近日，沙漠气象研究所曾康、刘军建等在《Remote Sensing》发表了题为“Cross-Regional Transfer Learning for Radar Echo Extrapolation in Northwestern Xinjiang, Western China”的研究论文。

针对中国西部内陆地区代表性灾害性天气事件和高反射率雷达回波样本相对稀缺、制约深度学习雷达回波外推模型本地训练的问题，研究采用“源域预训练—目标域微调”的跨区域迁移学习策略，以华东为源域、新疆西北部为目标域，对 PredRNN、SimVP 和 Earthformer 三种代表性模型架构开展统一对比，并进一步以 SimVP 为例，分析目标域数据量及不同模块迁移对预报性能的影响。

图1 雷达回波迁移学习区域示意图 (a) 研究区域位置；(b) 目标域—新疆西北部；(c) 源域—华东。

研究认为，预训练有助于提高有限目标域数据的利用效率，但持续积累代表性本地灾害性天气观测仍十分必要。该研究支持迁移学习在华东至新疆场景中的实际应用，同时指出迁移增益受气象条件和雷达观测差异共同影响，其更广泛的适用性仍需在不同区域和模型架构中进一步验证。

该研究以沙漠气象研究所为第一单位，曾康为第一作者，刘军建为通讯作者。该研究得到“天山英才”培养计划“三农”骨干人才项目（2024SNGGNT090）, 新疆维吾尔自治区重点研发计划（2025B03029）和新疆维吾尔自治区自然科学基金（2024D01D34）共同资助。

论文链接：https://doi.org/10.3390/rs18183209

（作者：曾康  校对：钟玉婷  审核：刘红霞）