Google DeepMind WeatherNext 3 發佈

Google DeepMind 與 Google Research 已推出 WeatherNext 3，這是一款全球天氣 AI 模型，整合了即時衛星觀測數據，以提供每小時的高解析度預報。此模型代表了從以往 AI 天氣模型的重大轉變，因為它直接從即時觀測中學習，而非僅僅依賴通常具有六小時數據延遲的數值天氣預報 (NWP) 模擬。

高解析度時空預報

WeatherNext 3 提供的高解析度全球天氣圖景比其前身 WeatherNext 2 銳利約五倍。該模型在多種空間解析度下生成每小時預報，以維持從全球模式到局部地形的物理一致性：

• 5 公里解析度： 用於溫度與濕度等關鍵地表變數。
• 10 公里解析度： 用於其他地表變數。
• 25 公里解析度： 用於包括風速在內的氣象變數。

相比之下，WeatherNext 2 在 25 公里的網格上以 6 小時為增量進行運作。新架構利用 Functional Generative Network (FGN) mesh transformer，攝取即時 1 小時地球靜止衛星馬賽克圖，並結合歷史分析來輸出密集網格場、離散氣旋路徑以及原生站點級別的稀疏座標。

即時觀測數據的整合

為了消除與傳統 NWP 模型六小時延遲相關的偏差，WeatherNext 3 攝取全球地球靜止衛星數據的馬賽克圖。這使得模型能夠基於最新的觀測結果，每小時生成一次新的預報。

此外，該模型直接在稀疏的天氣站觀測數據上進行訓練。這種方法使 5 公里網格能夠考慮區域細節（如地形），這對於沿海地區、山谷或山脈附近的區域至關重要。這種能力對於非洲、拉丁美洲和亞太地區特別有利，因為在這些地區，高解析度預報先前受到傳統區域模型的超算成本限制。

降水預測精準度的突破

WeatherNext 3 透過在兩個高品質數據源上進行訓練，解決了 AI 在降水預測方面的常見挑戰：NASA 的衛星基於 Integrated Multi-satellite Retrievals for GPM (IMERG) 以及基於衛星雷達的專有全球降水再分析數據。

與中長期全球預報基準進行的評估顯示，其在連續排名機率分數 (CRPS) 方面有顯著進步：

• 相對於 IMERG，提升了高達 60%。
• 相對於 MRMS，提升了 30%。
• 相對於早期預報時段的雨量計測量，提升了 10%。

清潔能源與生態系統整合

WeatherNext 3 引入了專為再生能源生產設計的特定變數，以協助電網營運商與開發商將發電量與消費者需求進行匹配：

• 100 公尺風速： 在風力發電輸出高度預測風速。
• 雲量與太陽輻射水平： 高解析度數據，協助太陽能電廠估算地面光照。

該模型正被整合至 Google 生態系統中，包括 Google Search、Gemini app、Google Maps、Google Maps Platform Weather API 以及 Google Earth Engine。對於計畫進行一天或更長時間預報的使用者而言，這將帶來高達 50% 更準確的降水預報，特別是在歷史上服務不足的地區。