# 2026-07-04 雷达回波 AI 进展日报

检索时间：2026-07-04 13:09-13:25 +08  
主窗口：2026-07-03 13:02 +08 至 2026-07-04 13:10 +08  
48 小时缓冲：向前回看至 2026-07-02 13:02 +08，用于覆盖索引延迟、代码平台延迟推送和上一轮条目的状态复核。  
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、雷达质控等相关方法。

## 0. 总体判断

本轮发现 2 条值得写入主窗口的有效变化：

1. `FusionTempoNet: Dual-Stream Residual Categorical Nowcasting of Short-Duration Heavy Rainfall with Data Augmentation and Ordinal Loss`：Crossref 于 2026-07-04 09:52 +08 新建 DOI 元数据，类型为 SSRN posted-content / preprint。它使用雷达组合反射率和自动站小时降雨，属于直接相关的降水临近预报预印本，但目前只读到 Crossref 摘要，SSRN 页面被 403 拦截，未发现代码或数据。
2. `QuarkOther/RadarNowcastingAI`：GitHub 仓库在 2026-07-03 19:57-20:17 +08 有一组实质性更新，包含 CHMI 雷达数据下载、ConvGRU/ConvLSTM/CNN/persistence 训练、预测、对比和 backtest 流程。它是直接 radar precipitation nowcasting 工程代码信号，但不是论文，也没有公开预训练权重或标准 benchmark 结果。

未发现 2026-07-03 13:02 +08 之后新的高价值 arXiv 预印本、OpenReview 状态变化、Papers with Code 榜单变化、Hugging Face 完整模型/数据集、正式期刊上线论文，或 Google DeepMind、ECMWF、NOAA、Met Office、中国气象局等机构发布的 direct AI radar echo / precipitation nowcasting 交付物。Semantic Scholar Graph API 本轮仍为 429，不能作为“无结果”的证据。

## 1. 主窗口新增与状态变化表

| 标题 | 日期 | 来源/期刊/会议/平台 | 链接 | 类型 |
|---|---:|---|---|---|
| `FusionTempoNet: Dual-Stream Residual Categorical Nowcasting of Short-Duration Heavy Rainfall with Data Augmentation and Ordinal Loss` | Crossref created: 2026-07-04 09:52 +08 | SSRN / Crossref；`posted-content`，`preprint`；暂无期刊信息 | [DOI](https://doi.org/10.2139/ssrn.7051911), [Crossref](https://api.crossref.org/works/10.2139%2Fssrn.7051911) | direct precipitation nowcasting 预印本 |
| `QuarkOther/RadarNowcastingAI` | 最新 commit: 2026-07-03 20:17 +08；实质代码重构 commit: 2026-07-03 19:57 +08 | GitHub | [repo](https://github.com/QuarkOther/RadarNowcastingAI), [main update](https://github.com/QuarkOther/RadarNowcastingAI/commit/b0c716ce68a1bee67026659c1720f25c500f6572), [latest commit](https://github.com/QuarkOther/RadarNowcastingAI/commit/20a253d47873b414d3e460203f946733f336dd25) | direct radar precipitation nowcasting 代码/工程更新 |

## 2. 主窗口详细条目

### 2.1 FusionTempoNet / FTNet

来源/平台：Crossref 元数据显示 DOI `10.2139/ssrn.7051911`，publisher 为 Elsevier BV，类型为 `posted-content`，subtype 为 `preprint`，created/deposited 时间为 2026-07-04T01:52:07Z。题名页 DOI 指向 SSRN，但 SSRN 页面本轮返回 Cloudflare 403；因此本条只能写作 SSRN 预印本 / posted-content，不能写成期刊录用或正式发表论文。作者元数据为 Xiaoxiong You、He Chen、Zhaoming Liang、Yang Li、Jingyu Xu、Shu Lu、Hui Zhang。

大致内容：该文面向 short-duration heavy rainfall 的精细化分类临近预报。Crossref 摘要说明，它使用 2017-2025 年雷达组合反射率和自动气象站小时降雨资料，构建多源融合模型 FusionTempoNet / FTNet，用于 1-3 h 分类降雨预报。模型采用双流残差 GRU：一支编码雷达回波序列，一支编码地面降雨序列，以同时表示对流形态和降雨强度。

模型构建：FTNet 的核心是 dual-stream residual GRU。摘要还提到两项针对强降雨稀缺样本的设计：一是 spatial neighborhood maximum 数据增强，用来缓解类别不平衡并保留极端降雨核心强度；二是 ordinal Dice loss，用来保持降雨等级之间的有序一致性，减轻高强度降雨样本稀疏导致的系统性低估。

训练测试方式与效果：摘要只给出概括性结果，称 FTNet 在 1-3 h 分类 nowcasting 中表现最稳定，并在高降雨强度等级，例如何时雨强大于等于 20 mm h-1 时，相比 PredRNN++、PhyDNet 和 Fenglei 有明显 TS 增益。当前未读到完整 PDF，无法核验区域、空间分辨率、时间步长、训练/验证/测试划分、阈值表、TS 具体数值和统计显著性。

代码/数据状态：未发现对应 GitHub、Hugging Face、数据包或权重。SSRN 页面本轮不可读，Crossref 元数据也没有代码链接。

技术判断：这是本轮最重要的新增论文信号，且与用户的雷达回波/降水临近预报方向直接相关。价值不在于新架构是否已经可复现，而在于把“雷达形态序列 + 雨量站强度序列 + 类别有序损失 + 极端样本增强”组合在同一 1-3 h 强降雨分类任务中。对用户研究的启发是：强降水阈值预报可以不只做连续像素回归，也可以按业务等级做 ordinal/categorical 目标，并用雷达形态支路与站点强度支路分开编码。

需要保留的 caveat：目前只有摘要级证据，不能复述未核验的指标数值，也不能写成代码已公开或期刊已录用。后续应优先获取 PDF/SSRN 全文、确认数据区域和指标表，并查找是否补充代码。

### 2.2 QuarkOther/RadarNowcastingAI

来源/平台：GitHub 仓库 `QuarkOther/RadarNowcastingAI`，created at 2026-06-23T07:11:06Z，主窗口内 pushed at 2026-07-03T12:17:49Z。许可证为 Apache-2.0。仓库说明为“Get data from CHMU, train an AI model and show map with CHMU forecast and AI trained forecast.”

本轮变化：主窗口内有 5 个 commit。实质性最大的是 `b0c716ce68a1`，message 为 `refactoring and featuring`，修改/新增约 70 个文件，包括 `src/python/data/downloader.py`、`src/python/datasets/nowcast_dataset.py`、`src/python/models/architectures.py`、`src/python/models/recurrent.py`、`src/python/training/train.py`、`src/python/cli/backtest.py`、`src/python/cli/compare_models.py`、`configs/model_convgru.yaml`、`configs/model_convlstm.yaml`、`configs/model_cnn.yaml`、Docker/运行脚本和文档图片。后续 commit 主要是删除 PDF 和 README 小改。

大致内容：README 写明该项目是一个离线短时雷达降水预报系统。输入为 48 帧 CHMI 雷达历史，也就是 4 h、5 min 间隔；输出为 24 帧，即未来 2 h。数据由项目从 [CHMI open data](https://opendata.chmi.cz) 自动下载，同时可下载 CHMI 官方预报作为对照。项目可在 CPU、NVIDIA、AMD ROCm 环境运行。

模型构建：默认架构为 U-Net encoder -> ConvGRU motion memory -> U-Net decoder。仓库还提供 ConvLSTM、CNN 和 persistence baseline。配置文件显示模型宽度、深度、`in_len`/`out_len`、输入通道等均可通过 YAML 调整；`model_convgru_meteo.yaml` 还支持 radar + temperature/humidity/pressure 站点插值特征的 4 通道输入。

训练测试方式：README 给出 `train`、`compare`、`backtest`、`predict`、`predict-loop`、`download`、`evaluate`、`build-lut` 等命令。`compare` 会训练多个模型并生成 AI 与 CHMI forecast 的 PDF 对比；`backtest` 会在指定历史时刻比较 AI 预测、CHMI forecast 和真实雷达观测，输出 bias % 和 MAE。仓库包含 `check_e2e.sh`、`compare_models.sh`、`backtest.sh` 和 Docker/Podman 包装脚本。

效果：目前没有论文、正式评测表、公开 checkpoint 或独立 benchmark。README 的示例图主要展示版式和流程，不能等同于性能证据。它比空仓库或 README-only 项目有明显工程实物，但还不能写成方法突破。

代码/数据状态：代码公开，Apache-2.0；数据依赖 CHMI open data 在线下载，仓库没有打包标准训练集，也没有预训练权重。需要进一步核验 CHMI 数据的具体许可、可再分发限制和与国内雷达拼图数据的变量/投影差异。

技术判断：这是本轮最实质的 direct radar nowcasting 工程更新。它的价值在端到端组织方式：公开数据下载、模型训练、业务基线对比、历史 backtest、PDF 可视化和多硬件运行脚本都已串起来。对用户研究的启发是，如果要做可复现实验或业务原型，先把“下载-质控-训练-预测-回放评分-图件输出”闭环做稳，比单纯堆模型更重要。

需要保留的 caveat：它不是论文；没有公开权重和标准指标；数据区域为 CHMI/捷克业务环境，迁移到中国区域雷达回波需要重新处理投影、色标、dBZ/雨强转换、缺测、质控和授权问题。

## 3. 低价值或本轮不计入主进展的项目

| 标题 | 日期 | 来源/平台 | 链接 | 判断 |
|---|---:|---|---|---|
| `sushantakundu/gsmap-live` 自动刷新 | 2026-07-04 08:52 +08 | GitHub | [repo](https://github.com/sushantakundu/gsmap-live), [commit](https://github.com/sushantakundu/gsmap-live/commit/f26f3a1c8682) | commit 只修改 `GSMap_Combined.gif`，继续按可视化自动刷新排除 |
| `keen-panda7966/precipitation-nowcasting-features-v3` 与 `dark-panda3712/precipitation-nowcasting-features-v3` | 2026-07-02 20:23-20:26 +08；本轮无变化 | Hugging Face Datasets | [keen-panda7966](https://huggingface.co/datasets/keen-panda7966/precipitation-nowcasting-features-v3), [dark-panda3712](https://huggingface.co/datasets/dark-panda3712/precipitation-nowcasting-features-v3) | 仍只有 `.gitattributes`，无 README、数据文件、license 或任务说明；不计入有效数据集 |
| `sonderlau/PrecipitationNowcasting` | 2026-06-30；本轮无变化 | Hugging Face Datasets | [dataset](https://huggingface.co/datasets/sonderlau/PrecipitationNowcasting) | 仍是占位状态；不计入数据发布 |

## 4. 相关方法与窗口外跟进

本节不计入今天新增。用途是记录与用户研究相关、但不属于主窗口 direct 新增的状态变化或继续跟踪项。

### 4.1 MvReNowcast

`MvReNowcast: Disentangling radar product features for improved nowcasting of raincloud evolution` 的 DOI 和期刊信息本轮继续可确认：`Journal of Hydrology`，DOI `10.1016/j.jhydrol.2026.135938`，Crossref created 2026-06-27T15:06:05Z，indexed 2026-07-02T10:50:05Z，ScienceDirect 页面显示已上线。作者为 Hongxu Zhu、Ji Chen、Xunlai Chen、Waikin Wong、Chao Tan、Hongyi Yao、Xianqi Jiang。

它是 direct radar/raincloud nowcasting 正式论文，但早于本轮主窗口，只能作为窗口外/索引延迟跟进。ScienceDirect 页面本轮仍未能稳定读取摘要或 PDF，Crossref 也没有摘要。因此可以确认题名、DOI、期刊和作者，但不能展开数据集、模型结构、lead time、指标和效果。后续优先获取摘要/PDF，核验其“radar product feature disentangling”具体指哪些产品变量。

链接：[DOI](https://doi.org/10.1016/j.jhydrol.2026.135938), [ScienceDirect](https://www.sciencedirect.com/science/article/pii/S0022169426010358), [Crossref](https://api.crossref.org/works/10.1016%2Fj.jhydrol.2026.135938)

### 4.2 机构与会议动态

ECMWF 的 [AI Weather Quest](https://aiweatherquest.ecmwf.int/) 页面显示 2026-07-16 有 “What’s Next?” webinar，主题是 AI weather benchmarking 后续阶段。这是 AI 天气预报/基准框架动态，不是雷达回波或降水 0-2 h 临近预报交付物。NOAA/NSSL 近期有 flash-flood forecasting 和 Radar Next 相关科普/机构页，但本轮未发现新的 AI radar nowcasting 论文、代码、数据或模型发布。DeepMind、Met Office、中国气象局/中国天气网检索未见主窗口内 direct 新增。

## 5. 检索记录

- arXiv：使用官方 API 查询 `precipitation nowcasting`、`radar nowcasting`、`radar echo nowcasting`、`weather radar nowcasting`、`convective nowcasting`、`radar extrapolation`、`SEVIR nowcasting`、`MRMS nowcasting`、`NEXRAD nowcasting`、`flow matching precipitation nowcasting`、`diffusion precipitation nowcasting`、`satellite-to-radar`。未发现 2026-07-03 13:02 +08 之后 direct 新预印本；最新 direct 仍是已覆盖的 `Pointwise is Pointless?`、`FlashBack Memory`、`TA-SmaAt-UNet` 等。
- GitHub：检索 `pushed:>=2026-07-03` 的 `precipitation nowcasting`、`radar nowcasting`、`radar echo nowcasting`、`weather radar nowcasting`、`convective nowcasting`、`SEVIR nowcasting`、`DGMR nowcasting`、`flow matching precipitation nowcasting`、`radar extrapolation`。有效新增为 `QuarkOther/RadarNowcastingAI`；`gsmap-live` 仅 GIF 自动刷新。
- 已知 GitHub 跟踪项：`kagtgi/Forecasting-Through-Meteorological-Reasoning`、`matko-iv/budva-radar`、`HexMFG`、`rainraingoaway`、`Flash-Back-Memory`、`TA-SmaAt-UNet`、`OHSEHOON99/precipitation-nowcasting-U-Net-with-HSR-data`、`RuntimeWarning/CRFT`、`CompVis/weather-rf`、`trainingnair/Precipitation_Nowcasting_from_Space_Challenge-2026` 均无 2026-07-03 13:02 +08 后新 commit。
- Hugging Face：models/datasets 中未发现主窗口内新的完整模型或数据集。`junxuwww/RadarNowcasting` 仍停在 2026-06-18；两个 `precipitation-nowcasting-features-v3` 仍为空占位。
- Crossref：按 2026-07-03 至 2026-07-04 created date 查询，命中并确认 `FusionTempoNet` 为本轮新增 SSRN preprint；其余多为噪声或非 nowcasting/非雷达项。
- OpenAlex：`from_publication_date:2026-07-03,to_publication_date:2026-07-04` 下 `precipitation nowcasting`、`radar nowcasting`、`weather radar nowcasting`、`radar echo nowcasting`、`satellite radar artificial intelligence`、`radar quality control deep learning`、`flow matching precipitation nowcasting` 均返回 direct 结果 0。
- Semantic Scholar：Graph API 对 `FusionTempoNet`、`precipitation nowcasting`、`radar nowcasting`、`weather radar nowcasting` 均返回 429；未作为无结果证据。
- OpenReview / Papers with Code / AMS / IEEE / AGU / RMetS / EGU / Copernicus / DeepMind / ECMWF / NOAA / Met Office / CMA：未发现主窗口内新的 direct AI radar/precipitation nowcasting 交付物；部分搜索结果为已覆盖或窗口外条目。

## 6. 下一轮值得继续跟进

1. `FusionTempoNet`：获取 SSRN/PDF，确认研究区域、雷达产品、站点资料、时间步长、空间分辨率、训练/验证/测试切分、TS 具体阈值表、代码/数据状态和是否有期刊投稿备注。
2. `QuarkOther/RadarNowcastingAI`：检查是否补充公开 checkpoint、真实 backtest 指标表、更多样例、数据许可说明和论文/技术报告；重点看 ConvGRU/ConvLSTM/CNN/persistence 与 CHMI forecast 的量化对比是否稳定。
3. `MvReNowcast`：继续尝试读取 ScienceDirect 摘要/PDF，确认多雷达产品解耦的变量、网络结构、lead time、指标和代码/数据状态。
4. Hugging Face 占位项：`precipitation-nowcasting-features-v3`、`sonderlau/PrecipitationNowcasting` 只有上传真实数据、dataset card、license 和切分说明后才值得重新写入。
5. 既有 direct 候选：`Pointwise is Pointless?`、`FlashBack Memory`、`TA-SmaAt-UNet`、`IMPA-Net`、`M3Rain/M3R`、`S2R-GAN++` 仅在代码、权重、正式页面、许可或可复现指标发生变化时重新展开。
6. 相关方法仍需单列：flow matching、diffusion/generative solver、satellite-to-radar retrieval、雷达质控、3D 极化雷达/体扫预测可以给用户研究提供启发，但不得混入 direct 新增表。