2026-06-26 雷达回波 AI 进展日报#

检索时间：2026-06-26 13:02 +08
主窗口：2026-06-25 13:05 +08 至 2026-06-26 13:02 +08。
48 小时缓冲：向前回看至 2026-06-24 13:02 +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、机会降水观测、雷达资料同化和机构动态。

0. 总体判断#

本轮主窗口内发现 1 个直接相关的代码仓库实质更新：OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data。它对应 2024 年韩国期刊论文和 Zenodo 数据/权重，仓库本身创建于 2023 年，但 2026-06-26 重新清理并推送了可运行代码树、配置样例和说明，因此应写作“代码/复现实验仓库公开更新”，不能写成新论文。

本轮未发现新的 arXiv 预印本、OpenReview 状态变化、正式期刊新上线论文、Papers with Code 榜单变化、Hugging Face 模型/数据集或机构发布可直接归入 AI radar echo / precipitation nowcasting 主表。arXiv 最新直接相关条目仍是已覆盖的 Pointwise is Pointless? v2，提交和更新均早于当前窗口。

相关方法和机构动态方面，ECMWF 2026-06-25 发布 EarthCARE 云剖面雷达资料进入全球预报系统的消息。这是雷达资料同化/观测利用动态，不是 AI，也不是雷达回波临近预报；但对雷达资料质量控制、垂直结构约束和模式-观测融合有启发。本轮还补记一个窗口外但值得后续核验的 IEEE TGRS 2026 DOI 元数据：A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting。Crossref 显示其 DOI 元数据创建于 2026-06-17、沉积于 2026-06-18，已经早于本轮 48 小时缓冲，因此不计为今日新增。

1. 主窗口新增条目表#

2. 相关方法、机构动态与窗口外补记#

3. 低价值或排除条目#

4. 条目详述#

4.1 OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data#

来源/平台：GitHub 仓库 OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data。GitHub Search 对 "precipitation nowcasting" pushed:>=2026-06-25 返回 2 个结果，其中该仓库是唯一包含模型代码、预处理、训练和评估脚本的直接相关结果；另一个 gsmap-live 只是 GIF 自动刷新。

时间与来源标注：仓库创建时间为 2023-12-15，但 2026-06-26 有一串实质性更新。关键 commit 9536c59e9292 的提交时间为 2026-06-26 01:39:15 UTC，提交信息为清理公开仓库历史，并新增 Code/、configs/、DATA_POLICY.md、requirements.txt 和 README。随后 2026-06-26 02:06 至 03:11 UTC 的 commit 主要修正 README 示例图和集成可视化布局。这个时间链说明：它不是 2026-06-26 新提出的论文，而是旧论文对应代码在本轮窗口内公开/整理更新。

论文/平台状态：README 将工作关联到论文 Improving Deep Learning-Based Precipitation Nowcasting Models: Application of Weighted Average Ensemble Methods。Crossref 显示论文发表于 Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography，卷 42 期 6，页 551-559，出版日期为 2024-12-31，DOI 为 10.7848/ksgpc.2024.42.6.551。因此日报中只能将论文写作 2024 年期刊论文，不能写成 2026 年新论文。

数据集：仓库使用 KMA HSR composite rainfall data。README 链接 Zenodo DOI 10.5281/zenodo.14608083；Zenodo API 显示记录标题为 dataset_0.5_0.05_6_1_1，正式 DOI 为 10.5281/zenodo.14608084，发布时间为 2024-12-31，许可证为 CC BY 4.0。Zenodo 文件包括一个约 3.11 GB 的 dataset_0.5_0.05_6_1_1.zip，以及 UNet、SEUNet、AttUNet、DualAttUNet 四个 .pth 模型文件；合计约 3.58 GB。仓库本身不存放原始 HSR 压缩包、生成数据集、checkpoints、Excel 结果或大批量可视化。

模型构建：代码树包含 U-Net、SE U-Net、Attention U-Net、Dual Attention U-Net、SAR U-Net，以及 ConvLSTM、TrajGRU、Simple CNN 等模型实现。README 的主线是 U-Net 系列和 weighted average ensemble。configs/model_weights.example.json 给出 4 个模型的 ensemble 配置：UNet、SEUNet、AttUNet、DualAttUNet；输入通道为 6，输出通道为 1。configs/ensemble_weights.example.json 给出 arithmetic、geometric、harmonic 三种组合方式和示例权重。

预处理和样本构造：仓库提供 HSR .tar.gz 解包、.bin.gz 到 16-bit PNG 的转换脚本，并把 dBZ 存储为 dBZ * 100 + 1000 的 16-bit 图像。样本构造默认对 2020-2023 年数据逐年处理；时间间隔检查按 5 分钟步长；默认 input_len=6、label_len=1、step=1，即用连续 6 帧输入预测下一帧。样本过滤使用雨强阈值 rfrate=0.5 和像元比例阈值 rate=0.05，也就是至少一部分像元达到降水强度条件后才保留样本。生成数据集时按每年样本的顺序切分为 80% train、10% test、10% valid。

训练测试方式：训练入口是 Code/main.py，默认 100 epochs、batch size 4、learning rate 1e-4、Adam 优化器、ReduceLROnPlateau 调度、early stopping patience 10，可选 AMP 和 Weights & Biases。损失函数为 BalancedMSEMAE，对不同雨强范围加权，阈值来自 0.5、2、5、10、30 mm/h。评估脚本输出 precision、recall、F1、FAR、CSI、HSS、GSS、MSE、MAE，阈值同样覆盖 0.5、2、5、10、30 mm/h，并能把结果写入 Excel/CSV。ensemble 评估脚本支持保存预测 PNG 和样例可视化。

效果：README 没有直接列出论文表格数值或各模型客观分数；Zenodo 给出了论文使用的数据和预训练模型，但 GitHub 仓库没有把完整 Excel 报告纳入 git。当前可以确认它提供复现实验所需的数据、权重、训练和评估框架，但不能仅凭 README 复述论文效果数值。后续如果要用于基线，需要下载 Zenodo 数据/权重并实际跑 evaluate_models.py 或 evaluate_ensemble.py，再报告同一阈值体系下的 CSI/FSS 类指标。

代码/数据状态：代码已公开，树中有 44 个条目，Python 代码约 136 KB；没有 GitHub release；仓库 license 字段为空，代码许可证未明确。Zenodo 数据和权重记录为 CC BY 4.0。这个差异需要注意：数据/权重有 Zenodo 许可证，但代码复用最好先确认作者是否补充 LICENSE。

一句技术判断：这是一个直接 precipitation nowcasting 的复现型代码仓库，价值在于同时给出 KMA HSR 数据集、预训练权重、U-Net 系列 baseline 和 weighted ensemble 评估脚本；局限是论文较旧、预测步长偏短、未见代码许可证，且按年内顺序 80/10/10 切分可能弱于跨年份或独立事件测试。

与雷达回波预报的相关性：中到高。它不是 dBZ reflectivity extrapolation 原题名，但数据和预处理都围绕雷达降水/反射率派生场，任务是短时降水临近预报，模型和评估脚本可作为 U-Net 类基线或 ensemble baseline。

对用户研究的启发：可以把它作为“传统 U-Net 系列 + 简单集成”的可复现对照组，用于衡量更复杂的 diffusion/flow matching/GNN/多源融合方法是否真的带来增益。更适合做基线和指标管线参考，不宜作为前沿模型创新代表。

4.2 ECMWF EarthCARE 云剖面雷达资料进入全球预报系统#

来源/平台：ECMWF 官方新闻，发布时间为 2026-06-25。

大致内容：ECMWF 称其将 EarthCARE 卫星的 Cloud Profiling Radar 数据引入全球预报系统，是全球范围内同化卫星云雷达观测的业务进展。新闻重点在全球数值天气预报系统中的云和降水垂直结构观测利用，不是基于天气雷达拼图的 0-2 小时短临模型，也不是 AI 模型发布。

数据集、模型构建、训练测试方式、效果：该动态不是机器学习论文，未提供深度学习模型、训练数据、训练/测试切分或 nowcasting skill 评估。它属于卫星云剖面雷达观测同化进入 IFS 的业务系统动态。

代码/数据状态：无公开 AI nowcasting 代码或数据集。

一句技术判断：这是雷达观测同化的机构动态，对 AI radar nowcasting 的直接可用性有限，但提醒后续模型设计不能只看二维拼图外推，垂直云降水结构和同化质量控制可能成为强约束信息。

与雷达回波预报的相关性：间接相关。它是卫星云剖面雷达 + 全球 NWP，不是地基天气雷达回波临近预报。

对用户研究的启发：如果用户研究要把 AI 短临与物理模式或多源观测结合，ECMWF 这个动态说明高质量雷达观测在业务系统中的价值正在上升；但日报中不能把它写成 AI 降水临近预报进展。

4.3 A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting#

来源/平台：Crossref、OpenAlex、Semantic Scholar 均能检索到 DOI 10.1109/TGRS.2026.3704556，来源期刊为 IEEE Transactions on Geoscience and Remote Sensing。Crossref 记录显示 created 为 2026-06-17、deposited 为 2026-06-18，OpenAlex 给出的日期是泛化的 2026-01-01；IEEE 页面当前可重定向到文档号但网页内容在本环境中未能抽取出摘要和正式在线日期。

窗口归类：这是本轮新注意到的 direct precipitation nowcasting + flow matching 方向论文，但其 DOI 元数据时间已经早于本轮 48 小时缓冲，因此不计入 2026-06-26 主窗口新增。它应放入窗口外 follow-up，而不是当天主表。

大致内容：标题表明方法可能用 intensity flow matching，并通过 margin based decomposition 处理降水强度分布或强降水边界问题。由于当前可访问元数据没有摘要、数据集、模型结构细节和结果表，不能进一步断言它使用了 SEVIR、雷达拼图、卫星降水或其他数据，也不能写出性能提升幅度。

代码/数据状态：GitHub、Hugging Face models/datasets 用题名、Intensity Flow Matching precipitation、MDF-IFM 等关键词检索未发现公开代码、权重或数据条目。

一句技术判断：从题名看，这是直接 precipitation nowcasting 的 flow matching 路线，值得后续获取 IEEE 摘要/PDF 后重点核验；但当前证据不足以展开模型细节或评价结论。

与雷达回波预报的相关性：可能较高，但需全文确认输入数据类型。若使用雷达/降水格点并针对强降水建模，它可作为 FlowCast、Rectified Flow Transformer、PixelFlowCast 一类方法的同方向比较对象。

对用户研究的启发：后续跟进重点是它如何定义 intensity/margin 分解、是否改善高阈值 CSI/FSS、是否处理强降水稀疏性，以及有没有开源实现。当前不要把它写成已有代码或今日新发表。

4.4 gsmap-live：仍是 GIF 自动刷新#

来源/平台：GitHub 仓库 sushantakundu/gsmap-live。

大致内容：仓库最新 push 为 2026-06-26 00:38:30 UTC；最近 commit 分别为 2026-06-26 00:38、2026-06-25 12:50、2026-06-25 05:32 UTC，提交信息均为自动更新 GSMap_Combined.gif，文件列表也只有 GSMap_Combined.gif。

数据集、模型构建、训练测试方式、效果：无新增模型、训练脚本、评估脚本、论文链接或客观结果。

代码/数据状态：只是可视化 GIF 更新。

一句技术判断：pushed_at 新不等于方法更新；这类自动图片刷新继续排除。

与雷达回波预报的相关性：低。它最多与降水可视化有关，不是 AI radar nowcasting。

5. 已覆盖条目状态复核#

6. 相关方法与启发#

6.1 flow matching / diffusion / generative solver#

主窗口内没有新的 arXiv/OpenReview/GitHub/Hugging Face flow matching 或 diffusion 类 radar/precipitation nowcasting 发布。FlowCast、Rectified Flow Transformers、PixelFlowCast、LangRetrieval、VMU-Diff 等仍是窗口外已知条目。

本轮新增注意到的 TGRS A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting 不属于当前 48 小时窗口，但应列为后续高优先级全文核验对象。它可能与用户研究中的强降水稀疏性、高阈值 CSI、生成式轨迹建模相关。

6.2 satellite-to-radar retrieval 与卫星云场#

本轮没有新的 satellite-to-radar retrieval 论文、代码或模型权重。ECMWF 的 EarthCARE 云剖面雷达资料同化不是 satellite-to-radar retrieval，也不是 AI nowcasting；它的价值在于提醒短临模型可关注三维云降水结构、质量控制和观测-模式约束。

6.3 雷达质控#

本轮没有新的 AI 雷达质控论文或代码。DeepLab-ARER、missing echo restoration、非气象回波识别等前序条目继续作为异常回波识别/输入质控启发保留，不计今日新增。

6.4 U-Net 系列可复现基线#

OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data 的价值不在于方法前沿性，而在于数据、权重、训练、评估和 ensemble 脚本相对完整。它适合做两类工作：

1. 复现一个朴素 U-Net 系列降水短临基线，和 diffusion/flow matching/GNN/ConvLSTM 等方法比较。
2. 复用其阈值化评价脚本，检查用户自己的模型在 0.5、2、5、10、30 mm/h 阈值下是否只改善弱降水而牺牲强降水。

7. 检索记录与排除说明#

• arXiv：使用 Atom API 按 submittedDate 检索 precipitation nowcasting、radar echo nowcasting、weather radar nowcasting、radar nowcasting deep learning、diffusion/flow matching precipitation nowcasting、satellite-to-radar、radar quality control 等。主窗口内未发现新的直接条目；最新直接相关仍是 Pointwise is Pointless? v2，已覆盖。
• OpenAlex：日期过滤 2026-06-25 至 2026-06-26，radar echo nowcasting deep learning、precipitation nowcasting deep learning、weather radar nowcasting AI、flow matching precipitation nowcasting、satellite to radar retrieval precipitation、radar quality control deep learning precipitation 有效结果均为 0。题名精确检索到 TGRS A Margin based...，但日期不在本轮窗口。
• Crossref：前几个直接关键词查询触发 HTTP 429；后续宽松查询返回大量非气象或非 nowcasting 噪声。TGRS A Margin based... 的 Crossref created/deposited 日期为 2026-06-17/18，属于窗口外补记。
• Semantic Scholar：部分查询继续 429；成功的 satellite to radar retrieval precipitation 与 flow matching precipitation nowcasting 查询没有 24-48 小时内新 direct 条目，但提示了 TGRS A Margin based... 的 DOI 元数据，已按窗口外 follow-up 处理。
• GitHub：检索 "radar echo nowcasting" pushed:>=2026-06-25、"weather radar nowcasting" pushed:>=2026-06-25、"precipitation nowcasting" pushed:>=2026-06-25、radar nowcasting deep learning pushed:>=2026-06-25、rainfall nowcasting radar deep learning pushed:>=2026-06-25、diffusion precipitation nowcasting pushed:>=2026-06-25、flow matching precipitation nowcasting pushed:>=2026-06-25、satellite radar retrieval precipitation pushed:>=2026-06-25、radar quality control deep learning precipitation pushed:>=2026-06-25。唯一实质性 direct 代码更新为 OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data；gsmap-live 仍是 GIF。
• Hugging Face：models/datasets 检索 radar nowcasting、precipitation nowcasting、weather radar nowcasting、radar echo nowcasting、satellite radar retrieval、rainfall nowcasting，未发现新模型或数据集；junxuwww/RadarNowcasting 仍是 2026-06-18 checkpoint-only 状态。
• OpenReview：API 搜索仍显示 FlowCast 等旧条目，无主窗口状态变化。FlowCast GitHub 最新 push 仍为 2026-03-22。
• Papers with Code：网页检索未发现本轮新的 radar/precipitation nowcasting 任务、榜单、代码或状态变化；部分页面返回 Hugging Face 风格的泛搜索页面，未能作为新增证据。
• AMS/IEEE/AGU/RMetS/EGU/Copernicus：未发现主窗口内新的直接 AI radar/precipitation nowcasting 正式上线条目。IEEE TGRS A Margin based... 为窗口外 DOI 元数据补记。
• 机构动态：Google DeepMind、ECMWF、NOAA、Met Office、中国气象局/中国天气网检索未发现本窗口新的 AI radar/precipitation nowcasting 交付物。ECMWF EarthCARE 云雷达资料同化为相关机构动态，但不是 AI nowcasting。

8. 下一轮继续跟进#

1. OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data 是否补充代码 LICENSE、GitHub release、结果表、论文 PDF 链接或更清晰的数据切分说明。
2. 是否需要下载 Zenodo dataset_0.5_0.05_6_1_1 和四个 .pth 权重，实际跑 evaluate_models.py / evaluate_ensemble.py 以获得可比基线分数。
3. TGRS A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting 是否能获取摘要/PDF、数据集、模型结构、代码链接和高阈值 skill 结果。
4. 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。
5. duyhlzu/Flash-Back-Memory 是否真正发布源码、配置、权重或复现实验。
6. 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。
7. GSWarpNet 是否出现论文、DOI、release、模型权重或新的客观结果。
8. ECMWF EarthCARE 云剖面雷达资料同化是否有后续技术备忘、观测算子/质量控制说明，或与 AI 模型融合的公开材料。
9. flow matching、diffusion、satellite-to-radar retrieval、雷达质控和机会观测继续放在相关方法桶中；只有明确涉及雷达/降水临近预报且有新论文、代码、数据或可验证结果时再写入主新增表。