2026-06-24 雷达回波 AI 进展日报#

检索时间：2026-06-24 13:02 +08
主窗口：2026-06-23 13:12 +08 至 2026-06-24 13:02 +08。
48 小时缓冲：向前回看至 2026-06-22 13:02 +08，用于覆盖 arXiv 版本更新、索引库延迟收录和代码平台延迟推送。
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；另设相关方法桶跟踪 flow matching、diffusion/generative solver、satellite-to-radar retrieval、雷达质控、机会降水观测和卫星云场 nowcasting。

0. 总体判断#

本轮主窗口内未发现新的高价值、直接面向雷达回波或雷达降水临近预报的 AI 论文、arXiv 预印本、完整代码、数据集、模型权重、期刊上线或机构发布。

arXiv 直接相关条目的最新状态仍是已覆盖的 Pointwise is Pointless? v2（2026-06-18 更新）、FlashBack Memory（2026-06-15）、TA-SmaAt-UNet（2026-06-08）和 LangRetrieval（2026-06-08）。GitHub 精确检索 pushed:>=2026-06-23 仍只召回 sushantakundu/gsmap-live，但最新 3 次 commit 仍只修改 GSMap_Combined.gif。Hugging Face junxuwww/RadarNowcasting 仍停在 2026-06-18 10:39:18 UTC，未新增源码、训练脚本、评估脚本或数据授权说明。

本轮有 2 个需要记录的相邻动态：

• Meteosat Third Generation (MTG) Cloud Mask for High-Resolution Cloud Cover Nowcasting with Artificial Intelligence 于 2026-06-23 在线发表在 IOP Environmental Research Communications。这是卫星云掩膜/云量 nowcasting，不是雷达回波或降水临近预报；但它使用 MTG-FCI 云掩膜序列、深度学习 encoder-decoder、2 小时历史预测未来 2 小时，对 satellite-to-radar、对流初生背景场和云场预报有方法启发。
• OpenSense 2026 第二届 Opportunistic Sensing of Precipitation 国际会议于 2026-06-23 至 2026-06-24 在 KNMI 举行。它不是 AI radar nowcasting 论文发布，但主题包含 CML/PWS/SML 等机会观测进入 precipitation nowcasting 和水文预报，适合跟踪多源观测输入。

1. 主窗口新增条目表#

2. 主窗口相邻动态与方法启发#

3. 主窗口低价值或排除条目#

4. 条目详述#

4.1 MTG Cloud Mask AI：卫星云场 nowcasting，非雷达短临#

来源/期刊：IOP Publishing Environmental Research Communications，在线发表日期 2026-06-23，DOI 10.1088/2515-7620/ae8153。Crossref 记录提供摘要、作者、发布日期和开放许可信息；链接指向 IOP HTML/PDF。

大致内容：论文关注高分辨率 cloud-cover nowcasting。传统数值模式在小尺度、快速变化云过程上存在时效和分辨率问题，作者利用 Meteosat Third Generation 的 Flexible Combined Imager Cloud Mask 产品构建 observation-driven 深度学习预报。它预测的是云掩膜/云覆盖类别，不是雷达反射率、雷达降水率或未来降水回波。

数据集：作者构建了 58,760 个 MTG-FCI Cloud Mask 场景，区域为 Madeira Island，保留原生地球同步卫星网格。样本采用 12 帧历史和 12 帧未来，对应 10 分钟分辨率下 2 小时历史输入和未来 2 小时预报。

模型构建：论文比较 5 类深度学习架构，并测试 3-channel 与 16-channel 两种输入配置。摘要显示最佳模型为 16-channel U-Net + Transformer，属于全场景时空 encoder-decoder 路线；作者认为全场景 encoder-decoder 比 latent-sequence 方法更稳定，16-channel 输入也普遍优于 3-channel 输入。

训练测试方式：Crossref 摘要只给出独立测试集指标，没有公开完整训练细节。可确认的评价指标包括 accuracy、macro-F1、weighted-F1 和 mean IoU，并与 persistence benchmark 比较。

效果：最佳 16-channel U-Net+Transformer 在独立测试集上 accuracy 为 0.740、macro-F1 为 0.718、weighted-F1 为 0.737、mIoU 为 0.567。模型对 cloud-free 和 cloud-opaque 类别表现最好，主要误差来自 cloud-contaminated 与 cloud-opaque 混淆；合并成单一 cloudy 类后 recall 达 93.3%。这些是作者报告结果，本轮未做独立复现。

代码/数据状态：GitHub 精确检索标题、DOI、MTG Cloud Mask 和作者信息均未发现对应公开仓库；Hugging Face models/datasets 检索 MTG Cloud Mask nowcasting、Meteosat Third Generation Cloud Mask、Cloud Cover Nowcasting Artificial Intelligence 和 DOI 均无结果。MTG-FCI Cloud Mask 是 EUMETSAT 业务产品，但论文构造的 Madeira 样本集、训练脚本和权重本轮未发现公开发布。

一句技术判断：这是新出版的 AI 卫星云场 nowcasting 论文，方法上有多通道卫星产品、时空 encoder-decoder 和分类型云掩膜预报启发，但不能算雷达回波或降水临近预报新增。

与雷达回波预报的相关性：中低。它不预测降水或 dBZ，也没有使用天气雷达；但云场 0-2 小时演变、对流初生背景、卫星云掩膜多通道输入，可能为 satellite-to-radar retrieval 或雷达稀疏区短临补充上游信息。

对用户研究的启发：若用户研究计划把卫星云产品并入雷达短临，可借鉴 12 帧历史/12 帧未来、10 分钟分辨率、多通道输入与云类别混淆分析；但评价不能直接沿用雷达 CSI，应区分 cloud classification 指标和 precipitation/radar nowcasting skill。

4.2 OpenSense 2026：机会降水观测会议动态#

来源/会议：OpenSense 2026 第二届 Opportunistic Sensing of Precipitation 国际会议，2026-06-23 至 2026-06-24，在荷兰 De Bilt 的 Royal Netherlands Meteorological Institute 举行，由 KNMI 和 Delft University of Technology 组织。OpenSense 页面说明该网络目标包括改进欧洲大陆 opportunistic sensing 观测获取，并促进其在 precipitation nowcasting 和 operational hydrological forecasts 中应用；会议页列出 CML、PWS、SML 等机会降水观测方向。

大致内容：这是会议动态，不是单篇论文。会议主题面向商业微波链路、个人气象站、卫星微波链路等机会观测数据源，关注 rainfall sensing、观测网络、软件工具和水文气象应用。会议页当前没有完整详细议程，不能进一步判断是否有 AI 模型、雷达 nowcasting 或公开数据/代码发布。

数据集、模型构建、训练测试方式、效果：会议页没有给出具体论文摘要、数据集、模型或评估结果。只能写作“会议进行中/相关观测数据方向”，不能补写不存在的模型效果。

代码/数据状态：OpenSense 介绍提到开源软件工具持续扩展和使用，但本轮没有从会议页核验到新的具体软件 release 或数据集版本。

一句技术判断：这是与 precipitation nowcasting 输入数据源相关的会议动态，尤其适合跟踪 PWS/CML/SML 在雷达稀疏区域或多源 nowcasting 中的作用，但不是直接 AI radar echo nowcasting 新成果。

与雷达回波预报的相关性：中。机会观测可以作为雷达场外部约束或地面校验，和 Pointwise is Pointless? 中 Netatmo/PWS 对雷达场预报贡献的问题相邻；但它不是雷达序列外推或降水生成模型。

对用户研究的启发：若研究方向涉及多源观测融合，可跟进会后摘要或 proceedings，看是否有 CML/PWS 与雷达合成、雨强校正、实时质量控制或 benchmark 数据；目前不应把会议本身当成 AI 算法进展。

4.3 gsmap-live：仍是 GIF 自动刷新#

来源/平台：GitHub 仓库 sushantakundu/gsmap-live。GitHub Search 对 precipitation nowcasting pushed:>=2026-06-23 的有效返回仍是该仓库。

大致内容：仓库描述为 precipitation nowcast and observation animation。GitHub API 显示最新 push 为 2026-06-24 00:32:18 UTC；最近 3 个 commit 分别在 2026-06-23 06:49:23 UTC、2026-06-23 12:48:06 UTC 和 2026-06-24 00:32:17 UTC，commit message 均为 Auto-update GSMap_Combined.gif，文件列表均只有 GSMap_Combined.gif。

数据集、模型构建、训练测试方式、效果：无。本轮没有新增模型、训练脚本、评估脚本、数据处理脚本或论文说明。

代码/数据状态：仓库仍主要是 GIF 和网页展示，不是 AI nowcasting 代码发布。

一句技术判断：这是低价值可视化自动刷新信号，不能因为 pushed_at 更新就写成 AI 降水临近预报进展。

与雷达回波预报的相关性：低。它与降水可视化相关，但没有雷达回波预测、AI 模型或可复现实验。

对用户研究的启发：后续 GitHub 新鲜度筛选必须检查 commit 文件列表；自动更新图片、README 或网页不应进入主新增表。

4.4 Fenglei-V1 RICAI 论文：直接相关但不是今日新增#

来源/会议：2025 7th International Conference on Robotics, Intelligent Control and Artificial Intelligence (RICAI)，IEEE proceedings。DOI 10.1109/RICAI68060.2025.11384973。Crossref 显示 published print date 为 2025-11-14，created date 为 2026-02-23，deposited date 为 2026-02-24。

大致内容：题名为 A Study on Lightweight Spatiotemporal Correction Algorithm for Fenglei-V1 Radar Echo Nowcasting。从 IEEE/ResearchGate 可见信息看，它面向 Fenglei-V1 雷达回波临近预报的系统性偏差或订正问题，属于直接雷达回波 nowcasting 相邻的算法订正类会议论文。

数据集、模型构建、训练测试方式、效果：IEEE 页面本轮被机器人验证拦截，ResearchGate 只有会议、作者、DOI 和少量摘要片段，没有足够正文支撑完整展开；因此不写具体数据、结构和指标。

代码/数据状态：未发现公开代码、数据或权重。

技术判断：这是直接相关的旧会议论文，但日期和 Crossref 元数据均早于本轮窗口；搜索结果中新出现不等于今天新增。后续若能获取全文，可作为 Fenglei-V1 业务订正/轻量后处理参考。

与雷达回波预报的相关性：高，但不是本轮新增。

对用户研究的启发：值得后续在“旧文回看”中补全文核验，尤其看其是否是模型后处理、偏差订正、空间时间校准，能否与现有深度学习外推模型组合。

5. 已覆盖条目状态复核#

6. 相关方法与启发#

6.1 flow matching / diffusion / generative solver#

本轮 24-48 小时窗口内没有发现新的 flow matching、rectified flow、diffusion 或 generative solver 在 radar/precipitation nowcasting 上的论文、代码或模型权重。FlowCast、PixelFlowCast、LangRetrieval、VMU-Diff 等仍是窗口外已知条目，只有代码、数据、权重、正式状态或复现实验变化时再重复展开。

6.2 satellite-to-radar retrieval 与卫星云场#

本轮没有新的 satellite-to-radar retrieval 发布。新出版的 MTG Cloud Mask 论文不是 S2R retrieval，也不是 precipitation nowcasting；但它证明 MTG-FCI 云掩膜序列可以支撑 0-2 小时 AI 云场预测。对用户研究的实际启发是：卫星云类别/云掩膜可作为雷达稀疏区、对流初生和卫星到雷达补全的上游状态变量，而不是直接替代雷达降水短临。

6.3 雷达质控#

本轮没有新的 AI 雷达质控论文或代码。DeepLab-ARER 等前序条目仍作为异常回波识别/输入质控启发保留，不计今日新增。

6.4 机会降水观测#

OpenSense 2026 说明 CML、PWS、SML 等机会观测仍在进入 precipitation nowcasting 和水文预报应用链。后续重点不是会议本身，而是会后是否公开摘要、软件工具、数据标准或 benchmark；如果出现 PWS/CML 与雷达融合、实时质控或 nowcasting skill 评估，值得单列。

7. 检索记录与排除说明#

• arXiv：检索 precipitation nowcasting、radar echo nowcasting、weather radar nowcasting、radar reflectivity nowcasting、rainfall nowcasting、diffusion precipitation nowcasting、flow matching precipitation nowcasting、satellite-to-radar precipitation、weather radar quality control deep learning，按 submittedDate 排序。主窗口内未发现新的直接条目；最新直接相关仍为 2026-06-18 或更早。
• GitHub：检索 radar nowcasting、radar echo nowcasting、precipitation nowcasting、weather radar nowcasting、satellite-to-radar 且 pushed:>=2026-06-23。唯一有效相关返回为 gsmap-live，commit 文件列表只修改 GIF。已知仓库 Flash-Back-Memory、GSWarpNet、FlowCast、TA-SmaAt-UNet 无新方法状态；SRDiff 仍 404。
• Hugging Face：models/datasets 检索 radar nowcasting、precipitation nowcasting、weather radar nowcasting、RadarNowcasting、FlashBack Memory、GSWarpNet、LangRetrieval、TA-SmaAt-UNet、MTG Cloud Mask nowcasting 等。未发现新模型或数据集；RadarNowcasting 仍是已覆盖的 2026-06-18 checkpoint-only 状态。
• OpenAlex：日期过滤 2026-06-23 至 2026-06-24，直接关键词有效结果为 0。
• Crossref：日期过滤返回 2026-06-23 在线发表的 MTG Cloud Mask 论文，这是卫星云场 AI nowcasting，不是雷达/降水临近预报；同时返回 stock-market nowcasting、书章、生态 flow matching、水轮机 flow matching 等噪声。Fenglei-V1 IEEE/RICAI DOI 定点核验显示其为 2025-11-14 会议论文，Crossref 创建于 2026-02-23，不是本轮新增。
• Semantic Scholar：Graph API 本轮仍返回 HTTP 429，不能作为负结论唯一依据；已用 arXiv、OpenAlex、Crossref、GitHub、Hugging Face 和网页检索交叉补足。
• OpenReview：检索显示 FlowCast、Extreme Weather Nowcasting、RainDiff、RainPro-8、Omni-Weather 等 ICLR/OpenReview 条目，但发布时间或 last modified 均早于本轮窗口；未发现 24-48 小时内状态变化。
• Papers with Code：网页检索未发现本轮新的 radar/precipitation nowcasting 任务、榜单、代码或状态变化。
• AMS/IEEE/AGU/RMetS/EGU/Copernicus：网页检索和 Crossref/OpenAlex 交叉检查未发现主窗口内新的直接 AI radar/precipitation nowcasting 正式上线条目；搜索召回的 GNSS-enhanced radar extrapolation、3D polarimetric radar、NowPrecip 2、AIES/EGUsphere 条目均为前序窗口或旧条目。
• 机构动态：Google DeepMind、ECMWF、NOAA、Met Office、中国气象局/中国天气网未发现本窗口新的雷达回波或降水临近预报 AI 发布。ECMWF/ESA/EUMETSAT 页面有 ML/weather 或 MTG 相关背景，但没有新的 direct radar echo nowcasting 交付物。

8. 下一轮继续跟进#

1. junxuwww/RadarNowcasting 是否补充源码、训练/评估脚本、RGB-dBZ 映射、数据切分、论文、GitHub 仓库或 CMA ECREF 数据授权说明。
2. duyhlzu/Flash-Back-Memory 是否真正发布源码、配置、权重或复现实验。
3. Pointwise is Pointless? 是否补充代码、数据可用性、正式会议/期刊状态或 guided generative assimilation 后续版本。
4. GSWarpNet 是否出现论文、DOI、release、模型权重或新的客观结果；继续保留 SRadar 量化公式 caveat。
5. MTG Cloud Mask 论文是否补充代码、Madeira 样本集、训练权重或 IOP 补充材料；它只作为卫星云场 nowcasting / 上游状态变量启发。
6. OpenSense 2026 会后是否公开详细议程、摘要、软件或数据；重点看 CML/PWS/SML 与雷达降水融合、实时质控或 nowcasting skill 评估。
7. IEEE/RICAI Fenglei-V1 论文若能获取全文，可作为窗口外直接相关回看，重点核验其轻量时空订正是否能作为业务模型后处理。
8. flow matching、diffusion、satellite-to-radar retrieval、雷达质控继续放在相关方法桶中；只有明确涉及雷达/降水临近预报且有新论文、代码、数据或可验证结果时再写入主新增表。