# 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

| 标题 | 日期 | 来源/期刊/会议/平台 | 链接 | 类型 |
|---|---:|---|---|---|
| `matko-iv/budva-radar` | 最新 push：2026-06-27 20:55 +08 | GitHub；无论文/DOI；无明确 license | [GitHub](https://github.com/matko-iv/budva-radar) | 直接相关 radar nowcasting 工程代码；pySTEPS + 可选 DGMR 比较 |
| `ilove-datascience/rainraingoaway` | 最新 push：2026-06-27 17:49 +08 | GitHub；无论文/DOI；无明确 license | [GitHub](https://github.com/ilove-datascience/rainraingoaway) | 直接相关雷达图 ConvLSTM 小型代码库；本轮为小修 |

## 2. 相关方法、窗口外状态与排除条目表

| 标题 | 日期 | 来源/平台 | 链接 | 类型 |
|---|---:|---|---|---|
| `sushantakundu/gsmap-live` 自动更新 GIF | 最新 commit：2026-06-28 08:31 +08 | GitHub | [GitHub](https://github.com/sushantakundu/gsmap-live) | 低价值可视化刷新；不是 AI nowcasting |
| `api-evangelist/rainbow-ai` | 最新 push：2026-06-28 00:11 +08 | GitHub API 目录仓库 | [GitHub](https://github.com/api-evangelist/rainbow-ai) | 商业 nowcast API 元数据；不是算法/论文/模型代码 |
| `Turavien/dwd_rainradar` | 最新 push：2026-06-28 04:07 +08 | GitHub / Home Assistant integration | [GitHub](https://github.com/Turavien/dwd_rainradar) | DWD RADOLAN/RADVOR 数据集成；不是 AI nowcasting |
| `Pointwise is Pointless?` | arXiv v2：2026-06-18 | arXiv 预印本，暂无期刊信息 | [arXiv](https://arxiv.org/abs/2606.18436) | 已覆盖 direct precipitation nowcasting；本轮无新状态 |
| `CompVis/weather-rf` / FREUD | arXiv：2026-05-29；HF 权重最后修改：2026-06-15 | CVPR 2026 / GitHub / Hugging Face | [GitHub](https://github.com/CompVis/weather-rf) | 窗口外高价值 rectified-flow nowcasting 基线；本轮无更新 |

## 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。