英國萊斯大學、曼徹斯特大學與無人機業者 Menapia 正推動「雲層無人機觀測計畫」（DOOC），測試以垂直起降無人機量測英格蘭約克郡上空 1,600 公尺內的溫度、溼度、風速與雲滴，並尋求把這些高頻觀測納入日常氣象預報。
計畫使用的粒子計數器已開發近十年，可判斷雲滴大小與濃度；2026 年 6 月至 11 月的試飛另聚焦一條僅約 30 公尺寬的狹窄空域。若能按小時甚至更密集頻率回傳資料，便可補足傳統探空 balloon 低頻取樣、設備遺失及難以持續觀測雲層的缺口。
這項技術的戰略價值不只在災防。風電與光電交易商必須預判風速、雲量及雲遮對發電量的影響；更準確的臨近預報，可降低電價錯價、儲能调度錯誤與再生能源棄電。當氣象預報由「預測天氣」進一步轉向「預測資產產出」，觀測頻率本身就是金融市場的速度優勢。
這項計畫的核心並非政商利益對抗，而是氣象觀測體系由低頻地面網路轉向高頻、近雲層觀測的技術典範轉移。傳統探空 balloon 通常每日釋放，能提供垂直剖面，但作業受人力、耗材、放空與回收條件限制，難以針對快速發展的對流系統持續取樣。雲層仍是降水、霧、雷电、冰雹與強風預報中最不確定、卻高度影響人類活動的關鍵變數。
DOOC 的技術路徑是以能垂直升降的旋翼式無人機載入粒子計數器，在狹窄空域內反覆穿越不同高度，取得雲滴尺度、濃度及伴生氣象資料。其關鍵不在單次飛行精度，而在能否轉化為可校準、可驗證、可即時回傳的觀測網路：觀測品質若無法獨立驗證，再密集的資料也可能在 AI 模型中放大系統性偏差。
英國氣象局近期已提高數值預報中的雲物理解析度，DOOC 可提供模型最需要的觀測邊界條件，協助判斷雲滴是否轉化為降雨或冰晶。美國研究亦顯示，即時量測氣壓與風速有助加速極端天氣預報；兩地經驗共同指向一項結構性轉變：AI 氣象預報越依賴資料，氣象機關就越需要投資專用無人機、感測器及資料基礎設施。
真正的瓶頸則在監管與 airspace 整合。科研無人機必須與民航、商業及軍用無人機共享有限空域，若逐架申請臨時許可，不僅成本高，也難以支撐常態觀測。因此，氣象無人機能否商業化，取決於監管機關能否建立專用飛行走廊、遠端監控、責任規範與跨機構共識，而不只是感測器性能。
上，天氣觀測的進步從地面站、探空 balloon、衛星到雷達，每次提升皆不是只靠單一設備，而是靠資料標準化、跨機構整合與運算模型共同放大。DOOC 延續的是這條路徑，但商業規模能否成立，取決於三個情境。
01 起因觸發｜歐洲冬季風暴與降雨預報需求升溫，AI 氣象模型對高頻雲層資料需求增加。
02 一階傳導｜英國萊斯大學、曼徹斯特大學與 Menapia 測試垂直氣象無人機及雲滴粒子計數器。
03 二階擴散｜風電、光電與儲能交易商取得更細緻的風速、雲量與發電預報，降低交易與調度誤差。
04 監管轉折｜科研、商業及軍用無人機爭取空域，常態化觀測須依賴專用航線、監管沙盒與責任規則。
05 宏觀終局｜氣象觀測、數值預報、AI 模型及防災決策整合為準即時資料基礎設施，天氣預報價值加速市場化。
跨事件因果網路圖譜 1 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章
