La predicción de precipitaciones es un aspecto inmensamente significativo de la predicción meteorológica. Las predicciones meteorológicas precisas facilitan servicios en sectores como el transporte, la agricultura y el turismo. En los últimos años, las técnicas de extrapolación de ecos de radar basadas en aprendizaje profundo han encontrado aplicaciones efectivas en la predicción de precipitaciones. Sin embargo, la capacidad de los métodos existentes para extraer y caracterizar características espaciotemporales complejas de las imágenes de ecos de radar sigue siendo insuficiente, lo que resulta en una precisión de predicción subóptima. Este artículo propone un nuevo algoritmo de extrapolación basado en un codificador-decodificador de doble rama y una Unidad Recurrente Gated Espaciotemporal. En este modelo, la estructura del codificador-decodificador de doble rama codifica de manera independiente las imágenes de ecos de radar en los dominios temporal y espacial, evitando así la interferencia entre la información espaciotemporal. Además, introducimos un Módulo de Atención de Canal Multiescala (MSCAM) para aprender información de características globales y locales de cada capa del codificador, mejorando así el enfoque en los detalles de la imagen de radar. Además, proponemos una Unidad Recurrente Gated de Atención Espaciotemporal (STAGRU) que integra mecanismos de atención para manejar la evolución temporal y las relaciones espaciales dentro de los datos de radar, permitiendo la extracción de información espaciotemporal de un campo receptivo más amplio. Los resultados experimentales demuestran la capacidad del modelo para predecir con precisión los cambios morfológicos y las trayectorias de movimiento de las imágenes de radar en conjuntos de datos de radar reales, exhibiendo un rendimiento superior en comparación con los modelos existentes en términos de varias métricas de evaluación. Este estudio mejora efectivamente la precisión de la predicción de precipitaciones en imágenes de ecos de radar, proporciona soporte técnico para la predicción a corto plazo de precipitaciones y tiene buenas perspectivas de aplicación.