Prognozy modeli nowcastingowych coraz częściej są wykorzystywane jako wejście do modeli hydrologicznych typu opad-odpływ. Podstawowym sposobem ich obliczania jest ekstrapolacja (adwekcja) bieżącego pola opadu, zgodnie z wyznaczonymi wektorami przemieszczenia. Największym ograniczeniem tej metody jest brak uwzględnienia dynamiki (ewolucji) pola, co istotnie wypływa na dokładność prognoz. Spada ona szybko z wydłużaniem czasu wyprzedzenia, co widoczne jest szczególnie podczas sytuacji konwekcyjnych. Dlatego obecnie kładzie się nacisk na metody pozwalające uwzględnić ewolucję pola opadu. Z analizy literatury wynika, że modele cyklu życia komórek nie są wystarczające do istotnej poprawy jakości prognoz, dlatego badane są inne podejścia. Niniejszy artykuł przedstawia zastosowanie modelu autoregresyjnego AR(2) do uwzględnienia zmienności pola. Prezentowany model SNAR (Spectral Nowcasting with Autoregression), rozwijany w IMGW ma na celu zwiększenie sprawdzalności prognoz nowcastingowych dla większych czasów wyprzedzenia. Proponowane są dwa nowatorskie rozwiązania: I) rozkład pola na składowe zależne od skali przestrzennej, II) prognoza oparta na modelu autoregresyjnym rzędu drugiego. W artykule przedstawiamy opis algorytmów używanych w SNAR oraz pierwsze uzyskane rezultaty.