强对流天气具有生命史短、突发性强等特征，始终是气象防灾减灾领域的重要难点。现有深度学习临近预报模型多依赖历史观测的“平移平流”假定，难以有效捕捉对流系统“从无到有”的触发与快速消亡过程，且预报场随预报时效延长易出现明显平滑化与细节丢失。为突破上述局限，本文提出一种基于多波段红外卫星观测与多任务扩散机制的强对流生消临近预报框架。研究以葵花8号高频红外通道为核心数据源，构建了2016—2022年精细化时空数据集。模型采用双协同架构：前端利用ConvLSTM网络提取历史云图序列的大气动力演变特征，构建时空先验；后端以带时间条件约束的扩散模块为核心，将时序动力上下文动态注入逆向去噪过程，实现未来0–2小时云图序列的高保真演化预测。为增强物理约束，模型引入“对流冷核”多任务辅助分支，提升了对深厚对流核心区的形态刻画与演变追踪能力。基于2022年独立测试集的实验表明，该方法有效缓解了传统外推模型的平滑效应，生成的云图演变序列结构清晰逼真，在对流初生事件识别与深厚对流维持方面具有明显优势。同时，依托扩散模型随机采样生成的集合预报产品，可为强对流生消过程的高度不确定性提供定量表征。

强对流临近预报,生成式扩散模型,多波段卫星数据,多任务学习,对流初生