2026-07-20 雷达回波 AI 进展日报#

生成时间：2026-07-20 13:05–13:18 +08（Asia/Shanghai）

检索窗口：主窗口从工作区上一份实际日报完成时间 2026-07-19 13:15 +08 至 2026-07-20 13:18 +08；48 小时缓冲向前回看至 2026-07-18 13:15 +08。去重依据为 2026-07-19 日报、tracked_items.md 和自动化记忆。

0. 总体判断#

过去主窗口及 48 小时缓冲内，未发现新的高价值 direct 深度学习/AI 雷达回波序列外推、雷达降水临近预报论文、arXiv 预印本、官方模型权重或公开雷达 nowcasting 数据集。

今天的网页检索重新浮现了两篇 direct 雷达回波临近预报论文：扩散模型 NowcastDiff 和多参数双偏振雷达融合模型 PIEE。但出版页和外部时间证据分别指向 2026 年 5 月、2026 年 4 月，明显不在本轮 24–48 小时窗口。两篇均作为“窗口外高相关回看”详细记录，不计作今日新增。

1. 24–48 小时新增条目表#

这里的“未发现”只表示在已成功访问和交叉核验的来源中没有确认新增；接口限流、TLS 失败或页面 403 不被当成“该来源确定没有新增”的证据。

2. 窗口外高相关回看：不计作今日新增#

2.1 Uncertainty-aware precipitation nowcasting with diffusion model simulating precipitation evolution processes / NowcastDiff#

来源与日期：论文发表于 Elsevier Engineering Applications of Artificial Intelligence，DOI 10.1016/j.engappai.2026.115140，卷期页显示 Volume 178, Part 2、2026-08-15、article 115140。可检索到的中文二次报道已在 2026-05-22 介绍该文，说明它不是本轮 7 月 19–20 日新增；搜索引擎“昨天抓取”只是索引时间，不能替代论文公开时间。

数据集：实验使用两个天气雷达序列数据集。Radar Shanghai 来自上海浦东 WSR-88D 双偏振多普勒天气雷达的组合反射率，时间范围为 2015 年 10 月至 2018 年 7 月、时间间隔 6 分钟；另一个是 CIKM AnalytiCup 2017 雷达数据集，论文简称 Radar CIKM。当前可访问页面没有完整给出两套数据的训练/验证/测试年份切分、事件隔离方式和极端样本数。

模型构建：NowcastDiff 不直接对未来图像做一次映射，而是先用 evolution-feature autoencoder 依据降水连续性方程，将演变拆为运动场与强度残差；随后以历史演变特征为条件，由带时空注意力的 U 形扩散网络 STA-UNet 外推未来演变特征，最后再解码为未来雷达/降水场。设计目标是把随机性放在“演变特征”空间，而不是对整幅未来图像无约束采样。

训练测试与效果：论文采用两阶段训练，先学习空间/演变表征，再训练条件扩散外推。作者摘要称在两个真实雷达数据集上，相对所比较的现有方法，高强度降水的 CSI 至少提高 10.9%，HSS 至少提高 9.8%。但当前公开摘要没有给出这些百分比对应的具体阈值、lead time、基线、绝对分数与统计不确定性，因此不能写成“所有阈值、所有时效均领先”，也不能仅凭扩散模型标签认定概率校准良好。

代码与数据状态：未发现论文专用的官方 GitHub/Hugging Face 仓库、权重、训练日志或整理后的 Radar Shanghai 数据包。CIKM 数据属于既有竞赛数据线索，但不能据此写成本文训练材料已完整公开。

技术判断、相关性与启发：这是直接 radar precipitation nowcasting，科学问题与用户研究高度相关。可借鉴点是把平流运动与强度生消残差显式分解，再让生成模型集中拟合不确定部分；需要重点复核的是两阶段训练是否引入教师信息、运动/残差分解在测试阶段如何获得、强回波提升是否伴随 FAR 或空间位移误差增加，以及单次生成与真正集合概率预报的区别。

2.2 Improving precipitation nowcasting via multiphysical parameter fusion in radar echo extrapolation / PIEE#

来源与日期：论文发表于 Elsevier Journal of Hydrology，Volume 668（2026 年 4 月），article 134947，DOI 10.1016/j.jhydrol.2026.134947。这是 4 月正式论文，不是今日新增；本轮把它记录为未被此前 tracker 收录的窗口外 direct 参考。

数据集：论文使用同一部天气雷达同网格、同时次的五个雷达物理量：水平反射率 ZH、差分反射率 ZDR、比差分相移 KDP、共极化相关系数 rhoHV 和速度谱宽 sigmaV。出版社可访问页只称其为真实多参数雷达回波数据集，没有公开站点、年份、事件数、空间范围、采样间隔与训练/测试切分；不能从作者单位或题名推断具体雷达和地区。

模型构建：PIEE 使用三阶段 encoder–feature extractor–decoder 结构。多模态 encoder 以 Inter-Intra 双分支分别提取模态内和模态间信息，再用注意力融合；中间使用 gated spatiotemporal self-attention 建模时间演变；decoder 输出未来 ZH 回波。作者所说的“physics-informed”指共定位双偏振物理量与结构先验输入，并不是以 PDE 残差或守恒律作为 PINN 损失。

训练测试与效果：论文比较了反射率单变量与多变量版本，并做不同雷达变量组合的消融。作者摘要称，多参数融合在高回波区（不低于 40 dBZ）对 CSI 和 HSS 的最大相对提升分别达到 24.2% 和 20.3%。当前可访问页没有给出绝对分数、各 lead time 曲线、事件独立性或误报代价，因此只能写成“作者实验中的最大相对提升”，不能写成全面 SOTA 或业务泛化已验证。

代码与数据状态：未发现论文专用代码、权重、数据下载或公开预处理脚本；出版社全文需要机构权限。摘要与页面足以确认任务、五个变量、总体架构和相对效果，但不足以复现实验。

技术判断、相关性与启发：这是直接雷达回波外推。它最值得借鉴的是采用同雷达、同分辨率、天然共配准的双偏振变量，避开雷达—NWP—卫星早/中期融合中的插值误差。对用户研究的实际启发是优先测试“反射率主干 + 物理量条件分支”并做变量缺失鲁棒性和逐阈值消融；在业务上还需考虑 KDP/ZDR/rhoHV 质控、远距离衰减和部分站点缺变量，否则离线多变量增益可能难以稳定迁移。

3. 代码、平台与机构状态复核#

3.1 代码与模型仓库#

• GitHub 新近关键词检索没有确认 7 月 19–20 日创建或实质更新的完整雷达 nowcasting 仓库。搜索结果主要是旧仓库、综述清单和自动可视化页面。
• sushantakundu/gsmap-live 的公开树仍只显示 GSMap_Combined.gif 与 index.html，没有模型、训练、评估或数据处理交付物，继续列为低价值排除；不能把高频 GIF 更新当成 AI 方法进展。
• ST-Mamba-LDM 公开页仍显示 8 次提交、无 release，训练框架可见但无新权重/结果表状态可确认；RadarNowcastingAI、budva-radar、ERAD course、PW-FouCast 和 CompVis/weather-rf 未检索到本窗口可核实的新状态。
• 本轮 git ls-remote 因 Windows Schannel SEC_E_NO_CREDENTIALS 失败，GitHub commit Atom 页面也有 cache miss；因此“未见新状态”是基于可访问网页和搜索结果的保守结论，不等同于这些仓库被完整逐 commit 证明未变化。

3.2 文献平台与期刊页#

• arXiv：检查 precipitation nowcasting、radar nowcasting、radar echo extrapolation、diffusion/flow matching + precipitation、satellite-to-radar retrieval 等组合；没有检索到 2026-07-18 之后提交或更新的相关 2607.* direct 条目。旧稿与旧版本不重复列入。
• Crossref / OpenAlex / Semantic Scholar：Crossref REST 在本机出现 TLS/connection reset，OpenAlex/arXiv 批处理亦因超时未形成完整结构化结果；已用 DOI 精确搜索、出版社页和多组网页检索补偿。搜索引擎的“crawl yesterday”不作为出版日期。Semantic Scholar 没有提供可确认的新 direct 条目；接口不可用不作负面证据。
• OpenReview / Papers with Code：检索出的 precipitation nowcasting 页面均为 2026 年 4–6 月既有投稿或会议论文；例如 SDIR 页面最后修改为 2026-06-24，没有 24–48 小时内的新状态。Papers with Code 未见新任务页、代码绑定或 benchmark 更新。
• AMS / IEEE / AGU / RMetS / EGU-Copernicus：搜索结果均为 7 月 18 日前的已跟踪条目或更早论文，没有确认本窗口内的新 direct 论文/会议状态。旧期刊文章不能因页面今天被重新抓取而升级为新增。

3.3 重点机构#

• Google DeepMind：未见本窗口新的雷达降水临近预报发布；检索返回的 DGMR 博文和 Nature 论文是 2021 年既有成果。
• ECMWF：新闻列表最新可见条目仍主要是 7 月 10 日以前的区域试点、earthkit 和中长期 MLWP/观测同化信息；7 月 14 日 Anemoi/E-AI MLP 文章已在此前日报跟踪，且不是 direct radar nowcasting。
• NOAA / Met Office：未确认本窗口 direct 雷达 AI 交付物。Met Office FastNet 是 7 月 8 日全球 MLWP 物理一致性研究，不属于短临雷达；NOAA 搜索结果以资料页和旧报告为主。
• 中国气象局：未检索到 7 月 19–20 日新的“风雷”版本、代码、数据或论文发布；搜索结果主要是 2024–2025 年 SWAN3.0/风雷业务宣传与既有能力说明，不重复计入。

4. 值得继续跟进的主题#

1. NowcastDiff 的可复现性与真实概率性：寻找全文、作者代码、训练/测试划分、扩散采样数、集合规模、CRPS/可靠度和逐阈值逐 lead-time 表，尤其检查运动—强度分解在推理阶段是否完全可得。
2. 同雷达多参数融合而非异源插值融合：围绕 PIEE 对 ZDR/KDP/rhoHV/sigmaV 做变量质量、距离依赖、缺测鲁棒性和跨站迁移；将“物理输入”与“物理约束损失”严格区分。
3. 强回波指标不要只看最大相对提升：后续遇到 10.9%、24.2% 这类摘要数字，优先还原绝对 CSI/HSS、阈值、时效、基线和 FAR；避免把单个最佳格点或阈值写成总体性能提升。
4. 生成式模型的效率—校准—真实性三者联评：flow matching、rectified flow 与 diffusion 应在相同编码器、相同数据和相同采样预算下比较，并同时报告 CSI/FSS、CRPS/可靠度、推理时间和极端事件表现。
5. 代码状态触发器：继续观察 ST-Mamba-LDM、RadarNowcastingAI、budva-radar、ERAD course、PW-FouCast、FREUD/weather-rf；只有出现新 checkpoint、release、结果表、完整 notebook/data 或论文状态升级时才再次写入新增。

5. 今日结论#

今日结论是明确的负结果：没有确认 24–48 小时内的新高价值 direct 雷达回波 AI 临近预报成果。 两篇重新浮现的 direct 论文虽有研究价值，但分别属于 5 月和 4 月，应作为窗口外技术参考，而不是 7 月 20 日新增。当前最值得做的是补全这两篇的代码、划分和逐时效指标证据，而不是扩大“今日新增”数量。