2026-07-13 雷达回波 AI 进展日报#

检索时间：2026-07-13 23:22-23:40 +08
主窗口：2026-07-12 13:10 +08 至 2026-07-13 23:40 +08（覆盖上次自动化运行后约 34.5 小时）
48 小时缓冲：向前回看至 2026-07-11 13:10 +08，用于覆盖 DOI/平台索引延迟和上一轮边界遗漏。
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；同时单列雷达质控、自适应雷达观测和卫星降水建模等相关方法。

0. 总体判断#

本轮发现 1 条 direct radar echo extrapolation 新论文记录：ST-HFNet。 它是 ICIC 2026 / Springer LNCS 会议论文，Crossref 于 2026-07-13 新建 DOI，Springer 页面标注 2026-07-14 First Online。当前可访问证据只有摘要：确认使用 Shanghai Dataset、时空门控注意力和层次特征融合，但无法核实输入输出长度、数据划分、基线和具体分数。因此它应列为“直接且值得跟进”，暂不能写成已充分验证的性能突破。

本轮另有 3 条相关但不属于直接雷达回波临近预报的更新：

1. Journal of Tropical Meteorology 上线中国业务双偏振天气雷达鸟回波识别论文。它是局地化模糊逻辑与偏振量订正流程，不是深度学习，也不预测未来回波；价值在于 nowcasting 训练数据与实时输入的生物杂波质控。
2. AMS Bulletin of the American Meteorological Society 发表 Connected Radar。它提出云端多传感器、信息增益驱动的自适应雷达实验框架，并把自监督学习、不确定性估计和主动采样放入雷达扫描闭环；这是观测与实验范式论文，不是 nowcasting 模型或指标论文。
3. GitHub holys519/solafune_precipitation_nowcasting 增加 tile 内定位网络、后处理和多 seed 集成实验。任务仍是静止卫星到 GPM-IMERG 降水栅格回归，不是天气雷达。新代码中有可迁移的 wet-mask、多尺度定位损失思路，也有利用训练/评测空间重叠真值的 patch；后者属于竞赛泄漏型技巧，不能当作可泛化的科学进展。

未发现新的 arXiv direct 预印本、官方雷达 nowcasting 模型权重或公开雷达数据集。 RadarEchoMamba、ST-Mamba-LDM、QuarkOther/RadarNowcastingAI、FlowCast 等重点条目没有可升级状态。

1. 新增与状态变化表#

2. 条目详情与技术判断#

2.1 ST-HFNet#

来源/期刊或会议/平台：Huantong Geng、Yitong Zhang、Han Zhao、Kefei Ma、Meijing Shi，ICIC 2026（22nd International Conference on Intelligent Computing，Toronto，2026-07-22 至 07-26）会议论文，Springer Lecture Notes in Computer Science，书名 Advanced Intelligent Computing Technology and Applications，页码 594-605，DOI 10.1007/978-981-92-3384-7_50。Crossref 在 2026-07-13 13:24 UTC 创建记录；Springer 标注 First Online: 14 July 2026，纸本元数据为 2027。日报据此写成“新建 DOI/提前可见页面”，不把 7 月 13 日误写成 Springer 正式在线日。

大致内容：研究把雷达回波外推视为时空序列预测，针对深度学习外推中跨帧运动依赖刻画不足、随时效增长出现强度衰减和形态变形的问题，提出 Spatiotemporal Hierarchical Fusion Network。模型包含两项公开摘要可核实的核心设计：

• Spatiotemporal Gated Attention Module，同时建模短程和长程时空依赖，以提取跨帧回波运动特征；
• Hierarchical Feature Fusion Module，通过跨层特征整合增强空间表征。

数据集：摘要只写 Shanghai Dataset。本轮没有证据证明它与常用的 Shanghai-2020 完全相同，因此不擅自等同；样本年份、雷达类型、空间/时间分辨率、输入帧和预测帧数量均未核实。

模型构建、训练测试方式与效果：公开摘要只称在 Shanghai Dataset 上优于已有模型，没有给出训练/验证/测试划分、损失函数、优化器、训练轮数、比较基线、CSI 阈值、SSIM/MSE 数值或计算成本。Springer PDF 下载端返回付费拦截 HTML，无法从正文补全这些字段。技术判断只能停留在“结构上针对跨帧运动与多层空间特征融合，摘要声称有优势”，不能写成全面 SOTA 或强回波预报已显著改善。

代码/数据状态：GitHub 精确检索 ST-HFNet、题名和 DOI 均未发现对应仓库；Hugging Face 未发现相关模型或数据。未发现 release、权重、训练脚本、数据下载或许可证。这里的“未发现”受公开检索覆盖限制，不是严格证明作者未提供代码。

与雷达回波预报的相关性：直接相关。任务就是雷达回波外推，不是中长期 AI 天气模式，也不是单纯 QPE、卫星反演或水文预报。

对用户研究的启发：可重点评估“运动依赖模块”和“层次融合”是否真正提升高阈值 CSI/FSS，而不仅是降低像素误差。若复现，可增加显式帧差/光流诊断、强回波对象位移和形态保持指标，并与计算量较低的 Mamba/ConvRNN 基线公平比较。

2.2 中国业务双偏振雷达鸟回波识别与订正流程#

来源/期刊或平台：Yuhong Yang、Wang Huiying、Zhang Zhiqiang、Liu Liping 等，Journal of Tropical Meteorology，DOI 10.3724/j.1006-8775.2026.015。SciEngine 页面给出 received 2024-12-12、accepted 2026-04-14、online published 2026-07-13；Crossref 同时给出 2026-06-01 print issue。日报采用 7 月 13 日作为在线上线时间，并保留纸本日期差异。

大致内容：中国业务双偏振雷达的差分反射率 Z_DR 存在偏差，相关系数 rho_HV 又明显受信噪比影响，导致鸟回波、降水回波和晴空气象回波的偏振特征重叠。研究先做阈值检查、质量控制、偏振量订正和派生量计算，再根据概率密度分布计算适用于中国业务双偏振雷达的隶属函数与权重，建立局地化模糊逻辑识别模型。

数据集：摘要确认使用营口 Z9417 S 波段双偏振雷达的人工核验鸟回波个例。公开摘要未给出个例日期、数量、扫描模式、训练/验证区域或跨站样本，不能据此判断全国业务泛化能力。

模型构建、训练测试方式与效果：这不是神经网络训练任务，不适合套用训练/测试集表述。作者以人工核验个例估计概率密度、构建隶属函数和变量权重，并把聚合隶属度阈值优化为 Q = 0.82。摘要报告：晴空条件下可区分鸟回波与晴空回波；降水个例中订正后参数去除了降水回波，相比原始变量将 false rejection rate 降低 0.26%；鸟与降水空间共存时保留了环状鸟回波并抑制降水回波。上述结论是摘要中的个例结果，不应外推为所有雷达、季节和降水类型都能“完全消除”误判。

代码/数据状态：未发现对应 GitHub/Hugging Face 仓库、公开雷达个例、隶属函数参数文件或可运行程序。SciEngine 标出 PDF 链接，但本轮服务器返回 0 字节响应，正文未成功下载；因此样本量、变量清单和完整混淆矩阵仍待核实。

与雷达回波预报的相关性：不是直接 nowcasting，而是输入质量控制。鸟、虫等生物杂波会污染回波序列，使模型把非气象环状结构学成可预报信号；在训练前和实时推理前提供质量标记或掩膜，可能比单纯依靠模型自行忽略更稳健。

技术判断与启发：最有价值的不是模糊逻辑本身，而是“先订正站点偏差和 SNR 依赖，再做分类”。用户研究中可把 QC mask、订正前后差值和不确定性作为附加通道，并做跨站、跨季节和鸟-降水共存条件的独立验证；不能用单站人工个例直接宣称全国可迁移。

2.3 Connected Radar#

来源/期刊或平台：Pavlos Kollias、Edward Luke、Katia Lamer、Hendrik Hamann 等，AMS Bulletin of the American Meteorological Society，DOI 10.1175/BAMS-D-25-0307.1，Crossref created/published 为 2026-07-13。作者机构包括 Stony Brook University、Brookhaven National Laboratory 和 McGill University。

大致内容：论文认为雷达等观测系统仍多以独立设备和固定/启发式扫描策略运行，无法充分捕捉快速演变现象。作者从 Multisensor Agile Adaptive Sampling（MAAS）项目提炼 Connected Radar 概念：把雷达、卫星、闪电、相机、无人机和云端数据融合连接为受控实验基础设施，扫描决策由科学目标与信息增益驱动，而不是仅由预设体扫策略驱动。

数据集、模型构建、训练测试与效果：公开摘要没有新的 benchmark 数据集、具体神经网络、训练测试划分或 nowcasting skill 分数。AI 被用于连接观测动作与实验结果，具体方向包括自监督学习、不确定性估计和主动采样；它更接近研究议程/系统架构论文，而不是已完成的端到端模型比较。

代码/数据状态：未在论文元数据中发现配套代码、权重或独立数据 DOI。本轮未把 MAAS 既有材料自动视为这篇论文的新代码发布。

与雷达回波预报的相关性：不是直接 nowcasting，但与上游观测密切相关。对快速发展对流，依据 nowcasting 不确定性动态增加目标区域体扫频率，可能改善训练标签与实时初值；它解决的是“观什么、何时观、如何闭环”，不是“如何从过去回波生成未来回波”。

技术判断与启发：概念价值较高，实证证据当前有限。可在用户研究中把 forecast uncertainty、对象生消概率或强回波遗漏风险转化为扫描优先级，先在历史回放中验证“自适应采样是否提升固定算力下的 nowcasting skill”，再讨论业务闭环。

2.4 holys519/solafune_precipitation_nowcasting exp018 / exp026 / exp027#

来源/平台：GitHub，commit 3e1c1ecf0d4d3d8f8e202566ec583844897512cb，提交时间 2026-07-12 18:04 UTC（北京时间 2026-07-13 02:04）。无论文或 DOI。

大致内容：仓库任务仍是“最近 30 分钟多光谱静止卫星观测 -> calibrated GPM-IMERG precipitation GeoTIFF”，外部数据禁止。此次更新包含三组主要实验：

• exp018：在 exp016 hurdle log-normal 框架上增加 4 层高分辨率 U-Net；输入在 128 x 128 上处理后 adaptive average pooling 到原生 41 x 41；加入独立 wet-mask 辅助头，阈值 target >= 0.25，使用 BCE + soft Dice，并叠加原生/2x/4x pooled 多尺度预测损失。三种配置用于拆分 high-resolution、mask 和 multi-scale 的贡献。
• exp026：把 exp014 的空间重叠 GPM 真值复制 patch 应用于 exp024 的 exp016/exp017 混合结果。README 记录 exp024 混合公开分数 0.6919274860606568，但 exp026 仍是待提交实验，README 中的约 0.673 只是预期值，不是结果。
• exp027：利用 exp025 已训练的 exp017 多 seed checkpoint 做 5-fold 推理，和 exp016/exp017 以两种权重混合，再叠加 overlap patch；README 明确 cloud run 和 leaderboard 验证仍待进行。

数据集：竞赛输入为 Himawari 8/9、GOES、Meteosat，多时次卫星影像；目标为 GPM-IMERG 降水。仓库说明评测地点与训练地点不重叠，但又发现 3 个局部空间覆盖区域可直接复用同时间训练 GPM 真值，这构成 exp014/026 的 patch 来源。

模型构建、训练测试方式与效果：exp018 已做 CPU forward/backward 与语法检查，单 fold 云端消融尚未运行；因此没有新 CV 或公开榜结果。exp026/027 是后处理/集成方案，代码已 smoke test，但本轮没有新的已提交分数。已存在的 exp024 公开分数 0.691927 是仓库记录，不是独立复现结果。

代码/数据状态：实验代码、配置和 README 公开；竞赛数据、checkpoint、预测 TIFF 和 submission zip 未公开，未发现 formal release/tag。代码仓库未见学术论文。

与雷达回波预报的相关性：属于相关方法，不是天气雷达，也不预测雷达回波。可迁移部分是稀疏降水的 occurrence/intensity 分解、wet-mask 辅助监督、多尺度定位损失和多 seed 稳定性分析。

技术判断与启发：exp018 的定位型监督值得借鉴，尤其适合评估强回波边界、雨区质心和 FSS。exp026/027 中利用评测空间重叠真值的 patch 不具备业务可用性，应在研究结论中与可泛化模型能力彻底分开；即使公开榜继续提升，也不能记为卫星降水建模的科学增益。

3. 重点条目状态复核#

4. 来源覆盖与限制#

• arXiv：对 radar echo nowcasting、precipitation nowcasting、weather radar nowcasting、radar + nowcasting + deep learning/AI、生成式 nowcasting、satellite-to-radar 等组合按 submitted date 查询；未见 2026-07-11 之后的新 direct 预印本，最新直接相关结果仍是 6 月既有条目。
• Crossref/出版商：以 created date 2026-07-11 至 07-13 检索并核对 DOI 页面，确认本轮 3 条论文记录。ST-HFNet 的 Springer 在线日期为 7 月 14 日，日报已与 7 月 13 日 Crossref 创建时间分开；鸟回波论文的 online 与 print issue 日期也分开。
• OpenAlex / Semantic Scholar：所有相关查询返回 429 Too Many Requests。这是来源限制，不是无新增证据。
• OpenReview：公开检索未见相关条目在本窗口更新；能定位到的 SDIR、FlowCast 等条目最近修改日期均早于本窗口。没有把 submitted to 或作者备注升级为正式录用状态。
• Papers with Code：API 路径本轮返回普通 HTML 而非结构化 API JSON；公开检索未发现本窗口新任务页/代码状态。结果可能不完整。
• GitHub：仓库搜索只发现 holys519/... 和 GIF-only gsmap-live 的新推送；已逐 commit 核查改动文件。重点 direct 仓库的 HEAD 另用 git ls-remote 复核。
• Hugging Face：对 model/dataset 的 precipitation nowcasting、radar nowcasting、radar echo 查询未发现截止窗口后的完整新发布。
• AMS/IEEE/AGU/RMetS/EGU：Crossref 与站内/网页检索确认 AMS 的 Connected Radar；未发现 IEEE、AGU、RMetS 或 EGUsphere 在本窗口内新增的 direct radar echo nowcasting 条目。搜索结果中的旧论文不重复计入。
• 机构动态：Google DeepMind、ECMWF、NOAA、Met Office、中国气象局站点未发现本窗口内新的 direct 雷达 AI nowcasting 模型、代码、权重或数据发布。ECMWF 7 月 15 日 StormScope seminar 仍是下一跟踪点，但不属于今日新模型。

5. 值得继续跟进的主题#

1. ST-HFNet 正文与代码：确认 Shanghai Dataset 的确切版本、输入输出时长、强回波阈值、基线、分数和参数量；在这些信息出现前不做 SOTA 判断。
2. 雷达质控进入 nowcasting 数据链：关注鸟回波论文的完整变量、样本量、混淆矩阵与跨站验证，评估 QC mask/置信度作为模型通道是否优于简单删除像素。
3. 不确定性驱动的自适应雷达扫描：把 Connected Radar 的 information gain / active sampling 转化为可回放评估的扫描策略，与固定体扫在相同观测预算下比较。
4. 局地结构损失与 benchmark 泄漏分离：借鉴 exp018 的 wet-mask、雨区质心和多尺度损失；明确排除 exp026/027 的重叠真值 patch，避免把 leaderboard 技巧写成科研改进。
5. StormScope 后续材料：跟踪 ECMWF 2026-07-15 seminar 的 slides/video，核实 0-3 h object-based probabilistic scores、WoFS 比较和 storm initiation 个例。

6. 一句话结论#

本轮有一条值得进入 direct 跟踪表的 ICIC 2026 雷达回波外推论文 ST-HFNet，但量化证据和代码尚缺；另外两篇新论文分别提供雷达质控与 AI 自适应观测启发，GitHub 更新则提供局地结构监督思路但同时暴露了不可泛化的竞赛泄漏技巧。