2026-07-07 雷达回波 AI 进展日报#

检索时间：2026-07-07 13:03-14:04 +08
主窗口：2026-07-06 13:22 +08 至 2026-07-07 14:04 +08
48 小时缓冲：向前回看至 2026-07-05 13:22 +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、降尺度和 AI early-warning 等相关方法或机构动态。

0. 总体判断#

本轮没有发现过去 24-48 小时内新的高价值 direct AI radar echo / precipitation nowcasting 论文、arXiv 预印本、正式期刊上线、完整代码、模型权重、数据集、OpenReview / Papers with Code 状态变化，或 Google DeepMind、ECMWF、NOAA、Met Office、中国气象局等机构发布的 direct 技术交付物。

本轮有三类可记录的新鲜相关信号：

1. pySTEPS/ERAD-nowcasting-course-2026 于 2026-07-06 创建并更新 README，主题直接是 precipitation nowcasting、pysteps、NWP blending 和 AI nowcasting，但当前仓库只有 README.md 和 LICENSE，没有 notebook、数据、模型代码或指标。因此它是社区/培训动态，不是新算法或可复现实验。
2. Crossref 在 2026-07-06 创建了 SSRN posted-content Anchor-Guided Asymmetric Block Sparse Attention for Precipitation Downscaling。它是 precipitation spatial super-resolution / downscaling，不是 radar echo nowcasting 或 precipitation nowcasting；但模型思路与强降水稀疏结构、重雨阈值 CSI 和降尺度有关，放入相关方法桶。
3. ITU AI for Good 页面显示 2026-07-07 有 AI for early warnings for all: From innovation to impact 专题活动，联合 WMO、UNDRR、IFRC 等，属于 AI early-warning 机构动态。页面没有给出雷达 nowcasting 模型、代码、数据或客观评估细节，不能写成 direct 进展。

另有一个窗口外高价值 direct 条目值得后续单独回看：Weather radar nowcasting of rainfall using optical flow with Recurrent All-Pairs Field Transforms (RAFT)，Atmospheric Research DOI 10.1016/j.atmosres.2026.109007。Crossref 创建时间为 2026-04-11，不属于本轮 24-48 小时新增。

1. 主窗口新增与状态变化表#

2. 条目详情与技术判断#

2.1 pySTEPS/ERAD-nowcasting-course-2026#

来源/平台：GitHub 仓库 pySTEPS/ERAD-nowcasting-course-2026，对应 ERAD26 Academy 的 Open Precipitation Nowcasting 课程。仓库 2026-07-06 创建，最新提交 97c3ebc 只更新 README，当前文件树经浅克隆确认仅含 README.md 和 LICENSE。

大致内容：README 将课程定位为面向业务用户和开发者的 precipitation nowcasting 实践课，覆盖 nowcasting 理论、与 NWP blending、machine-learning nowcasting tools，并结合 open-source library pysteps 做 hands-on。课程安排在 2026-08-23，内容包括 Pysteps in operations、Starting with pysteps、Blending with NWP 和 AI for nowcasting。README 还说明课程将使用前一天 Open Source Software Tools for Radar Data Processing 课程处理后的数据集作为 nowcasting 输入之一。

数据集、模型构建、训练测试方式、效果：当前仓库没有公开数据、notebook、环境文件、模型代码或实验结果。只能确认课程计划涉及 pysteps、NWP blending 和 AI nowcasting；不能确认具体数据集、模型结构、训练/测试切分或指标。

代码/数据状态：公开仓库存在，但目前是课程说明和许可证，不是可运行代码发布。没有权重、评估表、样例数据或安装说明。

技术判断：这是直接相关的社区/培训信号，说明 ERAD/pysteps 社区正在把 AI nowcasting 纳入实操课程；但它不能被写成“新算法”“新 benchmark”或“可复现模型发布”。

对用户研究的启发：后续应跟踪仓库是否补充 notebooks、processed radar datasets、pysteps baseline、NWP blending 示例、AI 模型示例和评估脚本。若课程材料开放，可能适合作为用户研究中“传统外推 / pysteps / AI nowcasting”对照实验的工程模板。

2.2 Anchor-Guided Asymmetric Block Sparse Attention for Precipitation Downscaling#

来源/平台：Crossref DOI 10.2139/ssrn.7068285，publisher 为 Elsevier BV，type 为 posted-content，subtype 为 preprint，resource 指向 SSRN。当前只能写作“SSRN 预印本 / Crossref posted-content”，暂无期刊或会议录用信息。

大致内容：论文关注 precipitation spatial super-resolution，即降水空间超分辨率/降尺度。作者指出降水信号稀疏、空间结构化且强度长尾，普通 dense global attention 会把大量计算浪费在无雨背景，纯 window attention 又容易丢失长距离方向依赖。方法 CaLoG，即 Context-aware Local-Global Interaction，通过推断结构化降水区域来驱动 support-conditioned interaction，把全局注意力改写为 anchor-mediated interaction。

数据集、模型构建、训练测试方式、效果：Crossref 摘要显示模型使用 orthogonal stripe perception 估计结构显著性图，并使用非对称 query-KV 交互：dense queries 保留上下文完整性，keys/values 限定在结构对齐 anchors；还通过 anchor-centric local query expansion 在相邻 anchor 区域传播信息。实验数据包括 CMA 和 ERA5；指标包括总体重建质量 PSNR/MAE 和极端降水恢复 CSI；摘要称在强降水阈值下有一致增益，并可泛化到标准图像 SR benchmark。

代码/数据状态：本轮未发现公开 GitHub、Hugging Face、Zenodo、权重或数据下载链接。Crossref 元数据只提供摘要级证据。

技术判断：它不是雷达回波临近预报，也不是时间外推；属于降水降尺度/空间超分辨率。与用户研究的相关性在于：强降水区域稀疏、雨带结构显式建模、anchor 稀疏注意力和 heavy-rain CSI 可迁移到雷达回波/降水 nowcasting 的空间结构恢复与极端阈值评价中。

对用户研究的启发：如果用户的任务存在“高分辨率局地强回波/强降水结构恢复”问题，可以把 CaLoG 的 support-conditioned attention 思路作为候选模块或消融方向；但不能把它作为 nowcasting baseline，除非补充时间序列外推任务和雷达输入输出设置。

2.3 AI for early warnings for all: From innovation to impact#

来源/平台：ITU AI for Good 事件页面，活动时间为 2026-07-07，联合方包括 WMO、UNDRR、IFRC、ITU、Google 等。页面主题是 AI 如何从试点走向可操作的 multi-hazard early-warning systems。

大致内容：页面强调 AI 在早期预警中的应用场景，包括 hazard detection、forecasting、risk assessment、impact-based alerts 和 community response。议程还提到 Leveraging AI to Enhance Multi-Hazard Early Warning Systems 资源发布，以及来自 WMO、UNDRR、IFRC、Google、ECMWF、哥伦比亚水文气象机构等机构的讨论。

数据集、模型构建、训练测试方式、效果：页面没有给出雷达数据、降水 nowcasting 数据集、模型结构、训练/测试切分、指标或代码。它是机构活动和报告发布线索，不是技术论文。

代码/数据状态：未发现 direct radar echo / precipitation nowcasting 代码、模型权重或数据集链接。

技术判断：这是相关机构动态，说明 AI early-warning 和业务落地仍是国际组织关注方向；但当前证据不足以支持“雷达回波 AI nowcasting 新进展”的表述。

对用户研究的启发：后续如果该报告或会议材料公开 case studies，应重点查是否出现 radar QPE/QPF、flash-flood nowcasting、convective nowcasting、impact-based warning 指标、业务接口或不确定性表达。当前只适合作为宏观应用背景。

3. 主窗口低价值或排除项#

3.1 sushantakundu/gsmap-live#

来源/平台：GitHub 仓库 sushantakundu/gsmap-live。GitHub Search 对 "precipitation nowcasting" pushed:>=2026-07-06 的结果之一仍是该仓库；最新提交 89a73e9 的 message 为 Auto-update GSMap_Combined.gif，文件级检查显示仍只改 GSMap_Combined.gif。

大致内容：仓库用于展示 GSMaP nowcast/observation 动图。它连续多天由自动流程刷新 GIF。

数据集、模型、训练测试方式、效果：无可核验模型、训练、测试、客观评分或雷达回波输入输出链路。没有 CSI、FSS、CRPS、POD/FAR 等 nowcasting 指标。

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

技术判断与启发：只可作为降水图像展示背景，不应作为 AI radar nowcasting 进展。除非后续 changed files 超出 GIF-only 刷新，或新增模型/脚本/指标/论文链接，否则不再展开。

4. 窗口外但值得回看的 direct 条目#

Weather radar nowcasting of rainfall using optical flow with Recurrent All-Pairs Field Transforms (RAFT)#

来源/平台：Atmospheric Research，DOI 10.1016/j.atmosres.2026.109007。Crossref created date 为 2026-04-11，published date 元数据为 2026-08；对应 EGU abstract DOI 10.5194/egusphere-egu26-7614 创建于 2026-03-13。因此它不属于本轮 24-48 小时新增。

大致内容：题名和检索摘要显示，该工作把 RAFT，即 Recurrent All-Pairs Field Transforms，用于天气雷达降雨 nowcasting 的光流估计。RAFT 是深度学习光流框架，目标是从雷达降雨场估计运动场，再用于短时外推。

数据集、模型构建、训练测试方式、效果：公开检索层面可确认它比较了 RAFT 与 VET、Lucas-Kanade、global vector、COTREC、DARTS 等运动估计/nowcasting 方法；摘要级结果称 RAFT 与 VET/Lucas-Kanade 接近，并优于 global vector、COTREC、DARTS，对线性和非线性降雨运动都较稳健。本轮未能从开放网页可靠确认具体雷达区域、样本年限、训练/验证/测试切分和完整指标表。

代码/数据状态：未发现公开代码、模型权重或数据下载链接。

技术判断：这是 direct weather-radar rainfall nowcasting 方法，且把深度光流模型引入雷达降雨外推，适合列入近期待回看的 direct paper。但由于元数据日期不在本轮窗口内，不能计入今日新增。

对用户研究的启发：RAFT 类光流可作为“深度光流 + 外推”的中间路线，与纯 ConvLSTM/Transformer 端到端 nowcasting、pysteps 光流外推、DGMR/扩散/flow matching 生成式方法形成对照。后续应补齐全文指标、雷达资料、降雨强度阈值和是否可复现。

5. 已覆盖 direct 条目状态复核#

5.1 FusionTempoNet#

本轮 Crossref / web 检索没有发现它从 SSRN posted-content 升级为正式期刊、会议、arXiv 或公开代码。仍保持上一轮判断：直接相关，但只能写作 SSRN / Crossref posted-content preprint，暂无期刊信息，不可把作者备注或 DOI 元数据升级为正式录用。

5.2 QuarkOther/RadarNowcastingAI#

git ls-remote 复核 HEAD 仍为 20a253d47873b414d3e460203f946733f336dd25，与上一轮一致。仍是 CHMI radar download、ConvGRU/ConvLSTM/CNN/persistence、train/predict/compare/backtest 工程代码信号；没有新的 checkpoint、标准指标表、论文或技术报告。

5.3 kagtgi/Forecasting-Through-Meteorological-Reasoning#

git ls-remote 复核 HEAD 为 616a9619f335d146bab404f386d2bbfcbaf4f631，与最近跟踪状态一致。本轮没有发现论文/DOI/arXiv、权重、许可证或完整 benchmark 状态变化。继续作为 direct engineering / framework signal，不能写成已验证性能进展。

6. 近期待继续跟进的主题#

1. pySTEPS/ERAD-nowcasting-course-2026：重点看是否新增 notebooks、processed datasets、environment/install instructions、AI nowcasting examples、pysteps/NWP blending baseline 和评估脚本。一旦出现实操材料，它可能成为用户研究的可复现对照模板。
2. CaLoG / precipitation downscaling：后续看 SSRN PDF、代码、CMA/ERA5 数据处理、PSNR/MAE/CSI 完整指标和重雨阈值设置。它不是 nowcasting，但 anchor/sparse-attention 结构可能启发强回波结构恢复。
3. AI for EW4All / Leveraging AI to Enhance Multi-Hazard Early Warning Systems：如果报告或 slides 公开，核查是否包含 radar nowcasting、flash-flood nowcasting、impact-based QPF、模型不确定性或业务接口案例。
4. RAFT weather-radar rainfall nowcasting：补全文、数据集、训练/测试设置、指标表和代码状态；若有开源实现，可与 pysteps 光流、COTREC、DARTS、ConvLSTM/Transformer、DGMR/FlowCast 类模型对比。
5. FusionTempoNet：继续跟踪 PDF、代码、数据、正式 venue 和具体 TS/CSI 指标。保持“SSRN 预印本，暂无期刊信息”。
6. EchoCast-3D：继续看 Nature 页面后续是否开放代码/权重或数据申请路径；它仍是 3D 雷达体扫生成式 nowcasting 的高价值回看条目。
7. flow matching / diffusion / generative solver：本轮无新状态变化；继续跟踪 FlowCast、PixelFlowCast、RainDiff、rectified-flow 相关条目的代码、权重、正式 venue 或复现实验。
8. 雷达质控：继续跟踪异常回波识别、beam blockage correction、radar calibration drift correction、地物杂波处理等 AI/QC 方法；它们不是 direct nowcasting，但会影响训练样本质量和误报控制。

7. 本轮高价值负结果#

• 没有把中长期 AI weather model、全球/次季节 AI 预报、太阳辐照度 nowcasting、普通 rainfall prediction、车载/地基/材料雷达信号处理、智能电网 weather-aware control 混入 direct radar echo / precipitation nowcasting。
• 没有把 pySTEPS/ERAD-nowcasting-course-2026 的课程 README 写成模型或 benchmark 发布。
• 没有把 CaLoG 降水降尺度预印本写成 nowcasting。
• 没有把 ITU/WMO AI early-warning 活动写成雷达回波临近预报技术进展。
• 没有把 gsmap-live 的 GIF 自动刷新写成代码或模型进展。
• 没有把 RAFT 论文写入 24-48 小时新增表；它是窗口外高价值回看。

8. 检索记录#

• arXiv：官方 Atom API，按 submittedDate:[202607050000 TO 202607072359] 查询。短语查询包括 precipitation nowcasting、radar nowcasting、radar echo nowcasting、weather radar nowcasting、convective nowcasting、radar extrapolation、generative radar nowcasting、flow matching precipitation nowcasting、diffusion precipitation nowcasting、satellite-to-radar、radar quality control deep learning；宽查询包括 precipitation AND nowcasting、radar AND nowcasting、reflectivity AND nowcasting、SEVIR/MRMS/NEXRAD/DGMR AND nowcasting 等。结果均为 0；一次 flow-matching 短语查询出现 SSL EOF，随后宽查询复核为 0。
• Crossref：created date 2026-07-05 至 2026-07-07；使用 query.bibliographic 和 query.title。发现 CaLoG / SSRN precipitation downscaling 预印本；其他近似命中包括太阳辐照度 nowcasting、车载/传感器雷达处理、weather-aware power-grid control、一般 rainfall prediction 等，均按第 3 节排除。
• OpenAlex：publication date 2026-07-05 至 2026-07-07；precipitation nowcasting、radar nowcasting、radar echo nowcasting、weather radar nowcasting、radar reflectivity nowcasting、radar quality control deep learning、precipitation downscaling deep learning、satellite radar retrieval、flow matching precipitation nowcasting、diffusion precipitation nowcasting 均未返回 direct 新条目。
• Semantic Scholar：Graph API 多数相关查询返回 429；成功的 radar nowcasting 查询返回 2023-2025 年旧论文，如 GAN radar nowcasting、SwinNowcast、Doppler radar nowcasting、GNSS-PWV/radar fusion、MMF-RNN 等，没有本轮新状态。
• GitHub：Search API 查询 pushed:>=2026-07-06 与 created:>=2026-07-06。新鲜直接主题候选为 pySTEPS/ERAD-nowcasting-course-2026；浅克隆确认只有 README/LICENSE。sushantakundu/gsmap-live 继续只刷新 GIF。部分 GitHub API/git ls-remote 查询出现 TLS/timeout，但重点仓库用浅克隆、commit API 或 git ls-remote 交叉复核。
• Hugging Face：models API 对 precipitation nowcasting、radar nowcasting、SEVIR nowcasting 等未发现 2026-07-06 后的新模型；junxuwww/RadarNowcasting 仍停在 2026-06-18。datasets API 多次出现 SSL/timeout，本轮不把失败当作无结果证据。
• OpenReview / Papers with Code：网页检索未发现 2026-07-06 至 2026-07-07 的 direct radar/precipitation nowcasting 状态变化；召回条目多为已覆盖或窗口外。
• AMS / IEEE / AGU / RMetS / EGU / Copernicus：未发现本窗口内新的 direct AI radar echo / precipitation nowcasting 论文或数据/代码发布。检索中召回 RAFT / Atmospheric Research、EGU abstract 等窗口外 direct 条目，按第 4 节回看。
• 机构页：Google DeepMind、ECMWF、NOAA、Met Office、中国气象局等未发现本窗口内 direct 技术交付物。ITU AI for Good / WMO / UNDRR / IFRC 的 AI early-warning 活动按机构相关动态记录；不是 radar nowcasting。