Google DeepMind WeatherNext 3 发布

Google DeepMind 和 Google Research 推出了 WeatherNext 3，这是一个全球天气 AI 模型，它集成了实时卫星观测数据，以提供每小时一次的高分辨率预报。该模型代表了从以往 AI 天气模型的重大转变，因为它直接从实时观测中学习，而不是仅仅依赖于通常存在六小时数据滞后的数值天气预报 (NWP) 模拟。

高分辨率时空预报

WeatherNext 3 提供的全球天气图景比其前身 WeatherNext 2 锐利约五倍。该模型在多个空间分辨率下生成每小时预报，以保持从全球模式到局部地形的物理一致性：

  • 5-kilometer 分辨率： 用于温度和湿度等关键地表变量。
  • 10-kilometer 分辨率： 用于其他地表变量。
  • 25-kilometer 分辨率： 用于包括风速在内的气象变量。

相比之下，WeatherNext 2 在 25-kilometer 网格上以 6 小时为增量运行。新架构利用 Functional Generative Network (FGN) mesh transformer，摄取实时 1 小时地球静止卫星马赛克图像和历史分析数据，以输出密集的网格场、离散的气旋路径和原生的站点级稀疏坐标。

现实世界观测数据的集成

为了消除与传统 NWP 模型六小时滞后相关的偏差，WeatherNext 3 摄取全球实时地球静止卫星数据的马赛克图像。这使得能够基于最新的观测数据，每小时生成一次新的预报。

此外，该模型直接在稀疏的天气站观测数据上进行训练。这种方法使 5-kilometer 网格能够考虑到地形等区域细节，这对于沿海地区、山谷或山脉附近的区域至关重要。这种能力对于非洲、拉丁美洲和亚太地区特别有益，因为在这些地区，高分辨率预报此前受限于传统区域模型的超算成本。

降水准确性的突破

WeatherNext 3 通过在两个高质量数据源上进行训练，解决了 AI 在降水预报方面的常见难题：NASA 的基于卫星的 Integrated Multi-satellite Retrievals for GPM (IMERG) 和基于卫星雷达的专有全球降水再分析数据。

与中长期全球预报基准的评估显示，其连续等级概率评分 (CRPS) 有显著改进：

  • 相对于 IMERG 提升高达 60%。
  • 相对于 MRMS 提升 30%。
  • 相对于早期预报时效的雨量计测量值提升 10%。

清洁能源与生态系统集成

WeatherNext 3 引入了专门为可再生能源生产设计的变量，以协助电网运营商和开发商将发电量与消费者需求相匹配：

  • 100-meter 风速： 在涡轮机高度预测风能输出。
  • 云量和太阳辐射水平： 高分辨率数据，以帮助太阳能电站估计地面光照。

该模型正被集成到 Google 生态系统中，包括 Google Search、Gemini app、Google Maps、Google Maps Platform Weather API 以及 Google Earth Engine。对于计划提前一天或更长时间的用户，这带来了高达 50% 更准确的降水预报，特别是在历史上服务不足的地区。

Sources