关键气象因子，构建电力负荷气象预测模型，开发电力气象服务产品。
3. 建设服务平台：建设电力气象服务平台，以可视化场景赋能电力负荷精准调度、科学调配。

（三）典型应用场景

1. 电力负荷预测：根据气象数据提前预测负荷高峰，助力电力调度部门合理安排发电计划，保障电力供应稳定。
2. 新能源发电资源预测：依据风速、风向预报、日照强度、时长等气象数据，帮助调度部门提前掌握新能源发电变化趋势，优化电力资源配置，提升电网对新能源的消纳能力。
3. 电网设备运维管理：借助气象预报，电力调度部门可提前部署设备巡检和维护工作，避免因气象灾害引发设备故障和停电事故，保障电网安全稳定运行。
4. 跨区域电力调度协调：通过分析各区域气象数据，电力调度部门能够掌握不同地区的电力生产和消费趋势，在地区间进行电力余缺调剂。

（四）应用成效

帮助电力用户实现对电力负荷的精准预测、高效调度与风险管理，有效减少电力调度资源浪费和短缺问题，从而提高社会整体电力供应的稳定性和可靠性。

领域八：港口作业

通过融合气象监测数据、船舶动态数据、港口设备运行数据等多源信息，基于港口作业气象风险模型与智能决策算法，构建气象灾害预警、船舶靠离泊优化、装卸作业智能调度、仓储资源动态配置一体化体系，提升港口作业质效。

（一）汇聚数据类别

1. 地面、高空、雷达及卫星等气象监测数据，海洋气象模式预报数据。
2. 基于大风、低能见度、强降雨等高影响天气的港口作业气象风险产品。
3. 港口基础信息、调度数据、视频图像、海事管制信息、船舶动态信息等行业数据。

（二）融合利用路径

1. 开展数据归集整合：推动港口、海事、气象、海洋等部门完成数据归集应用，实现气象预报、气象预警、港口地理信息、船舶 AIS 信息、海事管制信息等数据融合。
2. 提升数据分析能力：对能见度、台风、强对流等港口作业高影响天气精细化预报进行实时分析，构建基于影响的港口作业气象风险模型，满足作业服务要求，并利用效益评估反向优化数据产品和服务。
3. 建设场景化服务平台：建设近海港航气象服务平台，实现气象、港口、近海航线、船舶等多源数据的集成和可视化，基于港口作业气象风险算法实现近海港口、航运不同作业环节的场景化气象服务，助力港口航运安全和提质增效。

（三）典型应用场景

1. 船舶进出港调度：依据气象监测预报和船舶进出港气象风险数据产品，合理安排船舶进出港时间和航道，避免在危险气象条件下作业，确保船舶安全高效进出港，提升港口通航效率。
2. 港口水域通航保障：根据气象监测预报和港口水域通航气象风险数据产品，加强航道巡查，启用相关助航设施，必要时发布禁航指令。通过监测风、海浪、潮汐变化，及时调整船舶锚泊位置和系泊方式，防止船舶走锚、搁浅。
3. 货物装卸作业管理：根据气象监测预报和港口货物装卸气象风险数据产品，及时调整作业参数，在大风、暴雨、强对流、高温等天气提前做好货物防护和作业调度，保障作业安全、提高作业效率。
4. 港口物流运输规划：在雨雪、强对流、大雾等天气导致道路湿滑、能见度低时，港口结合气象预报和货物运输气象风险数据产品，提前规划集疏运车辆路线，调整运输计划，合理安排货物存储和转运时间。
5. 港口应急管理：利用近海港航气象服务平台，结合灾害性天气预报和港口作业气象风险数据产品，进行港口调度决策分析，及时启动应急预案，组织人员撤离危险区域，转移重要物资和设备，加固码头设施，最大限度减少灾害损失。

（四）应用成效

助力港口降低作业风险，提升港口可作业时长，并协助海事、港口等部门顺利实施恶劣天气水上交通安全防范，保障船舶安全进出港，确保矿石、集装箱、原油等重点物资运输畅通、装卸安全。

领域九：旅游气象服务

通过整合气象监测数据、游客流量数据、景区设施状态数据等多源信息，构建基于数据融合的智能决策体系，为游客提供精细化、贴心气象服务，显著提升旅游景区服务质量与运营效率，打造 “智能响应、安全舒适、贴心便捷” 的旅游服务新体验。

（一）汇聚数据类别

1. 景区气温、相对湿度、风向风速、气压、紫外线强度、降水量及其相态、能见度、负氧离子浓度、PM2.5、PM10、O₃、气象景观实景观测等实时数据。
2. 游客流量、景点热度、住宿预订等旅游行为数据。
3. 地形、海拔、植被覆盖率等数据。

（二）融合利用路径

1. 建立评价模型和评估认证业务体系：基于温湿指数、风效指数、体感温度、晴雨概率等参数，构建旅游气候舒适度指数和气候康养指数，开发负氧离子预报服务产品。针对景区民宿、酒店、农家乐、休闲露营营地等开展气候健康评估分析服务。
2. 开发动态推荐系统：结合实时气象环境数据、气候康养指数、气象景观出现概率与游客偏好，生成定制化的行程规划，精准设计出行路线，重点提示最佳体验和观景时段，并通过 APP、小程序等渠道实时推送。
3. 优化景区资源配置：通过历史数据分析客流与气候的关联性，指导景区在旺季、极端天气下合理调配服务资源，护航景区安全。

（三）典型应用场景

1. 旅游行程规划：根据未来天气预报，结合景区各景点特色，推荐最佳游览时间和路线。
2. 游客安全预警与防护：借助气象数据监测和预警各类气象灾害，及时向游客发布预警信息，并告知避险措施。
3. 游客流量调控：分析历史气象数据与游客流量的关系，结合当前天气预报，预测不同时间段的游客数量，合理调整景区运营安排，优化服务资源配置，提高运营效率。

（四）应用成效

降低因天气导致的旅游投诉率，提升游客满意度，增加景区淡季客流量，推动全域旅游高质量发展。

领域十：风电场运维

通过融合气象监测数据、风机运行参数、设备维护记录等多源信息，推动气象数据与风电场运维深度融合，构建风力资源精准预测、设备故障气象风险预警、运维计划智能制定、极端天气防护应急一体化体系，提升发电效率、降低运维成本，并助力电网调度优化。

（一）汇聚数据类别

1. 温度、风速风向、湿度等地面气象观测数据。
2. 风云卫星探测数据以及全球、区域数值模式数据。
3. 新能源场站数据、地理信息数据、发电功率数据、电力调度数据。

（二）融合利用路径

1. 开展数据标准化与集成：对气象观测、卫星遥感、电站运行等异构数据进行清洗、质控，形成结构化数据集。建立时空关联模型，将站点观测数据与格点数据进行空间插值融合，提升格点数据集时空分辨率。
2. 开展机器学习与预测建模：短期时段内（0~72 小时），建立算法模型，结合观测、卫星、模式数据，进行功率预测模型训练，预测风速等关键要素。中长期时段内（月 / 季度），利用气候模式分析风能等资源长期变化趋势，支撑中长期电力调度与电站选址。
3. 提升极端天气预警能力：结合观测数据与机器学习，识别强风、沙尘、积雪等灾害天气，提前触发运维预案。

（三）典型应用场景

1. 风力资源评估：通过长期收集和分析风速、风向、气温、气压等气象数据，结合风电场的地形地貌，准确评估风电场的风能资源潜力。
2. 风机发电功率预测：实时获取气象数据中的风速、风向信息，结合风机的性能参数和运行状态，运用智能算法预测风机的发电功率，优化电力调度策略。
3. 运维计划管理：根据气象预报数据，在极端天气来临前，提前对风机设备进行全面检查和加固。通过分析长期气象数据，掌握设备在不同气象条件下的损耗规律，制定更合理的设备维护计划。
4. 风电场选址与规划：通过对不同区域多年的气象数据进行综合分析，评估各区域的风能资源分布情况、气象灾害发生频率等因素，选择风能资源丰富、气象条件稳定、灾害风险低的区域建设风电场，提高风电场的经济效益和长期稳定性。

（四）应用成效

以高精度预测提升新能源发电效率、稳定电网运行，借助精准预警降低设备损耗与运维成本，并通过专业化方案提高能源利用率，为 “双碳” 目标提供有力支撑。

三、应对气候变化

领域十一：智能决策

以整合加工多源数据为主线，实现从天气实况数据汇集融合与分类应用、定点气象灾害风险叫应与预警的系统能力，实现 “点对点” 精准预警，为气象灾害风险识别、风险评估、风险预警、风险转移等提供智能决策支撑。

（一）汇聚数据类别

1. 气象观测数据：通过综合气象观测网采集的实时气象数据，包括温度、湿度、风速、气压、降水等数据。
2. 历史灾害数据：包括过去气象灾害的发生时间、地点、强度及影响范围等数据。
3. 地理信息数据：包括地形地貌、河流分布、城市建筑密度等地理空间数据。
4. 行业数据：包括农业、交通、电力等行业对气象灾害的敏感性数据。
5. 社会经济数据：包括人口分布、应急资源分布、救援能力等数据。

（二）融合利用路径

1. 数据质控与融合：对多源异构的气象数据进行质控、标准化处理，融合地理信息、行业数据和社会经济数据，构建统一的灾害预警数据底座。通过数据质控去除异常值和重复数据，确保数据质量。通过标准化处理统一数据格式，为后续分析提供基础。
2. 灾害预测模型构建：基于历史灾害数据和实时气象观测数据，利用机器学习和深度学习算法，结合地理信息数据，分析灾害可能影响的区域范围，生成精细化的灾害风险预警数据。通过模型训练和优化，提高预测的准确性和时效性。通过气象观测实时采集数据，动态更新预测模型，提高预警时效性和准确性。

（三）典型应用场景

1. 灾害预测与风险评估：利用预测模型提前预判大风、暴雨、高温、寒潮等灾害的发生时间、强度和影响范围，生成灾害风险地图，为农业、交通、电力等行业提供针对性的灾害风险评估报告，指导防灾减灾措施。
2. 预警信息发布：通过多渠道向公众发布灾害类型、影响范围、预计时间等精准的灾害预警信息，结合地理信息数据实现分区域、分人群的精准预警推送。
3. 应急响应与资源调配：为应急管理部门提供灾害影响区域的应急资源分布图，辅助救援力量调配和物资储备，并结合人口分布数据优化避难场所选址和疏散路线规划。
4. 灾后评估与恢复：利用灾后数据与历史数据对比，快速评估灾害损失，为灾后重建提供决策支持。

（四）应用成效

通过精准的预警服务，显著减少和避免灾害性天气造成的直接经济损失和人员伤亡，为地方提升转移避险效率、减少安全风险发挥重要作用。

领域十二：气象保险

通过加工提取高时空分辨率的天气雷达、区域数值模式、大气再分析、网格实况中的关键要素，形成轻量级、自描述的产品与接口，为行业气象保险和巨灾保险承保机构等提供数据要素支持。

（一）汇聚数据类别

1. 气象观测数据：实时提供气象要素与衍生产品，为灾害预警与风险评估奠定基础。
2. 灾害损失数据：结合灾后遥感、实地勘查和基层申报，量化受灾面积、影响程度及损失，支撑保险理赔与风险定价。
3. 金融交易数据：融合承保理赔、信贷、投保相关信息，反映市场风险偏好与资金流动趋势。

（二）融合利用路径

1. 以数据量化风险：依托气象资料与产品模型，将气象灾害的时空特征转化为可量化的风险指数。
2. 设计金融保险工具：基于风险分级开发指数保险、区域产量保险等差异化保险产品，结合保险、期货等金融工具分散风险，同时利用相关气象数据动态调整费率，提升市场适配性。
3. 构建产业赋能生态：通过精准便捷的保险赔付降低生产者经济损失，引导金融资源向气候韧性领域倾斜，形成 “气象预警 — 风险定价 — 金融支持 — 产业升级” 的可持续韧性发展。

（三）典型应用场景

1. 保险产品设计：基于历史气象数据，分析不同地区、不同季节的气象灾害发生频率、强度及影响范围，结合标的资产的风险特性，设计个性化气象保险产品。
2. 风险评估与定价：利用气象数据构建风险评估模型，结合地理信息系统，分析标的所处区域的气象风险等级，量化不同气象条件下的损失概率，从而科学制定保险费率。
3. 灾害预警与防灾减损：将气象预警信息及时传递给投保客户，协助其做好防灾准备。

（四）应用成效

通过气象数据与金融创新双向赋能，推进产业从 “被动防御” 转向 “主动管理”，实现高质量发展与风险可控的平衡。
来源：国家数据局综合司

附件下载：医疗保障、气象服务领域“数据要素×”典型场景指引.pdf