2026-06-23 雷达回波 AI 进展日报#

检索时间：2026-06-23 13:12 +08
主窗口：2026-06-22 16:57 +08 至 2026-06-23 13:12 +08。
48 小时缓冲：向前回看至 2026-06-21 13:12 +08，用于覆盖 arXiv 版本更新、索引库延迟收录和代码平台延迟推送。
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、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、数据同化和短时降水业务支撑。

0. 总体判断#

本轮主窗口内未发现新的高价值、直接面向雷达回波或雷达降水临近预报的 AI 论文、预印本、完整代码、数据集、模型权重、期刊上线或机构发布。

arXiv 以 nowcasting 总检索按提交时间排序时，主窗口内最新结果是 Leakage-Aware Benchmarking of LLM Forecasting...，属于宏观金融实时 nowcast，不是气象或雷达临近预报；最新的直接降水临近预报条目仍是此前已覆盖的 Pointwise is Pointless? v2（2026-06-18）和 FlashBack Memory（2026-06-15）。GitHub 在 pushed:>=2026-06-22 的精确检索中仍只有 sushantakundu/gsmap-live，但最新 commit 只修改 GSMap_Combined.gif，不属于 AI 方法进展。Hugging Face 中 junxuwww/RadarNowcasting 仍停在 2026-06-18，只有 README、.gitattributes 和 best_csi.pth，没有源码或评估脚本。

Crossref 在 2026-06-22/23 返回若干 EMS2026 posted-content 元数据，含数据驱动高分辨率极端天气、云雷达同化、DWD 快速更新降水预报产品和 AI-supported flood prediction 等题名。这些可以作为会议动态或相邻方向留意，但目前不是雷达回波/降水临近预报 AI 的直接新增，而且可访问页面尚未提供足够摘要正文来判断数据、模型和效果，因此不写入“高价值直接新增”。

在主窗口安静的情况下，本轮补充一个窗口外高价值回看条目：FlowCast: Advancing Precipitation Nowcasting with Conditional Flow Matching。它是 ICLR 2026 Poster，直接面向 radar-based precipitation nowcasting，且官方 GitHub 代码已公开；但发布时间和代码 push 均早于本轮窗口，必须标为“窗口外回看”，不能写成今日新增。

1. 主窗口新增条目表#

2. 主窗口低相关或排除条目#

3. 条目详述#

3.1 gsmap-live：只有 GIF 自动刷新，不计为方法进展#

来源/平台：GitHub 仓库 sushantakundu/gsmap-live。
大致内容：仓库描述为 precipitation nowcast and observation animation，当前顶层内容只有 GSMap_Combined.gif 和 index.html。GitHub API 显示最新 push 为 2026-06-23 04:42:19 UTC，最近几次 commit message 均为 Auto-update GSMap_Combined.gif，逐条 commit 的文件列表只包含 GSMap_Combined.gif modified。
数据集、模型构建、训练测试方式、效果：无。该仓库本轮没有新增模型、训练脚本、评估脚本、数据处理脚本或论文材料。
代码/数据状态：有静态页面和 GIF 文件；不是 AI nowcasting 代码。
技术判断：这是低价值可视化刷新信号，不能因为 pushed_at 新就写成 AI 降水临近预报进展。
与雷达回波预报的相关性：低。它与降水可视化有关，但不提供雷达回波或雷达降水 nowcasting 的算法、评估或数据。
对用户研究的启发：代码平台的“新鲜度”必须结合文件变更判断；自动更新图片、README 或网页不应进入主新增表。

3.2 EMS2026 posted-content 元数据：会议动态可留意，但当前不能当作直接新增#

来源/平台：Crossref 返回的 EMS2026/Copernicus posted-content DOI 元数据。对应 meeting organizer 页面目前可访问到 abstract ID 和会议框架，但本轮没有在 HTML 中看到足够摘要正文。EMS2026 年会官网显示会议将于 2026-09-06 至 2026-09-11 在 Utrecht/线上举行；会议 session programme 中有高分辨率降水观测、AI/ML 水文气象应用、严重天气与 hazards 等相关 session。

大致内容与判断：

• Towards a data-driven weather model for forecasting on-demand extremes at hectometric scale：题名指向高分辨率、事件驱动的 data-driven weather model，更接近 hectometric-scale NWP/数字孪生/极端天气预测，不是雷达回波或降水场 0-2 h 临近预报。数据、模型架构、训练测试方式和效果目前无法从可访问元数据核验。
• Data Assimilation of Differential Absorption Lidar Data and Cloud Radar Data：与云雷达和 DIAL 资料同化有关，可能对边界层/云物理观测同化有参考价值，但不是深度学习雷达 nowcasting。除题名和 DOI 外，本轮没有足够正文支撑更强判断。
• Catchment-based post-processing of probabilistic weather forecasts for AI-supported flood prediction in Germany：属于 AI-supported flood prediction 的水文后处理方向，可能与降水预报下游应用相关，但不是雷达回波临近预报方法。
• Towards Improved Flood Forecasting... DWD：关注 DWD 快速更新降水预报产品驱动的 discharge forecasts，偏水文业务评估，不是 AI 雷达临近预报。

技术判断：这些是“会议动态元数据”，可作为后续 EMS2026 摘要公开后的复查线索；当前不应写入主新增表，也不能补写不存在的模型、数据和效果。
与雷达回波预报的相关性：低到中。云雷达同化和快速更新降水产品与短时业务链相邻，但不是用户要求的直接 AI radar echo/precipitation nowcasting。
代码/数据状态：未发现对应公开代码、数据或模型权重。

4. 已覆盖条目状态复核#

5. 窗口外回看：FlowCast#

5.1 基本信息#

标题：FlowCast: Advancing Precipitation Nowcasting with Conditional Flow Matching
来源/会议：OpenReview，ICLR 2026 Poster；OpenReview 页面显示 Published: 26 Jan 2026，Last Modified: 30 Apr 2026。arXiv 版本为 2511.09731，属于早于本轮窗口的预印本。
链接：OpenReview，arXiv，GitHub。
类型：窗口外高价值回看；直接 radar-based precipitation nowcasting；conditional flow matching / probabilistic generative nowcasting。

5.2 大致内容#

FlowCast 把雷达降水临近预报表述为从历史雷达图像序列生成未来短时降水场的概率预测问题。论文关注两个问题：一是降水系统演变的不确定性，二是高维雷达图像序列的生成效率。与扩散模型相比，作者主张 Conditional Flow Matching 可以用更少采样步数完成从噪声到数据的映射，从而更适合时效性要求高的临近预报。

5.3 数据集#

论文使用两套雷达数据：

• SEVIR：1 km 分辨率、384 x 384、5 min 间隔，使用 VIL 场；构造 25 帧序列，其中 13 帧作为上下文、12 帧作为预测目标。提取后样本量为 36,351 训练、9,450 验证、12,420 测试。
• ARSO：斯洛文尼亚 1 km、5 min 雷达反射率 composite，网格约 301 x 401，覆盖 Alpine/coastal 复杂地形；同样采用 13/12 帧设置，60/20/20 时间顺序划分后为 38,229 训练、12,743 验证、12,744 测试。

5.4 模型构建#

方法采用两阶段 latent generative route。第一阶段用 VAE 将高维雷达帧压缩到低维 latent space；第二阶段在 latent space 中训练 Conditional Flow Matching 生成模型，从噪声直接映射到目标未来序列。OpenReview 页面强调它不是混合后处理，而是 end-to-end probabilistic model；GitHub 仓库包含 common、datasets、experiments 等目录，属于可运行实现而非单纯 README。

5.5 训练测试方式与效果#

PDF 中的实现细节显示：VAE 使用 AdamW，学习率 1e-4，batch size 12；FlowCast 的 CFM 模型训练 200 epochs，AdamW 学习率 5e-4，cosine scheduler，I-CFM path 的标准差设为 0.01，EMA decay 为 0.999，并以验证集子集上的 CSI-M 选择 checkpoint。作者报告训练使用 4 张 NVIDIA H100 约 7 天，global batch size 12。

评价指标包括 CRPS、CSI、HSS、FAR、FSS、max-pooled CSI 等，并在高阈值上单独报告极端事件探测能力。作者结果显示，SEVIR 高阈值 CSI-219 为 0.202，高于最佳 deterministic baseline SimVP 的 0.137，也略高于 probabilistic baseline CasCast 的 0.195；ARSO 高阈值 39 dBZ 上，FlowCast 的 CSI 为 0.183，HSS 为 0.291。需要注意，这些是作者实验结果，本轮未做独立复现。

5.6 代码/数据状态#

GitHub b-rbmp/FlowCast 已公开，license 为 Apache-2.0，最新 push 为 2026-03-22，顶层包含 LICENSE、README.md、common、datasets、experiments、requirements.txt 等。仓库创建和主要提交早于本轮窗口，因此代码可用性不能算今天新增。SEVIR 是公开数据；ARSO 数据是否完全开放和获取条件需按作者仓库/数据说明进一步核验。

5.7 技术判断与启发#

一句技术判断：FlowCast 是一个值得重点回看的 direct precipitation nowcasting 方法，价值在于把 conditional flow matching 作为扩散模型的效率替代路线，并在两个雷达数据集上报告了较强的概率预测和高阈值探测能力。

与雷达回波预报的相关性：高。它直接使用雷达/VIL/反射率序列做未来 12 帧短时预测，虽然输出形式偏 radar precipitation field 而非传统 dBZ 外推业务产品，但问题定义和用户研究高度相关。

对用户研究的启发：如果当前研究也遇到扩散模型采样慢、强回波保真与客观评分冲突的问题，FlowCast 提示可以尝试 latent CFM、少步采样、CRPS/CSI/FSS 联合评估，并在高阈值 CSI 和 FAR 上单独报告改进，而不是只看 MSE/MAE。

6. 相关方法与启发#

6.1 Flow matching / diffusion / generative solver#

本轮 24-48 小时窗口内没有发现新的 direct flow matching 或 diffusion radar/precipitation nowcasting 论文、代码或模型权重。FlowCast 是窗口外回看条目，不是今日新增；它仍是后续对比 conditional flow matching、rectified flow、diffusion post-processing 的重要基线。

6.2 Satellite-to-radar retrieval#

本轮未发现新的 satellite-to-radar retrieval 发布。昨日补记的 LangRetrieval 仍应保持“arXiv 预印本，暂无期刊信息；S2R retrieval，不是 nowcasting；未发现代码/HF 发布”的状态。

6.3 雷达质控与数据同化#

本轮没有新的 AI 雷达质控论文或代码。Crossref 返回的云雷达/DIAL 同化 EMS2026 元数据可作为资料同化相邻线索，但它不是深度学习雷达 nowcasting。前序日报中的 DeepLab-ARER 仍作为雷达异常回波识别/质控启发保留，不算本轮新增。

6.4 业务链相邻方向#

EMS2026 的 DWD 快速更新降水预报产品、AI-supported flood prediction 和高分辨率 data-driven extremes model 题名说明，短时降水产品正在和洪水预报、极端天气数字孪生、AI 后处理结合。但这些方向更接近业务链下游或 NWP/水文后处理；除非后续公开摘要明确包含雷达降水 nowcasting、训练数据、模型和客观评估，否则不应混入主新增表。

7. 检索记录与排除说明#

• arXiv：检索 nowcasting 总结果以及 precipitation nowcasting、radar nowcasting、radar echo nowcasting、weather radar nowcasting、reflectivity nowcasting、satellite-to-radar、flow matching precipitation nowcasting、diffusion precipitation nowcasting、weather radar quality control deep learning 等。主窗口后只有非气象 nowcast 噪声；最新直接相关仍为 2026-06-18/15 的已覆盖条目。
• GitHub：检索 pushed:>=2026-06-22 的 radar/precipitation/rainfall nowcasting、flow matching、diffusion、satellite-to-radar、weather radar quality control 等组合。唯一有效相关返回为 gsmap-live，但 commit 只修改 GIF。Flash-Back-Memory 仍只有 README；GSWarpNet 无新 push；SRDiff 仍 404；FlowCast 代码仓库存在但最新 push 早于本轮。
• Hugging Face：models/datasets 检索 radar nowcasting、precipitation nowcasting、weather radar nowcasting、RadarNowcasting、FlashBack Memory、GSWarpNet、LangRetrieval、TA-SmaAt-UNet 等。未发现新模型或数据集；RadarNowcasting 仍为 2026-06-18 的 checkpoint-only 状态。
• OpenAlex：以 2026-06-22 至 2026-06-23 日期过滤检索直接关键词，直接有效结果为 0。
• Crossref：同窗口返回大量非气象噪声和 EMS2026 posted-content 元数据；未发现正式期刊/会议上线的直接 AI radar/precipitation nowcasting 论文。
• Semantic Scholar：Graph API 本轮连续返回 HTTP 429，不能作为负结论的唯一依据；已用 arXiv/OpenAlex/Crossref/GitHub/Hugging Face 和网页检索交叉补足。
• OpenReview：网页检索显示 FlowCast、Extreme Weather Nowcasting、RainDiff、TUPANN 等 ICLR/ML4RS 2026 条目，但发布时间或 last modified 均早于本轮窗口；未发现 24-48 小时内状态变化。
• Papers with Code：网页检索未发现本轮新的任务、榜单、代码或状态变化。
• AMS/IEEE/AGU/RMetS/EGU/Copernicus：检索未发现主窗口内新的直接 AI radar/precipitation nowcasting 正式上线条目；若干旧条目和 EMS2026 元数据已按相邻方向处理。
• 机构动态：Google DeepMind、ECMWF、NOAA、Met Office、中国气象局/中国天气网未发现本窗口新的雷达回波或降水临近预报 AI 发布。宽泛的中期/次季节 AI 天气模型、一般天气预报新闻和实时天气页面未计入。

8. 下一轮继续跟进#

1. junxuwww/RadarNowcasting 是否补充源码、训练/评估脚本、RGB-dBZ 映射、数据切分、论文、GitHub 仓库或 CMA ECREF 数据授权说明。
2. duyhlzu/Flash-Back-Memory 是否真正发布源码、配置、权重或复现实验。
3. Pointwise is Pointless? 是否补充代码、数据可用性、正式会议/期刊状态或 guided generative assimilation 后续版本。
4. GSWarpNet 是否出现论文、DOI、release、模型权重或新的客观结果；同时保留 SRadar 量化公式 caveat。
5. FlowCast 是否出现新 release、数据获取说明、模型权重更新或独立复现；它适合作为 flow matching direct nowcasting 的重点基线。
6. LangRetrieval 是否发布代码或 FY-4B/雷达配对数据；继续标为 S2R retrieval / flow matching 相关方法，不能写成直接 nowcasting。
7. EMS2026 相关 DOI 页面后续若公开摘要正文，应复查是否有真正包含 AI、雷达降水 nowcasting、客观评估或可用数据/代码的条目。