El rayo es un fenómeno meteorológico peligroso, caracterizado por ocurrencias repentinas y distribuciones locales complejas. Plantea desafíos significativos para la predicción precisa, que es crucial para la seguridad pública y la estabilidad económica. Los métodos de aprendizaje profundo suelen ser mejores que los modelos tradicionales de predicción numérica del tiempo (NWP) para capturar los predictores espaciotemporales de los eventos de rayo. Sin embargo, estos métodos tienen dificultades para integrar predictores de diversas fuentes de datos, lo que conduce a una menor precisión e interpretabilidad. Para abordar estos desafíos, se propone la Red Neuronal Convolucional Recurrente Mejorada por Canales Espaciales y Multi-escala (SCE-RCNN) para mejorar la precisión y la puntualidad de las predicciones mediante la utilización de datos de múltiples fuentes y mecanismos de atención mejorados. El modelo propuesto incorpora un módulo de atención espacial-canal de múltiples escalas y un módulo de fusión de escalas cruzadas, que facilita la integración de datos de diversas fuentes. El módulo de atención espacial-canal de múltiples escalas utiliza una red convolucional de múltiples escalas para extraer características espaciales en diferentes escalas espaciales y emplea un mecanismo de atención espacial-canal para centrarse en las regiones más relevantes para la predicción de rayos. Los resultados experimentales muestran que el modelo SCE-RCNN logró un índice de éxito crítico (CSI) de 0.83, una probabilidad de detección (POD) de 0.991 y una tasa de falsas alarmas (FAR) reducida a 0.351, superando a los modelos de aprendizaje profundo convencionales en múltiples métricas de predicción. Esta investigación proporciona pronósticos de rayos confiables para apoyar la toma de decisiones en tiempo real, haciendo contribuciones significativas a la seguridad en la aviación, la planificación de eventos al aire libre y la gestión del riesgo de desastres. La alta precisión del modelo y su baja tasa de falsas alarmas destacan su valor tanto en la investigación académica como en aplicaciones prácticas.