<p class="ql-block">临近预报（Nowcasting）是预测强天气现象的核心工具，对于防灾减灾工作具有关键意义。然而，现有临近预报模型往往受限于天气背景信息输入不足，存在一定局限性。本研究提出 “后期融合风场 UNet（LFWF UNet）模型”，该模型通过融合雷达观测数据与三维风场信息，补充完善对流系统发展所需的三维物理背景信息，有效提升了预报性能。</p><p class="ql-block">此外，针对直接多通道融合过程中存在的串扰效应，本研究进一步提出一种创新型变量融合方法。经多项指标评估验证，结果表明：在逐点评估、二元诊断评分及计算机视觉评估指标三个维度上，LFWF UNet 模型的性能均优于其他方法。此外，雷达数据与多层风场数据的协同应用进一步提升了预报精度。</p><p class="ql-block">综上，融合多维度物理风场信息的方法在临近预报领域具备良好应用前景，可有效优化外推预报结果。</p><p class="ql-block"><b>论文引用：</b></p><p class="ql-block"><b>Zhou L, Zhi X, Wang G, et al. Fusion of dual wind component for radar echo nowcasting based on a deep learning model. Earth and Space Science, 2025，12, e2024EA004128. https://doi.org/10.1029/2024EA004128</b></p><p class="ql-block"></p><p class="ql-block"></p><p class="ql-block"></p><p class="ql-block"></p>