[目的]随着低空经济等应用场景的发展，对百米级三维风场精细化预报的要求不断提高，传统数值模式依旧难以实现分钟级、百米量级的快速降尺度的问题，[资料和方法]基于北京地区8部风廓线雷达观测资料与1 km × 1 h东亚再分析系统（EARS）数据，构建了低空百米级三维风场降尺度数据集，设计了低空风场降尺度预测架构并训练风场降尺度模型（LADW-RAttn），该模型可以实现单站以及区域三维风场6分钟间隔、270~1110m内的低空风场预测。[结果]结果表明，所提出的LADW-RAttn模型在270～1110 m低空风场预测中综合性能最优，整体平均风速RMSE和风矢量RMSE分别达到2.326 m/s和3.423 m/s，均优于LADW-Former、LADW-CNN、LADW-ConvFormer及LADW-RAttnNP等对比模型。消融实验验证了物理约束损失能够有效抑制高层及长时效预测中的误差累积，提高复杂风场预测的稳定性和物理一致性。三次典型天气过程的样例验证表明，模型能够稳定实现未来1 h单站低空风场预测，并有效预测区域三维风场的精细结构及演变过程，体现出良好的泛化能力和业务应用潜力。[结论]所提出模型能够有效融合物理约束与深度学习时空特征建模优势，为低空三维风场降尺度及临近预报提供了一种高效、可靠的方法。
 

低空风场；风场降尺度；风廓线雷达；深度学习