# 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

| 标题 | 日期 | 来源/期刊/会议/平台 | 链接 | 类型 |
|---|---:|---|---|---|
| 未发现新的高价值 direct AI radar echo / precipitation nowcasting 论文、预印本、模型、数据或完整代码发布 | 2026-07-06 13:22 +08 至 2026-07-07 14:04 +08 | arXiv、Crossref、OpenAlex、Semantic Scholar、GitHub、Hugging Face、OpenReview、Papers with Code、AMS/IEEE/AGU/RMetS/EGU/Copernicus、机构页 | 检索记录见第 8 节 | negative result |
| `ERAD26 Academy: Open Precipitation Nowcasting` / `pySTEPS/ERAD-nowcasting-course-2026` | 仓库创建 2026-07-06 15:57 +08；README 更新 2026-07-06 18:14 +08；GitHub pushed 2026-07-06 21:52 +08 | GitHub / ERAD 2026 Academy | [repo](https://github.com/pySTEPS/ERAD-nowcasting-course-2026), [commit](https://github.com/pySTEPS/ERAD-nowcasting-course-2026/commit/97c3ebc), [ERAD courses](https://erad2026.rs/courses) | 直接主题的课程/社区动态；非论文、非模型发布 |
| `Anchor-Guided Asymmetric Block Sparse Attention for Precipitation Downscaling` | Crossref created: 2026-07-07 06:37 +08 | SSRN posted-content / Crossref / Elsevier BV | [DOI](https://doi.org/10.2139/ssrn.7068285), [SSRN](https://www.ssrn.com/abstract=7068285) | 相关方法：降水空间超分辨率/降尺度；不是 nowcasting |
| `AI for early warnings for all: From innovation to impact` | 活动日期 2026-07-07 | ITU AI for Good / WMO / UNDRR / IFRC 等 | [event](https://aiforgood.itu.int/event/ai-for-early-warnings-for-all-from-innovation-to-impact/) | 机构动态：AI early-warning；不是 direct radar nowcasting |

## 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

| 标题 | 日期 | 来源/平台 | 链接 | 判断 |
|---|---:|---|---|---|
| `sushantakundu/gsmap-live` 自动刷新 `GSMap_Combined.gif` | 最新 commit: 2026-07-07 09:23 +08 | GitHub | [repo](https://github.com/sushantakundu/gsmap-live), [commit](https://github.com/sushantakundu/gsmap-live/commit/89a73e9) | 只修改 GIF；不是 AI nowcasting 方法、模型、训练/评估代码或数据发布 |
| `Dual-branch multimodal fusion with strict modality separation for solar irradiance nowcasting` | Crossref created: 2026-07-07 05:54 +08 | `Solar Energy` / Elsevier | [DOI](https://doi.org/10.1016/j.solener.2026.114864) | 太阳辐照度 nowcasting；不是雷达回波或降水 nowcasting |
| `Towards real-time neuromorphic radar processing on Loihi 2` | Crossref created: 2026-07-07 06:51 +08；published 2026-07-06 | `Neuromorphic Computing and Engineering` / IOP | [DOI](https://doi.org/10.1088/2634-4386/ae8694) | 车载/传感器雷达信号处理；不是天气雷达 nowcasting |
| `Weather-Aware Reinforcement Learning for Power Grid Topology Control Under Extreme Events` | Crossref created: 2026-07-07 08:56 +08 | `IET Smart Grid` | [DOI](https://doi.org/10.1049/stg2.70099) | 电网拓扑控制；不是降水/雷达 nowcasting |
| `Multivariate time-series forecasting model using deep learning for rainfall prediction` 等 rainfall prediction 条目 | Crossref created: 2026-07-07 | AIP Conference Proceedings 等 | Crossref 检索结果 | 多为一般 rainfall prediction、月尺度或非雷达任务；不满足 direct nowcasting 条件 |

### 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。