2026-07-05 雷达回波 AI 进展日报#

检索时间：2026-07-05 14:04-14:15 +08
主窗口：2026-07-04 13:10 +08 至 2026-07-05 14:15 +08
48 小时缓冲：向前回看至 2026-07-03 13:10 +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#

本轮未发现过去 24-48 小时内新的高价值 direct radar echo / precipitation nowcasting AI 论文、预印本、正式期刊上线、完整模型、数据集、代码仓库、OpenReview 状态变化、Papers with Code 榜单变化，或 Google DeepMind、ECMWF、NOAA、Met Office、中国气象局等机构发布的 direct 交付物。

主窗口内唯一反复命中的 GitHub 更新仍是 sushantakundu/gsmap-live 自动刷新 GSMap_Combined.gif。文件级检查确认最新 commit 只修改 GIF，不包含模型、训练代码、数据处理、评估脚本或论文状态变化，因此继续按低价值可视化刷新排除。

Crossref 在主窗口内返回一篇气象雷达相关但非 AI/非 nowcasting 的 Atmospheric Research 论文：Radar-derived rain-type classification for heavy-rain episodes over the Indian Core Monsoon Zone...。它与雷达降水结构分析有关，但不属于深度学习雷达回波临近预报，也不应混入主新增表。

上一轮新增的 FusionTempoNet 和 QuarkOther/RadarNowcastingAI 本轮未见状态升级：前者仍是 SSRN/Crossref posted-content preprint，未发现代码或数据；后者 GitHub HEAD 仍停在 2026-07-03 20:17 +08，未新增 checkpoint、论文或正式指标表。

1. 主窗口新增与状态变化表#

2. 主窗口低价值或排除项#

2.1 sushantakundu/gsmap-live#

来源/平台：GitHub 仓库 sushantakundu/gsmap-live。GitHub Search 对 "precipitation nowcasting" pushed:>=2026-07-04 的唯一结果就是该仓库；最新提交为 a20647d83b14f24f8c4ddc37646475f64d190b99，message 为 Auto-update GSMap_Combined.gif。

大致内容：仓库用于展示 GSMaP nowcast/observation 动图。通过临时浅克隆检查最新两次提交，2026-07-05 和 2026-07-04 的变更均只包含 GSMap_Combined.gif，没有脚本、模型、参数、数据说明、评估或论文链接变化。

数据集、模型、训练测试方式、效果：无可核验模型或训练测试链路；只是自动生成/刷新可视化图像。没有 CSI、FSS、CRPS、MAE、RMSE 等 nowcasting 指标，也没有与雷达回波外推、深度学习模型或业务雷达资料的直接联系。

代码/数据状态：公开仓库存在，但本次变化不构成代码发布。继续按低价值可视化动态处理。

技术判断：它可以作为全球降水图像展示的弱背景信息，但不是用户研究需要的 AI radar echo nowcasting 进展。除非后续仓库新增模型、下载/处理脚本、训练流程或客观评分，否则不再扩写。

2.2 Atmospheric Research 雷达雨型分类论文#

来源/期刊：Crossref 新建 DOI 元数据；期刊为 Atmospheric Research，publisher 为 Elsevier BV，DOI 10.1016/j.atmosres.2026.109190。

大致内容：从题名可判断，该文研究印度核心季风区 heavy-rain episodes 的 radar-derived rain-type classification，关注降雨类型、垂直结构和时间演变。当前只核验到 Crossref 题名、期刊和 DOI 元数据，未读取到摘要/PDF。

数据集、模型、训练测试方式、效果：本轮没有证据显示其使用深度学习、AI 模型、临近预报训练/测试框架或 nowcasting 指标。它更像雷达观测诊断和降水结构分类论文。

代码/数据状态：未发现代码、数据或权重链接。

技术判断：该文可能对“雷达回波结构分类/降水类型先验”有背景价值，但不是 AI 雷达回波临近预报，也不是雷达质控模型发布。今天只作为排除项记录，避免因 radar 和 heavy-rain 关键词误判。

3. 已覆盖条目状态复核#

3.1 FusionTempoNet / FTNet#

上一轮已作为 2026-07-04 主窗口新增记录。Crossref DOI 10.2139/ssrn.7051911 仍显示为 Elsevier BV / SSRN posted-content，subtype 为 preprint，created 时间为 2026-07-04T01:52:07Z。它不能写成正式期刊论文或录用论文。

大致内容：该预印本面向 1-3 h short-duration heavy rainfall 分类临近预报，使用 2017-2025 年雷达组合反射率和自动站小时降雨资料。模型为双流残差 GRU：雷达回波序列和地面降雨序列分支分别编码；另有 spatial neighborhood maximum 数据增强和 ordinal Dice loss，用于缓解极端强降雨样本稀疏和类别有序性问题。

训练测试方式与效果：Crossref 摘要称 FTNet 对 PredRNN++、PhyDNet、Fenglei 等 baseline 在强降雨等级上有 TS 增益，但本轮仍未取得全文指标表，不能复述具体数值或泛化结论。

代码/数据状态：未发现 GitHub、Hugging Face、Zenodo、数据包或权重。SSRN/DOI 页面只作为预印本元数据证据。

技术判断：仍是直接相关条目，但状态没有从“摘要级预印本信号”升级。下一步应优先获取 PDF，确认区域、分辨率、时间步长、训练/验证/测试切分、阈值表和代码/数据状态。

3.2 QuarkOther/RadarNowcastingAI#

上一轮已作为 direct radar precipitation nowcasting 工程代码信号记录。本轮 GitHub commit feed 和 git ls-remote 检查显示，HEAD 仍为 20a253d47873b414d3e460203f946733f336dd25，最新提交时间仍是 2026-07-03 20:17 +08。

大致内容：仓库用于从 CHMI 获取雷达数据，训练 AI 模型并展示 CHMI forecast 与 AI forecast。上一轮已确认它包含数据下载、ConvGRU/ConvLSTM/CNN/persistence、训练、预测、compare 和 backtest 流程。

训练测试方式与效果：仓库有命令行闭环，但仍未见公开 checkpoint、正式论文、标准 benchmark 结果或稳定的量化指标表。README/脚本足以证明工程链路存在，不足以证明方法性能。

代码/数据状态：代码公开，许可证为 Apache-2.0；数据依赖 CHMI open data；无新增权重或论文状态。

技术判断：继续作为可复现工程组织方式的参考，而不是方法突破。后续只有出现 checkpoint、评估表、论文/技术报告、数据许可说明或跨区域泛化实验时才值得重新展开。

4. 相关方法与窗口外值得回看#

本节不计入今天新增。用途是保留对用户研究有启发、但不属于本轮 24-48 h direct 新增的条目。

4.1 EchoCast-3D：3D 雷达体扫扩散 nowcasting#

来源/期刊：Wan 等，Generative machine learning for skilful 3D radar nowcasting，npj Climate and Atmospheric Science 9, Article 145 (2026)，DOI 10.1038/s41612-026-01407-7。Nature 页面显示 Published 为 2026-04-27，Version of record 为 2026-07-02，因此不属于今天主窗口新增，但值得作为近期待回看项。

大致内容：EchoCast-3D 是面向 3D 雷达回波的 generative ensemble probabilistic nowcasting。它不是只预测 2D composite reflectivity，而是直接处理多通道 3D 雷达资料，用以捕捉强对流的垂直发展和水平移动。

模型构建：论文采用 DDPM 思路和 Mask Diffusion Transformer / MaskDiT backbone。Nature 正文说明，模型用过去 3 帧雷达观测，即 18 min、3 channels，作为条件生成未来 5 帧，即 30 min、5 channels；通过滚动迭代扩展更长 lead time。训练中随机 mask token 并重构，缺测区域也可指定为 masked token。

训练测试方式与效果：论文用 7-5 和 7-20 河南暴雨等极端个例及一个 9 个极端降水事件子集评估。指标包括 CRPS、MAE、RMSE，以及 20/30/40 dBZ 阈值下的 CSI、FAR、POD。作者将 3D 输出投影为 2D composite reflectivity，与 PredRNN、DGMR 和 2D MaskDiT/MRDiT 做对比；论文报告 EchoCast-3D 在强回波阈值和长 lead time 上更能保持对流核心结构，但也承认集合离散度仍偏小。

代码/数据状态：Nature 页面说明数据因中国气象局许可和使用协议限制不公开，可向通讯作者合理请求；代码和预训练权重为论文发表后可申请获取，不是直接开源下载状态。

技术判断：这是 direct radar nowcasting 的高价值参考，尤其适合用户后续考虑“体扫/多仰角/三维结构”和“缺测/遮挡鲁棒生成”。但它不是本轮新发布，也不是可直接复现实验包；如果用户研究当前只有二维拼图，启发主要在结构建模和评价设计，而不是简单复制模型。

5. 近期待继续跟进的主题#

1. FusionTempoNet：获取 SSRN/PDF，确认研究区域、雷达产品、站点资料、时空分辨率、训练/验证/测试切分、TS 阈值表、代码/数据状态。继续保持“SSRN 预印本，暂无期刊信息”。
2. QuarkOther/RadarNowcastingAI：观察是否补充 checkpoint、真实 backtest 指标、数据许可、论文或技术报告。当前只作为工程代码信号。
3. MvReNowcast：继续尝试获取 ScienceDirect 摘要/PDF，确认多雷达产品解耦变量、lead time、指标和代码/数据状态。
4. EchoCast-3D：单独回看补充材料和代码/权重申请路径，重点看 3D 体扫输入、缺测 mask、集合校准和强回波阈值评价。
5. Hugging Face 占位项：precipitation-nowcasting-features-v3、sonderlau/PrecipitationNowcasting 只有上传真实数据、dataset card、license 和任务说明后才重新写入。
6. 雷达质控与上游数据质量：继续跟踪非降水回波识别、beam blockage correction、异常传播/地物杂波处理；这些不是直接 nowcasting，但会影响训练样本和误报控制。

6. 检索记录#

• arXiv：使用官方 Atom API 查询 precipitation nowcasting、radar nowcasting、radar echo nowcasting、weather radar nowcasting、convective nowcasting、radar extrapolation、SEVIR nowcasting、MRMS nowcasting、NEXRAD nowcasting、DGMR nowcasting、flow matching precipitation nowcasting、diffusion precipitation nowcasting、satellite-to-radar、radar quality control deep learning。未发现 2026-07-04 13:10 +08 后 direct 新预印本；最新 direct 仍是已覆盖的 6 月条目，如 Pointwise is Pointless?、FlashBack Memory、TA-SmaAt-UNet 等。
• GitHub：GitHub Search 对 pushed:>=2026-07-04 的精确 nowcasting 查询只返回 sushantakundu/gsmap-live；后续部分 GitHub Search 查询触发 403 rate limit，因此改用 GitHub commit Atom feed 和 git ls-remote 复核已跟踪仓库。CompVis/weather-rf、kagtgi/Forecasting-Through-Meteorological-Reasoning、matko-iv/budva-radar、HexMFG、rainraingoaway、OHSEHOON99、RuntimeWarning/CRFT、b-rbmp/FlowCast、QuarkOther/RadarNowcastingAI 均无主窗口内新实质提交。
• Hugging Face：models/datasets API 检索 precipitation nowcasting、radar nowcasting、weather radar nowcasting、SEVIR nowcasting、DGMR nowcasting 等。未发现 2026-07-04 之后新的完整模型或数据集；junxuwww/RadarNowcasting 停在 2026-06-18，precipitation-nowcasting-features-v3 仍为 2026-07-02 的空占位状态。
• Crossref：按 created date 2026-07-04 至 2026-07-05 检索 precipitation nowcasting、radar nowcasting、weather radar nowcasting、convective nowcasting deep learning、radar extrapolation deep learning、flow matching precipitation nowcasting、diffusion precipitation nowcasting、satellite-to-radar retrieval precipitation、radar quality control deep learning。未发现新的 direct AI nowcasting DOI；Atmospheric Research 雷达雨型分类论文按排除项处理。
• OpenAlex：日期过滤 2026-07-04 至 2026-07-05。部分查询返回 429；成功查询的 radar echo nowcasting、weather radar nowcasting、convective nowcasting deep learning、flow matching precipitation nowcasting、radar quality control deep learning 均为 0。429 只记录为来源限制，不作为无结果证据。
• Semantic Scholar：Graph API 对 precipitation/radar nowcasting、flow/diffusion、satellite-to-radar、radar quality control 等查询均返回 429；未作为无结果证据。
• OpenReview / Papers with Code：网页检索未见主窗口内新的 direct radar/precipitation nowcasting 状态变化；FlowCast 仍为此前已知 ICLR/OpenReview 与 GitHub 代码状态，无 7 月新提交。
• AMS / IEEE / AGU / RMetS / EGU / Copernicus / DeepMind / ECMWF / NOAA / Met Office / CMA：检索未发现主窗口内新的 direct AI radar echo / precipitation nowcasting 论文、数据、代码或机构交付物；部分命中为中长期 AI 天气、雷达观测分析、预报会议/科普或非 nowcasting 噪声。