2026-06-28 雷达回波 AI 进展日报#

检索时间：2026-06-28 13:02 +08
主窗口：2026-06-27 13:05 +08 至 2026-06-28 13:02 +08
48 小时缓冲：向前回看至 2026-06-26 13:02 +08，用于覆盖索引延迟、代码平台延迟推送和昨日已覆盖条目的状态复核。
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；同时单列 flow matching、diffusion/generative solver、satellite-to-radar retrieval、雷达质控、机会观测等相关方法。

0. 总体判断#

本轮没有发现新的高价值直接论文、arXiv 预印本、OpenReview 状态变化、正式期刊上线论文、Papers with Code 榜单变化、Hugging Face 新模型/数据集，或 DeepMind、ECMWF、NOAA、Met Office、中国气象局等机构在本窗口发布的 direct AI radar echo / precipitation nowcasting 交付物。arXiv 最新直接相关条目仍是此前已覆盖的 Pointwise is Pointless? v2，提交和更新均早于本窗口。

本轮值得写入日报的是 GitHub 代码侧信号，但需要降级表述：

• matko-iv/budva-radar：主窗口内有实质代码/输出更新，是面向 Budva 区域的雷达资料读取、pySTEPS nowcast、可选 DGMR 比较和验证流水线。它直接涉及 radar nowcasting，但更像工程化本地 nowcast 系统，不是新论文，也不能默认写成已验证深度学习模型。
• ilove-datascience/rainraingoaway：主窗口内有小改动，是新加坡雷达图 ConvLSTM 代码库。它直接涉及 radar-to-rain next-frame forecasting，但本轮 commit 只修了数据加载中的缺测处理；仓库没有论文、license 和完整实验报告。

低价值或排除项方面，sushantakundu/gsmap-live 仍只是 GSMap_Combined.gif 自动刷新；api-evangelist/rainbow-ai 是商业 API 的 OpenAPI/目录元数据，不是模型或论文；Turavien/dwd_rainradar 是 Home Assistant 的 DWD RADOLAN/RADVOR 集成，不是 AI nowcasting 方法。

1. 主窗口新增/实质更新条目表#

2. 相关方法、窗口外状态与排除条目表#

3. 条目详述#

3.1 matko-iv/budva-radar#

来源/平台：GitHub 仓库 matko-iv/budva-radar。仓库创建于 2026-05-23，最新 push 为 2026-06-27 12:55 UTC。主窗口内最近 commit 包括 Summary、skala update 2026-06-27 14:53:37 和 skala update 2026-06-27 14:53:26，修改了 compare_nowcast.py、data/track_cache.json、output/compare.json、docs/compare_data.js、多张 compare_frames 输出图和最新雷达帧文件。

期刊/会议状态：未发现 arXiv、DOI、OpenReview 或正式期刊页面。仓库描述里写有 “nowcasting model with DGMR DeepMind”，但这只是仓库能力描述；日报中不应写成 DeepMind 发布或论文录用。仓库无 GitHub license 字段。

大致内容：README 描述该系统从 DHMZ Uljenje 和 OPERA Odyssey 拉取雷达图像，进行像素到经纬度映射、RGB 到 dBZ/mm h-1 转换、同心环采样、相邻帧互相关运动估计和降水到达时间外推。文件树进一步显示它已经加入 MeteoGate ORD ODIM HDF5 原始极坐标雷达体扫读取，radar/ord.py 使用 DBZH、RHOHV、TH、VRADH、ZDR 等变量，并用 RHOHV 阈值做非气象回波过滤。radar/pysteps_nowcast.py 使用 pySTEPS 的 Lucas-Kanade motion、ANVIL 和 LINDA，radar/dgmr_adapter.py 提供 DeepMind DGMR 插件的可选适配，verify_nowcast.py 用 FSS、CSI、POD、FAR 做回放验证。

数据集：主要是 Budva 附近的 DHMZ/OPERA 图像帧和 EUMETNET/MeteoGate ORD hrulj ODIM HDF5 雷达体扫。仓库内含若干缓存图像、GIF、ODIM H5 文件、比较输出和状态 JSON。数据范围是本地业务/展示型，不是标准论文 benchmark。

模型构建：核心 nowcast 不是从零训练的神经网络，而是 pySTEPS 的确定性/统计 nowcasting 流水线：ANVIL 用于较广泛降水，LINDA-D 用于对流单体，另有单体跟踪、到达概率和 storm-mode classification。DGMR 适配器是可选插件，依赖 pysteps-dgmr-nowcasts 和预训练权重；代码明确写了如果插件或权重不可用，就只显示不可用原因而不运行 DGMR。

训练测试方式：没有训练自有深度学习模型；主要通过历史 ODIM H5 体扫做 hindcast 回放。验证脚本计划对不同 lead time 计算 FSS、CSI、POD、FAR，并在 docs/verify_data.js 渲染技能表。本轮 commit 更多是更新比较页面、输出数据和雷达帧，尚未提供论文式统计结果。

效果：仓库有 output/compare.json、docs/compare_data.js、docs/nowcast_status.json 等输出，但本轮不能据此声称模型优于某个基线。DGMR 适配器还明确提示其预训练域是英国 1 km 雷达，迁移到亚得里亚海区域是 OOD 测试，需要本地 archive 验证。

代码/数据状态：代码树较完整，包含下载、解码、ODIM 读取、pySTEPS nowcast、DGMR adapter、比较页面和验证脚本；但无明确 license，数据/输出混在仓库中，DGMR 依赖外部插件和权重，是否可一键复现需要实际安装验证。

一句技术判断：这是一个直接相关的本地 radar nowcasting 工程流水线，价值在资料读取、质控、pySTEPS 基线和验证框架，而不是新的 AI 模型或论文结果。

与雷达回波预报的相关性：较高。它处理真实雷达图像和 ODIM HDF5 反射率数据，并做短时外推/验证；但区域和工程场景很窄，不能直接当作通用深度学习 nowcasting baseline。

对用户研究的启发：可借鉴其 ORD H5 读取、RHOHV 质控、pySTEPS baseline、FSS/CSI 回放验证和 DGMR 迁移检验的组织方式。若用于论文或系统对比，应先核验 license、数据来源授权、DGMR 插件是否可运行，以及完整的 lead-time 技能曲线。

3.2 ilove-datascience/rainraingoaway#

来源/平台：GitHub 仓库 ilove-datascience/rainraingoaway。仓库创建于 2026-05-19，最新 push 为 2026-06-27 09:49 UTC。本轮 commit fixed na in env data 只修改 src/data_processing/data_loading.py。

期刊/会议状态：未发现 arXiv、DOI、OpenReview、正式期刊页面或会议页面。仓库无明确 license。

大致内容：README 称该仓库是面向 radar-to-rain forecasting 的 ConvLSTM 研究代码库，包含 PNG 雷达图转强度网格、数据加载、ConvLSTM/CNN-LSTM/多模态 ConvLSTM 模型、训练/可视化 notebook、雷达图抓取和 Telegram bot。src/main.py 会启动雷达 scraper，加载本地 checkpoint，并对最新雷达 PNG 序列做下一帧预测。

数据集：面向新加坡 70 km / 240 km 雷达 PNG 图像，仓库包含一张示例雷达图、区域边界 JSON、环境数据读取逻辑和多个 models/model_best_*.pkl checkpoint 文件名。README 要求用户把 PNG 序列放在 data/<resolution>/png/，文件名格式为 YYYYMMDDHHMM.png。

模型构建：核心模型是 PyTorch ConvLSTM。src/models/convlstm.py 实现 ConvLSTMCell 和多层 ConvLSTM；src/models/cnn_lstm.py 还包含 CNN + LSTM + 反卷积 decoder；src/models/multi_modal_convlstm.py 提供多模态版本。默认推理路径使用 4 张最新 PNG 预测下一帧，输出单通道归一化图。

训练测试方式：README 写训练在 notebook 中演示，模型输出经过 sigmoid 到 0-1。当前 notebook 可加载最近 4 帧并预测下一帧，但也明确说实时预测时没有已知未来 target 图像可比较。仓库内没有正式 train/validation/test 切分说明、评分表或论文式消融。

效果：仓库没有提供可引用的 CSI/FSS/MAE/MSE 等结果表。本轮 commit 只是修复环境数据缺测加载问题，不构成新模型效果。

代码/数据状态：有代码和若干 checkpoint 文件，但没有 license，src/main.py 中 checkpoint 路径仍是本地绝对路径 C:\Users\Jacobs laptop\...，复现前需要改路径、确认数据下载和训练脚本是否完整。

一句技术判断：这是一个直接相关但早期/个人项目级的雷达图 ConvLSTM nowcasting 代码库，本轮改动很小，不能写成新的方法突破。

与雷达回波预报的相关性：中到较高。任务是用雷达图序列预测下一帧降水/回波状态，但目前更适合作为轻量代码参考，而不是论文 baseline。

对用户研究的启发：可参考其 PNG 到强度网格、在线抓取、ConvLSTM 推理和实时 bot 封装；若要用于严肃对比，应补齐数据切分、阈值评分、lead-time 曲线、缺测处理和 license。

4. 低价值或排除项#

4.1 sushantakundu/gsmap-live#

GitHub 最新 push 为 2026-06-28 00:31 UTC，最近三个 commit 都是 Auto-update GSMap_Combined.gif，文件列表仅有 GSMap_Combined.gif。仓库树仍只有 GIF 和 index.html。

技术判断：这是可视化自动刷新，不是 AI radar/precipitation nowcasting 方法、代码、数据集或论文进展。继续排除，除非后续文件变化扩展到模型、数据处理脚本或客观评估。

4.2 api-evangelist/rainbow-ai#

该仓库记录 Rainbow.AI 商业降水 nowcast API 的 OpenAPI、Postman、JSON Schema、示例和截图。最新 commit 为 update apis.yml + artifacts，修改 apis.yml 和截图索引。

技术判断：它说明了一个商业 API 提供 1 km、分钟级、未来 4 小时 nowcast 服务，但仓库本身不是模型代码、论文、数据集或可复现实验。可作为市场/产品动态背景，不进入 direct AI 方法进展。

4.3 Turavien/dwd_rainradar#

这是 Home Assistant 自定义集成，读取 DWD RADOLAN/RADVOR 官方降水产品，提供下一小时、两小时、三小时累计降水和短时强度传感器。主窗口内改动是 manifest 和翻译/传感器命名。

技术判断：这是业务数据集成，不是 AI nowcasting 模型。对用户研究的启发仅在于 RADOLAN/RADVOR 产品接入方式，不应进入主表。

4.4 Crossref / OpenAlex 噪声#

OpenAlex 在 2026-06-27 至 2026-06-28 日期过滤下，对 radar echo nowcasting deep learning、precipitation nowcasting deep learning、weather radar nowcasting AI、flow matching precipitation nowcasting、satellite radar retrieval precipitation 等查询未返回直接条目。

Crossref 同日结果以噪声为主。较接近的 Comparison of Deep Learning, Machine Learning, and Statistical Models for Precipitation and Temperature Forecasting Performance: A Case Study of Hakkari Province 是站点/区域降水和气温预报性能比较，不是雷达回波或降水临近预报；不进入本日报主表。

5. 检索记录#

• arXiv：用 Atom API 按 submittedDate 检索 precipitation nowcasting、radar echo nowcasting、weather radar nowcasting、radar nowcasting、rainfall nowcasting、flow matching precipitation nowcasting、diffusion precipitation nowcasting、satellite-to-radar、radar quality control deep learning。主窗口内无新的 direct 条目；最新 direct 条目仍是已覆盖的 Pointwise is Pointless?、FlashBack Memory、TA-SmaAt-UNet 等旧窗口条目。
• GitHub：检索 precipitation nowcasting pushed:>=2026-06-27、nowcasting radar pushed:>=2026-06-27、weather radar deep-learning pushed:>=2026-06-27、SEVIR nowcasting pushed:>=2026-06-27、NEXRAD nowcasting pushed:>=2026-06-27 等，并逐项检查 commit 文件列表。进入日报的是 matko-iv/budva-radar 和 ilove-datascience/rainraingoaway；gsmap-live、rainbow-ai、dwd_rainradar 降级或排除。
• Hugging Face：检索 models/datasets 中的 radar nowcasting、precipitation nowcasting、weather radar nowcasting、radar echo nowcasting、rainfall nowcasting、flow matching precipitation nowcasting、satellite radar retrieval。未发现本窗口新模型或数据集；junxuwww/RadarNowcasting 仍停在 2026-06-18，CompVis/weather-rf 仍是窗口外状态。
• OpenAlex / Crossref：日期过滤 2026-06-27 至 2026-06-28；未发现 direct AI radar/precipitation nowcasting 期刊条目。
• OpenReview / Papers with Code：网页检索未发现本窗口新的 direct 条目或榜单状态变化；FlowCast、weather-rf 等仍按前序日报作为窗口外基线跟踪。
• AMS / IEEE / AGU / RMetS / EGU / Copernicus：未发现本窗口新的 direct AI radar/precipitation nowcasting 正式上线条目。IEEE TGRS A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting 仍是 2026-06-17/18 元数据，属于窗口外 follow-up。
• 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。

6. 下一轮值得继续跟进#

1. matko-iv/budva-radar 是否补充 license、稳定 release、可复现安装说明、完整 FSS/CSI 验证结果，以及 DGMR 插件实际运行状态。
2. ilove-datascience/rainraingoaway 是否补充数据下载、训练切分、评分指标、checkpoint 说明、license 和可复现实验。
3. kagtgi/Forecasting-Through-Meteorological-Reasoning 是否补充真实 SEVIR/NEXRAD/MRMS 训练结果、baselines、checkpoints、license 或论文外部链接。
4. RuntimeWarning/CRFT 是否补充 README、requirements、license、预训练权重、数据下载脚本和论文结果复现表。
5. CompVis/weather-rf 是否有 GitHub/Hugging Face 新 release、权重更新、数据说明或 benchmark 结果。
6. IEEE TGRS A Margin based Decomposition Framework via Intensity Flow Matching for Precipitation Nowcasting 是否能获取摘要/PDF、代码、数据集和高阈值 skill 结果。
7. Pointwise is Pointless?、FlashBack Memory、TA-SmaAt-UNet 是否补充代码、数据可用性、正式会议/期刊状态或新版本。
8. junxuwww/RadarNowcasting 是否补源码、训练/评估脚本、论文、数据授权说明或 CMA ECREF 映射细节。
9. gsmap-live 继续只在文件变化超出 GIF/web wrapper、出现模型/数据处理脚本或客观评估时再写入主表。
10. flow matching、diffusion/generative solver、satellite-to-radar retrieval、雷达质控和机会观测继续单列；只有明确涉及 radar/precipitation nowcasting 且有新论文、代码、数据或可验证结果时才进入主新增表。