为提升0 - 3小时短临天气预报的精细化水平，改善传统外推方法在强对流天气下细节表达能力不足、预报场平滑模糊的问题，本文提出一种“确定性预报+生成式细节修正”的两阶段雷达回波外推模型。模型旨在充分利用雷达与静止卫星的多源观测信息，在保持大尺度回波移动与演变趋势稳定的同时，有效刻画强对流核区的高频细节结构，实现华南地区未来0 - 3小时、1公里空间分辨率雷达反射率因子的高精度外推预报。
模型采用两阶段架构。第一阶段，构建确定性时空Transformer网络，分别对雷达组合反射率拼图和风云卫星多通道数据使用独立编码器提取时空特征，并通过跨模态交叉注意力机制结合门控融合模块实现两类数据在特征空间的动态融合，以捕捉对流系统的中尺度平流运动与组织形态变化，输出大尺度背景预报场。训练中引入强回波加权均方误差损失以提升模型对强对流区域的关注度。第二阶段，构建条件残差扩散模型，以第一阶段输出的背景预报场及多尺度中间融合特征作为条件，学习确定性预报结果与真实观测之间的残差分布，对局地强回波和中小尺度结构进行生成式修正。同时通过残差正则化约束修正幅度和空间范围，降低虚假回波生成风险，最终获得兼顾大尺度演变稳定性与局地对流细节表达能力的预报结果。
以传统扩散概率模型为基线，本模型在各评估指标上均取得显著提升。整体平均临界成功指数（CSI）从0.0871提升至0.1049，平均频率偏差（BIAS）从10.32改善至1.72。针对不同强度回波阈值，30 dBZ、40 dBZ、50 dBZ和60 dBZ的CSI分别从0.2470、0.0857、0.0155、0.0003提升至0.2858、0.1035、0.0282、0.0022，表明模型在命中率与空报率之间实现了更优的平衡。值得注意的是，50 dBZ和60 dBZ强回波阈值的CSI相对提升幅度最为突出，验证了生成式细节修正模块对强对流核心结构预报信息的重建能力。此外，通过典型强对流个例的回算对比分析发现，模型在长预报时效下的回波强度维持能力具有明显优势。随着预报时效延长至120–180分钟，基线模型的强回波面积与强度呈快速衰减趋势，回波形态亦出现不同程度的破碎化，而本模型得益于扩散模型对确定性预报与实况之间残差分布的精准建模，能够在保持大尺度演变趋势合理的同时，有效延续对流核区的回波强度与结构完整性，一定程度上缓解了传统外推方法中常见的回波耗散与形态溃散问题。
该模型通过雷达卫星多尺度特征融合、门控交叉注意力和条件残差扩散，实现了确定性演变预测与生成式细节修正的协同建模，改善了传统外推方法在强对流预报中的过度平滑与结构失真问题，在0 - 3小时短临预报中准确性较传统模型有所提升。模型为基于卫星与天气雷达融合的深度学习短临预报提供了新的技术路径，具备良好的业务应用前景。

短临预报,雷达回波外推,多源数据融合,Transformer,扩散模型