# 2026-09-05 大气科学 AI 研究日报

核验截止：**2026-09-05 13:03:24 +08:00**。主窗口为 9 月 4 日 13:03:24—9 月 5 日 13:03:24；24—48 h 缓冲窗口为 9 月 3 日 13:03:24—9 月 4 日 13:03:24。上一期实际截止为 9 月 4 日 13:02:35，两次截止之间相差 49 s，该小段已由本期缓冲窗口覆盖。以下时间均以事件发生时间归窗；检索、全文阅读、图件许可核验与发布在冻结截止后继续完成。

## 一、总体判断与信号地图

本期出现了一个新的正式直接雷达结果和一个证据较完整的区域降水序列结果。**SR2-GAN** 于 9 月 4 日正式发表，任务确实是雷达图像序列临近预报；不过可访问的一手正文只有摘要，配套仓库还是 2025 年的四个 notebook，没有许可证、权重、环境冻结或论文实验清单，因而目前只能保留作者报告的相对改进，不能把它当成可复现强基线。**STAMP-GAN** 的正式 CC BY 论文可以完整核验，按年份分离了 2024 年测试，并在 ERA5 和浙江站点插值场上报告了约 6.5% 和 9.5% 的最佳基线相对 CSI 改进；但其输入与真值不是雷达序列，实验是历史重分析／站点插值条件下的 1—6 h 回顾性预测，生成式基线又只验证一个样本，不能外推为概率校准或实时业务能力。

主窗口另有一套新建的课程型雷达 CNN-LSTM 代码和 **3.26 GB** 检查点。制品并非空壳，但数据来源、雷达站、dBZ 映射和事件隔离都缺失，报告结果全部来自同一个 80/20 验证划分，且 `0.184` 阈值由该验证集分布选出，不属于独立测试证据。`AD4DVAR-radar` 修正了六类数值／梯度问题，是实质工程正确性改进，但尚未给出真实雷达个例上的前后技巧差异。

缓冲窗口最重要的是 **GenLUPIN** 的状态纠正。上一期写成“仓库最后更新于 8 月 11 日”不准确；实际在 9 月 4 日凌晨已有 `bb12f8938bb4`，新增原始雷达样例、物理样本生成器和重构后的评估 notebook。本期明确更正，而不把遗漏变成主窗口新事件。缓冲还补获 Station2Radar 的官方代码和 Nembo 浏览器端确定性外推基线。HARECast 仓库已重新公开可访问，但恢复时点未知、代码仍停在 7 月，README 的 ACM Multimedia 2026 表述也没有正式 ACM 页面或已注册 DOI 支持，因此只更新可访问性。

本期**没有新的可靠 `core-s2s` 研究结果，也没有 48 h 内新发表的 `core-air-quality` 主结果**。DeepAQM 很重要，但 ACS 官方日期是 9 月 1 日，只能作为窗口外高价值补录；一个无模型卡的 12.2 GB “weathernext-weight” 仓库只包含以 WeatherNext 2／WeatherNext Cyclones 命名的文件，不能写成 WeatherNext 3 权重发布。

| 研究线 / 层次 | 本期信号 | 最关键的边界 |
|---|---|---|
| core-nowcasting | SR2-GAN 正式发表；课程型 CNN-LSTM 代码＋检查点 | 正式发表不等于公开实现可复现；同一验证集选阈值并报分数不是独立测试 |
| core-short-range | STAMP-GAN 1—6 h 区域降水序列 | ERA5／IDW 站点场不是雷达；单 realization 不能评估生成模型概率质量 |
| core-s2s | 无可靠新主信号 | 无卡大文件不升级 WeatherNext 3 代码／权重状态 |
| core-air-quality | 48 h 内无新正式主结果；DeepAQM 窗口外补录 | 论文真实上线日优先于 Crossref 创建日；索引延迟不伪装成新发表 |
| adjacent-method | 窗口外太阳辐照度 shape-prior flow matching 元数据 | 能源目标的日提前降尺度只能作为方法邻接，且正式版本早于窗口 |
| infrastructure | GenLUPIN、Station2Radar、Nembo、HARECast、AD4DVAR | 观测重建、确定性外推、合成实验和数值修复分别记录，不混成新预报技巧 |

本期镜像 **1 张代表图**：STAMP-GAN 的完整 Figure 2。正式论文明确适用 CC BY 4.0，图注无第三方材料例外；从官方 PDF 无裁剪提取完整嵌入图像，网页图只做等比例缩放与 RGB PNG 转换，未添加箭头、删减面板或改写科学信息。SR2-GAN 为保留权利且全文受限，其图件不镜像。以下所有效果均为作者报告，本轮没有重新训练论文模型。

## 二、新增与状态变化条目

### 2.1 主窗口

| 标题 / 对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源 / 正式状态 | 链接 | 代码、数据、许可状态 |
|---|---|---|---|---|---|---|
| SR2-GAN: A Novel Generative Adversarial Network for Radar Image Sequence Nowcasting | 9/4 19:29 Crossref 创建；官方日期 9/4 | 雷达图像多步临近预报 | core-nowcasting | Mobile Networks and Applications 正式论文 | [论文](https://doi.org/10.1007/s11036-026-02532-6)／[代码](https://github.com/DucTrung-GiaSon/SR2GAN) | Pha Đin 与 DWD 数据入口可核；四个旧 notebook；无 README、根 LICENSE、权重和冻结实验清单；图件未镜像 |
| STAMP-GAN: A Spatiotemporal Attention-Modulated Generative Adversarial Network for Precipitation Nowcasting | 9/5 00:07 Crossref 创建；官方日期 9/4 | 1—6 h 区域降水序列 | core-short-range | Remote Sensing 18:3026 正式论文 | [论文](https://doi.org/10.3390/rs18173026) | ERA5／SRTM 公开；CMA-S 原始站点和派生网格受限；无代码／权重；CC BY 4.0，Figure 2 已镜像 |
| Radar-Echo-Nowcasting-CNN-LSTM | 9/4 22:33 GitHub 创建；23:18 HF 模型创建 | 50 min 雷达图像外推 | core-nowcasting，低证据制品 | GitHub 课程项目／Hugging Face 模型，无论文 | [代码](https://github.com/itcallsitcalls/Radar-Echo-Nowcasting-CNN-LSTM)／[检查点](https://huggingface.co/LilaSin/radar-cnn-lstm-nowcasting) | MIT 代码；3,261,931,698-byte LFS 权重；943 组数据、CSV 和来源未发布；无独立测试 |
| AD4DVAR-radar 初始场实验页与数值审查修复 | 9/4 13:06—9/5 07:29 实质提交；均在主窗口 | 变分雷达临近预报基础设施 | infrastructure | GitHub 工程更新，无论文新状态 | [仓库](https://github.com/gonos2k/AD4DVAR-radar)／[数值修复](https://github.com/gonos2k/AD4DVAR-radar/commit/ca8f18c5983339f2e903968227a3fb950a6b70e4) | 修复六类数值／自动微分问题并增回归测试；只核到 CPU 聚焦测试，无全套回归、CUDA／MPS 和真实个例前后分数 |
| Deep Learning-Based Precipitation Classification Using GPM Dual-Frequency Precipitation Radar | 9/4 18:33 Crossref 创建并报 9/4 发表 | 卫星降水雷达分类 | metadata-only | Journal of Remote Sensing 正式 DOI 记录 | [DOI](https://doi.org/10.34133/remotesensing.1078) | publisher 页面／PDF 拒绝访问；未核到摘要、模型、数据版本、效果、代码或图件许可 |
| Spatial-temporal feature analysis and prediction of precipitation based on deep learning models | 9/4 17:11 Crossref 创建；记录日期 9/1 | 降水预测题名候选 | metadata-only | IET Conference Proceedings DOI 记录 | [DOI](https://doi.org/10.1049/icp.2026.2709) | 无摘要／全文、任务、时效、数据、指标、代码和许可；不能提升为雷达临近预报 |

### 2.2 24—48 h 缓冲窗口补获

| 标题 / 对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源 / 正式状态 | 链接 | 代码、数据、许可状态 |
|---|---|---|---|---|---|---|
| GenLUPIN public MWE and physics sample generator | 9/4 01:56 提交，前一期主窗口遗漏 | 雷达概率临近预报复现 | infrastructure／既有 core-nowcasting 的制品更新 | GitHub 实质提交；论文正式状态不变 | [提交](https://github.com/FarrasArchi/Generative_LUPIN/commit/bb12f8938bb4fe097c7072bd071356afb350380c)／[仓库](https://github.com/FarrasArchi/Generative_LUPIN) | 11 个原始扫描、1 个可生成样例、18 个锚点清单和 generator；删除 18 个预编译样例；README 声称 MIT，但根 LICENSE 仍 404 |
| Station2Radar: Query-Conditioned Gaussian Splatting for Precipitation Field 官方代码 | 9/3 18:22 仓库创建；18:31 首次提交 | 卫星＋站点到同期降水场 | infrastructure | 既有 ICLR 2026 正式论文；本期是代码事件 | [OpenReview](https://openreview.net/forum?id=PIfuPKATtm)／[代码](https://github.com/seominseok0429/Station2Radar-Query-Conditioned-Gaussian-Splatting-for-Precipitation-Field-ICLR2026-) | MIT Python 包、配置和组件测试；无 KMA HSP／GK2A／AWS 数据、预处理制品、检查点和冻结结果 |
| Nembo browser radar-advection nowcast | 9/3 14:39 仓库创建；主窗口继续文档／UI 更新 | 0—30 min 雷达外推基线 | infrastructure | GitHub 个人软件项目，无论文 | [仓库](https://github.com/fabioscarparo/Nembo) | MIT TypeScript 源码；DPC 雷达＋Open-Meteo steering wind；无冻结样本、验证指标或独立数据许可包 |

### 2.3 未知恢复时点、窗口外与排除状态

| 标题 / 对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源 / 正式状态 | 链接 | 代码、数据、许可状态 |
|---|---|---|---|---|---|---|
| HARECast 仓库恢复可访问 | 9/5 核验可克隆；恢复时点未知；HEAD 仍为 7/25 | 雷达／雷达—卫星临近预报 | infrastructure 状态变化 | arXiv v2 仍是预印本；README 的 ACM Multimedia 2026 未获官方记录支持 | [arXiv](https://arxiv.org/abs/2605.13181v2)／[仓库](https://github.com/ph-w2000/HARECast) | 代码、数据加载器、evaluation 入口和 checkpoint 链路可见；无 LICENSE、release、权重哈希；不重计科学结果 |
| DeepAQM / Multisource Observation-Constrained Tuning for Air Quality Forecasting in a Machine Learning-Enhanced NOAA UFS | 正式上线 9/1；Crossref 9/3 17:00 创建 | 美国本土 PM₂.₅／O₃ 72 h 预报 | window-out，研究主题属于 core-air-quality | Environmental Science & Technology 正式论文 | [论文](https://doi.org/10.1021/acs.est.6c04600) | 摘要和 SI 文本可核；未核到公开代码、权重和冻结运行包；图件许可未核，不镜像 |
| Shape-prior flow matching for NWP solar-irradiance downscaling | VOR 许可起始 8/26；Crossref 9/5 07:58 创建 | 日提前太阳辐照度概率降尺度 | window-out；方法邻接 | Energy and AI 100887 正式记录 | [论文](https://doi.org/10.1016/j.egyai.2026.100887) | 无可访问实验正文、代码、权重和数据包；CC BY-NC-ND 4.0，不镜像图件 |
| CONGG/weathernext-weight | 9/4 22:14 HF 创建 | WeatherNext 名称制品 | low-value-exclusion | 非官方可核发布 | [Hugging Face](https://huggingface.co/CONGG/weathernext-weight) | 约 12.2 GB NPZ，无 README、许可证、来源和代码；文件名为 WN2／WeatherNext Cyclones，不是 WN3 |

## 三、四条核心研究线

### 3.1 core-nowcasting：正式论文、真实权重与可复现性仍是三件不同的事

#### SR2-GAN

**来源与任务。** Ha Gia Son、Tran Manh Tuan 和 Le Hoang Son 的论文于 9 月 4 日在 *Mobile Networks and Applications* 正式上线。任务是从雷达图像序列产生多步未来雷达场，实验使用越南 Pha Đin 雷达站资料与德国 DWD 数据；正式页分别给出 [Mendeley Data](https://data.mendeley.com/datasets/nmb673vmgv/1) 和 [Zenodo](https://zenodo.org/records/3629951) 入口。它是本期最直接的雷达临近预报论文，不应与同期降水分类或站点插值混在一起。

**模型和训练证据。** 摘要可核的结构是 ConvLSTM generator、refined CBAM attention、patch discriminator，以及 adversarial、MSE、SSIM 的复合目标。作者称该组合在保持像素误差的同时改善形态结构，并与 CNN-GRU、S2R-GAN 和 Rad-cGAN 比较。正式全文受订阅限制，本轮未取得具体输入帧数、扫描间隔、最长物理时效、空间分辨率、训练／验证／测试日期、阈值和逐时效样本数。

**作者报告效果。** 相对 CNN-GRU，Pha Đin 和 DWD 上的 MSE 分别降低 44.4% 和 25%，SSIM 分别提高 12.8% 和 4.5%；摘要另称长时效时空一致性优于 S2R-GAN 和 Rad-cGAN。缺少绝对分数、置信区间、强回波阈值和共同样本定义时，这些数字只能作为作者报告的相对变化，不能跨数据集排名。

**代码和复现边界。** 论文附录指向的仓库创建于 2025 年 8 月，当前只有 CNN-GRU、Rad-cGAN 和 SR2-GAN 四个 notebook，无 README、根许可证、requirements、公开权重或 release，窗口内也没有提交。一个 SR2 notebook 指向私有 Google Drive 路径，只取最后 64 张图，使用 4 输入／6 输出、224×224 和 80/10/10 顺序划分；它无法证明与正式论文两套数据和完整实验相同。最优先触发器是论文—代码—权重—数据划分的一一映射，以及 5—30 min 分层 CSI/FSS、位移、PSD 和强回波可靠度。**图件未镜像：正式文章保留权利，具体图件无复用许可。**

#### Radar-Echo-Nowcasting-CNN-LSTM 代码与检查点

**制品内容。** GitHub 项目和 HF 模型都在主窗口创建。代码包含训练、评估、可视化、配置、课程报告和 MIT LICENSE；Hugging Face 实际保存一个 3,261,931,698-byte `best_model.pth`，不是只有模型卡。报告称每个样本含 20 张 256×256 灰度图、时间间隔 5 min，前 10 帧输入、后 10 帧输出，即名义上覆盖过去 50 min 并预测未来 50 min。

**训练与评估。** 项目称有 943 组样本，80/20 分训练和验证，没有独立测试。代码把 CSV 前 20% 作为 validation、其余作为 training，并只对训练样本做水平翻转；没有看到按雷达站、日期、天气过程或近重复窗口分组。损失为加权 MSE＋SSIM，作者在验证集报告 MSE 0.0080、MAE 0.0566、SSIM 0.7562、CSI@0.184 0.5606 和 CSI@0.3 0.1614。报告又在摘要写成 981 个样本，和正文／README 的 943 不一致。

**技术判断。** 项目没有公开数据、CSV、雷达站、日期、像素到 dBZ／雨强映射或许可证，因此检查点虽真实存在，仍不可复算。`0.184` 是从同一验证集 75% 分位附近选出的阈值，再在该验证集报 CSI，存在评估选择偏差；`0.1` 阈值下 CSI=1.0 也提示阈值物理意义不清。可把它用作代码教学或接口烟雾测试，不能把当前分数写成跨区域雷达临近预报能力。

### 3.2 core-short-range：STAMP-GAN 有完整验证合同，但不是雷达概率系统

**任务与数据。** Xiaoxiao Ma 等在浙江 118—122°E、27—31°N 做 1—6 h 小时降水序列预测。ERA5 数据使用 2021—2024 年 4—9 月，16×16、0.25°；动态变量包括降水、2 m 露点、10 m 风、海平面气压、总云量和派生相对湿度，并加入 SRTM DEM。CMA-S 由浙江 5,243 个站的逐小时观测用 IDW（p=2）插值到 80×80、0.05°；2022—2024 年 4—9 月可用，80.92% 网格距最近雨量站不超过 5 km，但 IDW 仍会平滑局地极值。两套数据完全独立训练，不共享权重和标准化。

**时序划分与模型。** 每个样本取连续 12 h，前 6 h 输入、后 6 h 为 +1 至 +6 h 目标。ERA5 训练为 2021—2023 年 4—8 月、验证为 2023 年 9 月、测试为 2024 年 4—9 月；CMA-S 训练从 2022 年开始，验证／测试月份相同。训练集才做干湿事件重采样，验证和测试保留自然频率。STAMP-GAN 由共享空间编码器、AM-ConvLSTM、STAMP-Net 多尺度 encoder–decoder、三头输出、全序列与末三帧两个 PatchGAN discriminator 组成，目标联合 weighted L1、focal、发生门控、时空一致性和 Wasserstein adversarial loss。

**比较与效果。** 论文把 ConvLSTM、TrajGRU、U-Net++、PhyDNet、Swin、DGMR、MetNet3-R、PreDiff-R、SpateGAN、GraphCast-R、Diffusion Nowcasting 和 Fusion-2025 按本地接口重训。ERA5 上 STAMP-GAN 的 CSI@0.5/5/10 mm h⁻¹ 为 0.6379/0.2981/0.1551，MAE 0.3892、RMSE 0.9260；CMA-S 的 CSI@0.5/5/10/15/20 为 0.4941/0.2134/0.1016/0.0715/0.0412，20 mm h⁻¹ 时 TrajGRU 略高为 0.0421。相对各数据集最强 0.5 mm h⁻¹ 基线，CSI 增幅约 6.5% 和 9.5%。对 15 mm h⁻¹ 的 block-bootstrap 差异区间跨零，20 mm h⁻¹ 虽为正但事件更稀少；不能概括成所有强度均显著领先。

**概率与业务边界。** 所有随机生成基线在每个测试样本只取一个 realization，论文明确没有做 ensemble spread、CRPS、可靠度或 spread–skill；五随机种子只用于末三帧 discriminator 的消融，Wilcoxon 检验也未达到 0.05。ERA5 是重分析，CMA-S 是逐时站点插值回顾场，均未冻结真实到报延迟、未来 NWP 条件或端到端业务链。最有价值的不是“GAN 已解决不确定性”，而是后段专门监督、时效条件化、事件重采样和跨阈值／邻域验证；下一步应在同一成员预算下做概率校准，并加入雷达真值、NWP 驱动误差和跨区域测试。

<figure class="paper-figure">
  <a href="https://www.mdpi.com/2072-4292/18/17/3026" target="_blank" rel="noreferrer">
    <img src="/assets/paper-figures/2026-09-05/stamp-gan/fig-2-web.png" alt="STAMP-GAN整体架构，包含历史序列和地形输入、AM-ConvLSTM、STAMP-Net、全序列与末三帧判别器及混合损失" loading="lazy">
  </a>
  <figcaption>
    <strong>论文图 2｜STAMP-GAN 的完整模型与训练约束。</strong>
    原始图注：Overall architecture of the proposed STAMP-GAN model.
    来源：Xiaoxiao Ma、Zhenyu Lu、Fang Wang、Hailin Feng、Bingjian Lu，STAMP-GAN: A Spatiotemporal Attention-Modulated Generative Adversarial Network for Precipitation Nowcasting，Remote Sensing 18:3026，Figure 2。
    许可：<a href="https://creativecommons.org/licenses/by/4.0/">CC BY 4.0</a>。
    本站使用日期为 2026-09-05；从官方 PDF 无裁剪提取完整 4252×3888 嵌入图像，网页图等比例缩至 1600×1463 并转换为 RGB PNG，未添加标记或改写图中信息。
  </figcaption>
</figure>

### 3.3 core-s2s：没有新结果，拒绝把无卡大文件升级成 WeatherNext 3 权重

arXiv 的最新相关稿仍是上一期已处理的 WeatherNext 3、CloudCast v2 和 Text2Thermal；本轮没有新的 1—65 d AI 天气／次季节论文、正式状态、代码或冻结评估包。Hugging Face 的 `CONGG/weathernext-weight` 的确包含约 12.2 GB LFS 文件，但没有 README、许可证、来源、可执行代码或作者关联，文件名明确是 WeatherNext 2 和 WeatherNext Cyclones 2023—2025，不含 WeatherNext 3。它既不能触发上一期 WN3 的“代码／权重公开”条件，也不宜下载或复发布来源不明的大文件。

### 3.4 core-air-quality：没有 48 h 新主结果，DeepAQM 只作窗口外方法补录

**正式日期。** Jia Xing、Youhua Tang 等的 DeepAQM 论文由 ACS 标为 8 月 26 日录用、9 月 1 日在线发表。Crossref 记录到 9 月 3 日才创建，但索引创建日不能替代官方出版日，因此本期不把它列作 24—48 h 新空气质量成果。

**科学内容。** DeepAQM 是 NOAA UFS-AQM 的机器学习 surrogate／扩展，使用 5 个静态地理因子、14 个 UFS 气象变量，以及点源、面源、火源三类排放；ConvLSTM-ResNet fusion 把 AirNow、VIIRS AOD 和 TEMPO NO₂ 融合为连续 PM₂.₅／O₃ 初始场，再递归产生美国本土 72 h 预报。摘要报告 DeepAQM 对 UFS-AQM 场的 R² 对 O₃ 超过 0.9、PM₂.₅ 最高 0.80，NMB 保持在 ±10%；观测更新把前 10 h 站点 PM₂.₅ R² 从约 0.10—0.15 提高到 0.40—0.50，O₃ 从约 0.40 提高到 0.50，观测 fine-tuning 后独立评估期总体 R² 为 PM₂.₅ 0.41、O₃ 0.82。

**边界。** 可访问的 SI 片段只写“独立年份”，没有清楚暴露具体训练／测试年份、真实运行时延和每个起报的气象循环。本轮也未找到论文匹配的代码、权重或冻结样本包。它非常贴近“分析场／观测更新与真实预报驱动差距”问题，值得纳入后续研究设计，但今天的日期信号只是迟到索引。

## 四、相关方法与基础设施

### 4.1 GenLUPIN：补上原始样本生成链，但许可和全基准仍未闭合

`bb12f8938bb4` 新增 11 个未修改的 Maly Javornik 5 min 雷达扫描和 `generate_samples.py`，默认可生成一个锚定在 2018-09-02 17:25 的样本：输入为 T−20 至 T0 的 5 帧 340×340 场，目标为 T+5 至 T+30 的 6 帧。转换链明确为 raw uint8 → dBZ → Marshall–Palmer 雨强 → `log(R+0.01)`，并保留 float16 bottleneck 以复现旧评估数值。脚本还列出 18 个官方锚点，并能检查连续 11 帧和按最小雨强自动发现候选。

这比上一状态更可审计，但有三个缺口。第一，提交删除了原先 18 个预编译 H5，只保留一个事件的原始 11 帧；完整 18 事件仍需用户自行下载 Mendeley 原始档案。第二，README 新增 MIT badge 并链接根 `LICENSE`，实际该文件在固定 commit 仍返回 404；同时改编的 EDM 为 CC BY-NC-SA 4.0，整套组合许可不能仅靠 badge 判断。第三，2.7 MB 的多模型 notebook 主要从已有 JSON/H5 读取并绘制 FSS、RAPSD、twCRPS、SAL、CRPS 和 rank histogram，没有自动生成全部 baseline 预测。结论是“单事件原始到样本链明显改善”，不是“18 事件论文结果已独立复现”。

### 4.2 Station2Radar：代码是真实新增，但任务是同期场重建

Station2Radar 已是 ICLR 2026 conference paper，本期新事件是作者关联仓库首发。QCGS 用 2 km GK2A 10.5 µm 红外亮温提供密集空间纹理，以稀疏 AWS 雨量作硬锚点，通过 radar point proposal、gradient/heavy-rain/uniform 混合采样和条件 INR 预测各向异性 Gaussian 参数，再在任意分辨率渲染同期降水场。论文使用 2023 年 AWS、GK2A 与 0.5 km KMA HSP 雷达，作者报告相对传统格点产品 RMSE 改善超过 50%。

新仓库包含 MIT 许可、训练／推理入口、配置和组件测试，默认记录 6,000 query、Adam `1e-4`、batch 16、100 epochs 等论文设置；但数据接口只给 JSONL schema，没有 KMA／GK2A／AWS 下载与预处理包，也没有 proposal／splatting 权重和冻结结果。它可用于 satellite-to-radar／station-to-field 的观测恢复与初始场构造，输出是**同一时刻**连续降水场，不是未来雷达或降水预报。

### 4.3 Nembo：值得保留的透明确定性基线，不是 AI 研究结果

Nembo 读取意大利 Civil Protection Department 每 5 min 更新的 WebP 雷达瓦片，构成约 1280×1792、900 m px⁻¹ 的全国拼图。它先从相隔 30 min 的观测估计主导平移，再以 dense optical flow 修正局地运动，按轨迹向前平流 5 min 一帧至 +30 min；运动不可靠时使用 Open-Meteo 850—500 hPa steering wind，无可靠风时不输出预报。作者报告浏览器 Web Worker 计算约 120 ms。

这一实现把数据解码、运动估计、平流和 fallback 都公开在 MIT TypeScript 中，适合作为低延迟产品和确定性基线参考；但没有 frozen events、persistence／pySTEPS 对照、CSI/FSS、位移或生消检验。模型只搬运已存在回波，不能生成未来新生对流。主窗口提交主要是绘制性能、UI 与 README，不应包装成算法技巧升级。

### 4.4 HARECast：可访问性恢复，不等于正式 venue 或新代码

8 月 8 日核验时 `ph-w2000/HARECast` 返回 404，本轮可以完整浅克隆；HEAD 仍是 7 月 25 日的 `b50a4052d960`。公开树包含主模型、SEVIR／MeteoNet 数据加载器、evaluation 命令和 Google Drive checkpoint 链接，因而此前“当前不可访问”的状态需要撤销。仓库依然没有根 LICENSE、release 或 checkpoint hash。README 首行写 `HARECast-ACM Multimedia 2026`，但本轮没有找到官方 ACM 页面，搜索到的候选 DOI `10.1145/3767308.3835730` 在 Crossref 返回不存在；在官方记录出现前，论文仍写作 arXiv v2 预印本。

### 4.5 AD4DVAR-radar：修复数值正确性，不外推成真实技巧

`ca551ea3` 新增一个 48×48 合成双降水单体的 initial-field lab，可切换背景场、位移、强度偏差和覆盖率，显示相同观测下初始背景如何改变 +lead 结果并在共同有效区与 persistence 比较。随后 `ca8f18c` 修复六类可复现问题：零背景速度处 Jacobian／二阶导数、float32 小残差 pseudo-Huber 消减、affine cell-area 有向区间、截断高斯两侧尾部、逐观测／时效／指标的集合居中容差，以及边界输送 outflow 的差分消减。

仓库记录的聚焦 CPU 回归均通过，但完整 baseline suite 未重跑，CUDA／MPS 未验证；初始场 lab 的正技巧来自受控合成场。对用户研究最有用的是把“数值梯度有限、边界质量守恒、共同有效 mask、集合中心化”升级为实验前置检查，而不是引用合成 MAE 差作为真实业务增益。

## 五、机构信号、仅元数据、窗口外与排除项

**机构信号。** ECMWF、NOAA、Met Office、CMA、DeepMind、WMO 与 CAMS 的本轮官方检索没有发现冻结窗口内新的论文、模型、权重或数据发布。NOAA/WPC 页面出现的是当日业务预报与既有 AI 模型可视化；CAMS live dashboard 是运行状态；Met Office 新页面是天气测验。WMO AI webinar 页面仍指向 9 月 24 日 AI Weather Quest 总结与排名，这是已知后续触发器，不按页面抓取时间重复计数。

**仅元数据。** GPM DPR 降水分类论文有正式 DOI 和 9 月 4 日日期，但 publisher 页面与 PDF 在本轮均返回访问挑战；没有摘要时不能推断标签、DPR 产品版本、模型、全球／区域划分或效果，也不能把卫星雷达分类写成地基雷达未来预报。IET 的 precipitation feature-analysis 记录更弱，只有泛化题名和 DOI，正式记录日期又是 9 月 1 日，继续等摘要或全文。

**窗口外。** DeepAQM 和 solar-irradiance shape-prior flow matching 都因真实正式日期早于 48 h 而单列。前者提供高价值的观测更新—真实 UFS 驱动—72 h 空气质量设计；后者的题名显示 flow matching 用于日提前太阳辐照度 NWP 降尺度，但没有可访问实验合同，且目标属于能源气象邻接。二者都不能靠 Crossref 迟到创建日升级成当天新发表。

**低价值排除。** `CONGG/weathernext-weight` 无卡、无许可、无 provenance，且文件名与 WN3 不符；不触发 WeatherNext 3 状态。`Text2Thermal` 处理恶劣天气下热成像合成，属于感知数据生成，不是气象场预测。GitHub 中大量 SIH urban-flood、天气仪表盘、消费信心 nowcasting、通信／车载／手势 radar，以及 Hugging Face 的 space-weather、weather app 和无说明表格数据均不进入研究更新。`Nembo` 和课程型雷达 CNN-LSTM 被保留，是因为前者有透明物理外推实现、后者有真实代码和大型权重；二者的低证据边界已在正文写明。

**来源限制。** Semantic Scholar 四组 API 查询均返回 429；Crossref 的 short-range／S2S 首轮也有 429，但降低并发后重试成功。GitHub 匿名 API 在检查重点触发器中达到 rate limit，随后只对 `pushed_at` 落入窗口的 AD4DVAR 以及既有明确触发器仓库做浅克隆和 commit-level 核验。API 失败没有被写成“该来源零结果”。

## 六、对当前研究的具体启发

1. **把论文、实现和检查点做三向映射。** SR2-GAN 有正式论文但旧 notebook 无法对齐，课程项目有检查点却无数据。任何基线都应冻结 DOI／commit／权重哈希／数据 manifest，并说明论文模型、公开模型和业务模型是否相同。
2. **不要用“GAN”代替概率验证。** STAMP-GAN 的单 realization 比较只能说明确定性样本技巧；需要固定成员数，报告 CRPS、reliability、rank histogram、spread–skill 和极端阈值覆盖，才能讨论不确定性表达。
3. **站点插值真值要随距离分层。** CMA-S 已给出最近站距离并做 5 km 子域敏感性，这一点值得沿用。自己的降尺度／空气质量实验也应按站距、地形、雨强、陆海和观测密度分层，避免把插值平滑当真实精细结构。
4. **复现入口从原始帧开始。** GenLUPIN 的 raw→dBZ→rain rate→log 链比预打包 H5 更有审计价值；下一步应把 18 事件全部按锚点、连续性、单位和 float precision 冻结，并让指标脚本从预测张量重新计算，而不只读取作者 JSON。
5. **确定性外推仍是必要基线。** Nembo 明确承认不能生成新生单体，这恰好适合作为边界清楚的 0—30 min baseline。生成模型必须在相同到报延迟和共同样本下证明对生消、位移与强回波的增量，而不只比 persistence。
6. **数值正确性先于排行榜。** AD4DVAR 的零速度梯度、尾部似然、边界 outflow 和逐指标 centering 都会影响优化与不确定性结论。发布新技巧前应加入有限差分／gradcheck、质量收支、mask 一致性和多精度回归。
7. **同一验证集选阈值会制造乐观结果。** 新 CNN-LSTM 项目的 `0.184` 由验证分布选出又在同一集报分数。阈值必须用物理单位预注册或只由训练集确定，最终分数留给事件隔离测试。

## 七、后续跟进触发器

| 对象 | 下一次应升级的触发条件 |
|---|---|
| SR2-GAN | 可访问全文；输入／输出物理时效与网格；论文匹配代码／权重／划分；绝对逐时效分数和强回波共同样本 |
| STAMP-GAN | 清理后的代码／权重；CMA-S 可共享替代或 manifest；真实低延迟输入；多成员 CRPS／可靠度；跨区域测试 |
| Radar CNN-LSTM 制品 | 数据来源、雷达站、日期和许可；事件隔离 train/val/test；dBZ 映射；权重独立复算与简单基线 |
| GenLUPIN | 真正根 LICENSE；18 事件完整生成与哈希；baseline 可执行生成；共同 mask 指标重算和 30 成员校准 |
| Station2Radar | KMA／GK2A／AWS 获取与预处理；proposal／splatting 权重；跨区域和任意分辨率结果复算；下游预报增益 |
| Nembo | 冻结雷达事件；观测到报延迟；persistence／pySTEPS；CSI/FSS、位移、生消和 steering-wind fallback 分层 |
| HARECast | 官方 ACM 页面或已注册 DOI；根许可证、release、checkpoint hash；端到端可移植复现 |
| AD4DVAR | 完整回归与 CUDA／MPS；相同真实事件前后差异；多雷达、公共数据、正式 release 和许可证 |
| DeepAQM | 训练／独立年份和实际起报清单；代码／权重；真实 UFS 循环与延迟；极端 PM₂.₅／O₃ 可靠度 |
| core-s2s | 新论文、正式状态、代码、权重或冻结评估；无模型卡大文件不触发升级 |
| 9/24 WMO／AI Weather Quest | 官方 JJA 2026 排名、科学报告、可下载预测、PBC／Fengshun 方法材料和共同评估合同 |

## 八、简短结论

今天的直接雷达信号比上一期强，但最重要的判断仍是证据分层。SR2-GAN 已正式发表，却还不能由公开仓库复现；新 CNN-LSTM 有真实权重，却没有可审计数据和独立测试。STAMP-GAN 提供了更完整的时序划分、阈值和站距敏感性证据，但它验证的是 ERA5／站点插值场上的回顾性 1—6 h 预测，未验证概率校准或业务延迟。GenLUPIN、Station2Radar、Nembo、HARECast 和 AD4DVAR 的更新分别改善了样本链、观测重建、确定性基线、可访问性和数值正确性；把这些不同类型的进展分开记录，才能真正回答“保留可预报信息、恢复精细结构并表达不确定性”需要哪一环的新证据。