2026-06-19 雷达回波 AI 进展日报#

检索时间：2026-06-19 13:03 +08
主窗口：2026-06-18 13:04 +08 至 2026-06-19 13:03 +08。
缓冲窗口：向前回看至 2026-06-17 13:04 +08，用于覆盖 arXiv 版本更新、索引库收录延迟和代码平台推送延迟。
检索主题：深度学习或 AI 在雷达回波预报、降水临近预报、radar echo nowcasting、precipitation nowcasting、weather radar nowcasting 中的新论文、预印本、代码、模型权重、数据、会议/期刊动态和机构发布；另设相关方法桶跟踪 flow matching、diffusion/generative solver、satellite-to-radar retrieval、雷达质控等相邻方向。

0. 总体判断#

本轮发现 1 个主窗口内直接相关的新模型/权重发布：Hugging Face 模型仓库 junxuwww/RadarNowcasting。它在 2026-06-18 10:28:56 UTC 创建，即 2026-06-18 18:28:56 +08，上传了约 102 MB 的 best_csi.pth，模型卡描述为基于全国雷达组合反射率拼图的 UNet + ConvLSTM 0-2 小时短临外推系统。该条目与雷达回波 nowcasting 直接相关，但目前只有 README 和 checkpoint，没有训练/评估代码、数据包、论文、可复现实验日志或正式 benchmark，因此应写作“模型权重/模型卡发布”，不能写成完整开源方法。

昨天日报补录的 arXiv 预印本 Pointwise is Pointless? A Multimodal Ablation Study for Precipitation Nowcasting with Graph Neural Networks 在本轮主窗口内更新到 v2。arXiv 页面显示 v1 提交于 2026-06-16 19:35:49 UTC，v2 修订于 2026-06-18 10:12:52 UTC；页面没有给出正式期刊/会议信息，也没有发现代码链接。因此今天将其列为“已覆盖预印本的版本更新”，不是新论文。

除上述两项外，未发现 2026-06-18 至 2026-06-19 窗口内新的高价值正式期刊论文、会议录用、OpenReview/Papers with Code 榜单动态、机构发布或可复现代码仓库。gsmap-live 今天又自动更新了 GIF，但 commit 只修改 GSMap_Combined.gif，仍不属于 AI radar nowcasting 方法或模型发布。

1. 新增/状态变化条目表#

2. 条目详述#

2.1 junxuwww/RadarNowcasting#

来源/平台：Hugging Face 模型仓库。模型仓库 API 显示创建时间为 2026-06-18 10:28:56 UTC，best_csi.pth 上传于 2026-06-18 10:29:37 UTC，最后 README 更新于 2026-06-18 10:39:18 UTC。仓库文件只有 .gitattributes、README.md 和 best_csi.pth。

大致内容：模型卡称这是“基于 UNet + ConvLSTM 的全国雷达拼图 0-2 小时短临外推预测系统”。任务输入为过去 2 小时的 4 帧单通道雷达图像，输出未来 2 小时的 4 帧预报，时间间隔按模型卡描述主要为 30 分钟。它面向雷达组合反射率图像外推，而不是中长期全球天气预报。

数据集：模型卡写明数据来源为国家气象中心 CMA 雷达组合反射率拼图 ECREF，格式为 RGBA PNG，原始图像尺寸 1349 x 1208，使用 2025 年全年 17,289 帧，85% 时间间隔为 30 分钟。模型卡末尾感谢一个第三方归档链接提供训练数据。这里需要谨慎：中央气象台网页确有“CMA区域模式-全国-雷达组合反射率”产品页，但页面同时写明“未经授权禁止下载使用”；气象科学专业知识服务系统的“天气雷达组网组合反射率图像产品”写明空间范围 0.01° x 0.01°、实时制作、近 24 h、每 6 分钟更新、个人实名或单位实名注册用户访问、数据源为中国气象局气象探测中心。模型卡中的 2025 全年 PNG 归档与官方实时/注册数据说明之间的授权关系未核验，后续不应默认数据可公开复用。

模型构建：模型卡描述为 U-Net encoder 将输入从 1 通道映射到 32/64/128/256 特征，在 H/8 分辨率使用 2 层 ConvLSTM，再通过 U-Net decoder 和跳跃连接恢复到 1 通道输出。参数量约 11.4M，模型卡估计 batch=4、256 x 256 时显存约 2 GB。模型采用自回归解码，即预测帧反馈为下一步输入。

训练与测试方式：README 给出训练命令示例，包括先预缓存 PNG 数据，再运行 train.py --use_cache --epochs 50 --batch_size 4 --img_size 256。它强调需要按时间顺序切分 train/val，不能 random_split，否则会有时序泄漏；损失函数为加权 MAE，对强回波区域 dBZ > 40 赋 5 倍权重；PNG 彩色渲染图需先通过 RGB 到 dBZ 的映射恢复反射率。但仓库没有上传 train.py、scripts/precache.py、scripts/predict.py、数据切分文件、评估脚本或训练日志，所以这些训练流程目前只是模型卡说明，不是可直接复现代码。

效果：模型卡列出 T+30min 和 T+120min 的目标值，如 CSI、POD、FAR、MAE，但没有给出实际测试集结果、阈值定义、样本数、评价区域、训练/验证/测试划分、对比基线或置信区间。因此不能把这些目标值写成已验证性能。权重文件可访问，HEAD 显示 best_csi.pth 大小为 102,370,198 字节，但尚未验证 checkpoint 内容和推理兼容性。

代码/数据状态：有 Apache-2.0 模型卡和 checkpoint；没有模型源码、训练脚本、评估脚本、数据下载脚本或论文。数据来源和授权需要进一步核实。GitHub 检索 junxuwww/RadarNowcasting、rgb_to_dbz_fast、best_csi.pth radar 等未发现对应代码仓库。

一句技术判断：这是本轮最直接的新增条目，因为它面向中国全国雷达组合反射率拼图的 0-2 小时外推，并实际上传了模型权重；但可复现性和数据授权证据不足，目前更适合做线索跟踪和本地验算，而不是作为已充分验证的开源基准。

与雷达回波预报的相关性：高。它直接处理雷达组合反射率拼图，目标是未来 2 小时雷达图像外推。

对用户研究的启发：如果后续想评估全国雷达拼图上的深度学习外推，这个 checkpoint 可以作为候选线索；但优先事项应是补齐源码、确认输入归一化/RGB-dBZ 映射、明确训练/测试时间段、核验数据许可，并在自有数据上重新计算 CSI/POD/FAR/MAE，而不是直接采用模型卡目标值。

2.2 Pointwise is Pointless? arXiv v2#

来源/平台：arXiv 预印本，暂无期刊或会议录用信息。arXiv 页面写明 v1 提交于 2026-06-16 19:35:49 UTC，v2 修订于 2026-06-18 10:12:52 UTC。提交历史中文件大小从 31,972 KB 变为 31,980 KB，页面没有给出 Comments 字段或版本变更说明。

大致内容：该文已经在 2026-06-18 日报中作为 48 小时缓冲补录展开。核心任务是 Nordic radar domain 上的多源 precipitation nowcasting，用雷达历史、MEPS 数值预报、Netatmo 地面站、MSG/SEVIRI 卫星通道、随机噪声和 CRPS-based ensemble losses 做消融，预测未来 2 小时、5 分钟间隔的 rain-rate field。

数据集：使用 Nordic radar composite 作为稠密目标，空间分辨率约 1 km、时间间隔 5 分钟；训练期为 2020 年 5 月至 2024 年 8 月，2024 年剩余月份验证，2025 年测试；同时使用 MEPS、Netatmo、MSG/SEVIRI 等多源输入。论文还关注雷达质控 bitmask，用于处理 no-data、beam blocking、clutter、convective classification 和异常强雨率。

模型构建与训练测试：模型基于 ECMWF anemoi 风格的 encoder-processor-decoder 图神经网络，针对稠密雷达格点、稀疏地面站点、卫星格点和 NWP 场构建多源图表示。实验比较 radar-only、MEPS、Netatmo、satellite、noise、CRPS 等配置，在雷达格点、站点、起雨、oracle、DAS 位移/强度等指标上分析不同观测支撑尺度的贡献。

效果与技术判断：论文结论仍应理解为“不同数据源改善不同诊断目标”。MEPS 有助于稳定 radar-only 预测，Netatmo 改善站点和起雨诊断，卫星信息可能改善部分站点偏差但也可能带来过早触发，CRPS-based 配置对雷达格点更稳定。它是直接 precipitation nowcasting，但输出为 radar-like rain-rate field，不是纯 dBZ reflectivity extrapolation。

代码/数据状态：本轮未发现同名 GitHub、Hugging Face、Papers with Code 或模型权重。arXiv 页面只有 Code/Data/Media 的通用工具入口，没有论文作者提供的代码链接。今天的变化只是 arXiv v2，不是可复现代码发布，也不是正式期刊状态变化。

一句技术判断：该 v2 是值得记录的状态变化，但缺少变更说明和代码，今天不应重复包装成“新增论文”；后续只需跟踪它是否补充代码、数据、正式投稿或 guided generative assimilation 后续工作。

与雷达回波预报的相关性：高，但方向是雷达状 rain-rate nowcasting 与多源融合消融，不是传统反射率外推。

对用户研究的启发：其最大价值仍是评价设计：多源融合要分开看格点场、站点、起雨、位移和强度误差，不能只靠单一 RMSE/CSI 判断某一模态是否“有用”。

3. 主窗口排查但不计为高价值新增#

4. 相关方法与启发#

4.1 flow matching / diffusion / generative solver#

本轮没有发现 2026-06-18 至 2026-06-19 窗口内新的 flow matching、rectified flow 或 diffusion radar/precipitation nowcasting 论文、代码或模型权重。OpenReview 搜索仍主要返回 FlowCast、RainDiff、Perceptually Constrained Precipitation Nowcasting 等旧条目，不能写成今天新增。

值得注意的是，今天的 Hugging Face RadarNowcasting 采用的是较传统的 UNet + ConvLSTM，并非生成式模型；它可以作为一个简单 deterministic baseline 线索。后续如果要比较 diffusion/flow 模型，应该用统一数据切分和统一阈值指标重新评估，而不是把模型卡目标值和论文指标直接横向比较。

4.2 satellite-to-radar retrieval#

未发现新的 satellite-to-radar retrieval 论文或代码。SRDiff 仍然是相邻方向中值得跟踪的 2026 IEEE TGRS 条目，但本轮代码链接仍未核验通过。今天检索到的 SIMBA 是 FY-4A GIIRS 辐射正反演框架，面向 NWP 应用，不是卫星到雷达回波转换，也不是降水短临。

4.3 雷达质控与数据治理#

今天的 RadarNowcasting 不是雷达质控论文，但它暴露出一个实用问题：从彩色 PNG 雷达产品恢复 dBZ 时，需要稳定的 RGB-dBZ 映射、图例和注记处理、缺测/遮挡处理、时序连续性校验，以及数据授权核验。模型卡提到 rgb_to_dbz_nearest 和 rgb_to_dbz_fast，但没有上传实现。对用户研究而言，这类前处理和数据合法性问题可能比换一个网络结构更影响结果可信度。

4.4 旧文回看：AMS AIES Tuning of Convolutive Nowcasting Precipitation Models and Evaluation by Rainfall Event Type#

这篇文章不是今日新增，AMS 页面和 Crossref 均显示在线发表为 2026-04-06，DOI 为 10.1175/AIES-D-25-0032.1。它值得回看，是因为它不强调新架构，而是系统调参和按降雨事件类型分组评估。数据为 Météo-France Mosaic 产品，覆盖巴黎区域，10 年、1 km、5 min 降水图；模型比较 ConvLSTM、SmaAt-UNet、PySTEPS 和 DGMR；重点考察输入历史长度、训练空间窗口、输出预报窗口和卷积核大小。其结论包括：强降雨事件更需要更长的输入历史，40 分钟历史对重雨组更合适；扩展空间窗口可缓解边界效应和“ghost rain cells”；用 90 分钟输出窗口训练以评估 60 分钟预报，对 ConvLSTM 这类循环模型有帮助。对用户研究的启发是：同一模型在不同雨型上的表现差异可能很大，报告平均 CSI 容易掩盖强降雨场景下的失败。

5. 排除与去重说明#

• arXiv API 检索 precipitation nowcasting、rainfall nowcasting、weather radar nowcasting、radar echo nowcasting、radar reflectivity nowcasting、diffusion precipitation nowcasting、flow matching precipitation nowcasting、satellite radar precipitation、weather radar quality control。除 Pointwise is Pointless? v2 外，未发现主窗口内新的直接 radar/precipitation nowcasting 预印本。
• OpenAlex 使用 2026-06-17 至 2026-06-19 日期过滤检索多组 nowcasting/radar/diffusion/flow/satellite-to-radar/quality-control 关键词，有效直接结果为 0。
• Crossref 同窗口返回的结果主要为医学、工程、物理扩散、一般降水气候或非 nowcasting 噪声；未发现新的正式 radar nowcasting 论文。
• Semantic Scholar 多数查询触发 HTTP 429；成功的 precipitation nowcasting radar deep learning 查询没有返回 2026-06-17 之后的新条目，因此该源本轮只作为补充证据。
• GitHub 精确检索 radar echo nowcasting、weather radar nowcasting、precipitation nowcasting radar、rainfall nowcasting radar、satellite-to-radar precipitation、diffusion precipitation nowcasting、flow matching precipitation nowcasting、GSWarpNet，按 pushed:>=2026-06-17 过滤均为 0；宽松检索只召回 gsmap-live 自动 GIF 更新。
• Hugging Face Models API 检索发现 junxuwww/RadarNowcasting，这是本轮唯一直接相关的新模型/权重发布；其余 precipitation nowcasting radar、weather radar nowcasting、satellite radar precipitation、flow matching precipitation nowcasting、diffusion precipitation nowcasting 没有新模型。
• OpenReview 和 Papers with Code 检索未发现本窗口新的 radar echo / precipitation nowcasting 投稿、榜单或代码动态；召回的 FlowCast、RainDiff、exPreCast、TUPANN、PercpCast 等均为旧条目或旧状态。
• Google DeepMind、ECMWF、NOAA、Met Office、中国气象局/中国天气网/中央气象台检索没有发现本窗口新的雷达回波或降水临近预报 AI 发布。NOAA EAGLE、ECMWF AI Weather Quest、DeepMind GenCast/GraphCast、Met Office 航空气象 AI 等属于全球/中长期或业务模型动态，不计入直接雷达短临。

6. 检索记录与来源#

• arXiv：2606.18436；HTML v2。arXiv 页面显示 v1/v2 提交历史。
• Hugging Face：junxuwww/RadarNowcasting；best_csi.pth。API 核验创建时间、commit 列表和文件列表。
• GitHub：sushantakundu/gsmap-live；最新自动更新 commit 363d249。
• 中央气象台：CMA区域模式-全国-雷达组合反射率。页面显示产品入口及“未经授权禁止下载使用”提示。
• 气象科学专业知识服务系统：天气雷达组网组合反射率图像产品。页面显示空间范围、实时制作、近 24 h、每 6 分钟更新、共享级别和数据源。
• AMS AIES 回看条目：Tuning of Convolutive Nowcasting Precipitation Models and Evaluation by Rainfall Event Type，DOI 10.1175/AIES-D-25-0032.1。
• OpenReview/Papers with Code/AMS/IEEE/AGU/RMetS/EGU/Copernicus、DeepMind/ECMWF/NOAA/Met Office/CMA 相关网页：用于排查本窗口新增，未发现新的高价值直接条目。

7. 下一轮继续跟进#

1. 跟踪 junxuwww/RadarNowcasting 是否补充 train.py、模型定义、RGB-dBZ 映射、数据切分、评估脚本、日志、论文或 GitHub 仓库。
2. 对 best_csi.pth 做本地可加载性和输入输出 shape 核验；如能复现，再用统一阈值重新计算 CSI/POD/FAR/MAE。
3. 核验 RadarNowcasting 使用的 2025 全国 ECREF 数据来源、授权、时间间隔、图例/注记处理和缺测比例；不要默认第三方归档可合法复用。
4. 继续跟踪 Pointwise is Pointless? 是否补充代码、数据可用性声明、正式投稿状态或 guided generative assimilation 后续工作。
5. 对 gsmap-live 只保留低价值可视化动态状态；除非新增模型、数据处理脚本或客观评分，否则不再重复展开。
6. 继续把 flow matching、diffusion、satellite-to-radar retrieval、雷达质控放在相关方法桶中；只有明确涉及雷达/降水临近预报且有新论文、代码或可验证结果时再写入新增表。