闪电作为常见自然灾害之一对人的生命以及工业基础设施有重大威胁,精细时空分辨率下的闪电临近预警对这种灾害的预防具有重要意义。然而,由于雷暴发展的不稳定性,该任务在气象预报领域仍具有重大挑战。本文考虑了闪电的时间特性和空间特性,将闪电临近预警问题归类为时空序列预测问题,并提出了两种闪电临近预警解决方案。第一,本文提出了一个主从时空预测网络模型MSTNet实现闪电的临近预警。模型的输入包括两种时空数据:历史闪电观测与雷达回波。MSTNet利用主从时空预测网络分别对两种数据特有的时空规律进行挖掘:主预测网络用于建模历史闪电与未来闪电之间的强时序关系;从预测网络则负责推演发展相对稳定的雷达回波,为预测未来闪电提供间接支撑。主从预测网络提取得到的特征通过一个融合模块实现信息互补,基于融合特征完成对闪电有无以及强度的临近预警。第二,本文提出了一种闪电数据缺失场景下的端到端的闪电临近预警模型ARLNet,仅使用历史雷达回波数据对未来时刻的闪电进行高时空分辨率场景下的临近预警,这种使用异构数据的时空序列预测方法对模型的特征提取能力有很大的考验,为了解决这一问题,ARLNet采用了两种不同的注意力机制——基于地缘特征的注意力机制与基于空间域的注意力机制——加强模型的特征提取能力,促使模型学习雷达数据与闪电数据的内在联系,在仅使用雷达回波数据的情形下实现了精细时空分辨率下的闪电临近预警。本文模型在我国华南地区实际采集的数据集（随论文一同发布）上进行了实验,结果表明两种模型相比于其他先进的时空序列天气预报模型具有明显优势。