强对流天气具有突发性强、生命史短及致灾性高等特征，对区域经济发展与人民生命财产安全构成严重威胁。对流初生（Convective Initiation，CI）作为强对流发生发展的关键阶段，其准确识别与提前预警对提升短临预报能力至关重要。本研究基于FY-4B卫星AGRI与GHI多源观测数据，构建了一套融合高时空分辨率数据的CI短临预报方法。算法融合多通道亮温差、可见光反射率、云顶降温速率等判据，引入GHI数据增强云体细尺度结构刻画能力，并结合Farneback光流法和面积重叠法获取云运动信息，代表性亮温将算法对象从云像素转变到云个体，实现对云体演变过程的动态表征。算法对成都地区2023年7-8月的CI个例进行验证，同时与未引入GHI数据的算法及SATCAST算法进行对比评估。结果表明，基于本文所提出的对流初生算法POD、CSI及预报提前量等方面均优于未引入GHI数据的算法和传统SATCAST方法。本文提出的基于高分辨率FY-4B对流初生预报算法的POD为83.1%，CSI为58.9%，平均时间提前量为34.2 min，有效提升了CI预报的时效性与准确性，以期为四川地区对流初生预报预警提供一定参考。
 

FY-4B；对流初生；四川地区；强对流预警