في ظل التحديات المتزايدة التي تواجه التنبؤ بالأمطار باستخدام تقنيات الرادار، طورت مجموعة من الباحثين شبكة MFC-RFNet، وهي شبكة مخصصة للتنبؤ بتسلسل المطر بدقة عالية. تعتبر الملاحظة الفورية للأمطار من موجات الرادار خطوة حاسمة للتخطيط الاقتصادي والحد من الكوارث، ومع ذلك، لا يزال تحقيق دقة متناهية أمرًا صعبًا.

تتمثل التحديات الأساسية في كيفية نمذجة التطورات المعقدة على عدة مقاييس، وتصحيح الأخطاء الناتجة عن انتقال المميزات بين الإطارات، واستيعاب السياق الزمني والمكاني بطريقة فعالة دون التضحية بجودة البيانات. تأتي MFC-RFNet كإجابة لهذه الصعوبات، حيث تجمع بين الاتصال متعدد المقاييس مع دمج المميزات الموجهة لتحقيق تنبؤات أفضل.

تعتمد الشبكة على مفهوم تواصل المميزات متعدد المقاييس (Multi-scale Feature Communication) لتعزيز التفاعل بين مقاييس البيانات المختلفة، وتستخدم تقنية Wavelet-Guided Skip Connection (WGSC) للحفاظ على التفاصيل الدقيقة في البيانات. يتم تصحيح الانتقالات بين الإطارات باستخدام تقنية Condition-Guided Spatial Transform Fusion (CGSTF)، لضمان انسجام المميزات السطحية.

علاوة على ذلك، تم استخدام تقنيات تعليمية متطورة، مثل التدريب على تدفقات الانسياب الموجهة (rectified flow training)، مما يُمكن النموذج من التعلم بكفاءة واستخراج معلومات دقيقة، حتى في ظل أوقات قصيرة.

الأداء الذي تم تقييمه عبر أربع مجموعات بيانات عامة (SEVIR، MeteoNet، شنغهاي، وCIKM) أظهر تحسينات ملحوظة مقارنة بالأسس المعتمدة، مما يعكس وضوحًا أعلى في التنبؤ بالمطر عند عتبات أعلى، واستمرار الكفاءة على المدد الزمنية الأطول.

تعتبر شبكة MFC-RFNet ذكية في ربط الاتصال متعدد المقاييس مع تقنيات الدمج المكاني، مقدمةً بذلك نهجًا فعّالًا للرصد المباشر للأمطار عبر الرادار، مما يعد بفتح آفاق جديدة في مجال الأرصاد الجوية.