Подразделения Google DeepMind и Google Research представили Weather Next 3, самую точную глобальную ИИ‑модель прогнозирования погоды на сегодняшний день по независимым оценкам Brightband. Она обучается на основе наблюдений в реальном времени, что позволяет делать своевременные и более локализованные прогнозы для погодных явлений.
Используя необработанные спутниковые данные для создания прогноза каждый час с высоким разрешением, Weather Next 3 работает по всему миру. Модель генерирует почасовые прогнозы с различным пространственным разрешением, поддерживая физическую согласованность от общих глобальных ветровых режимов до местной топографии.
WeatherNext 3 позволяет визуализировать ключевые поверхностные переменные — такие как температура и влажность — с разрешением до 5 км, другие поверхностные переменные — с разрешением 10 км, а атмосферные переменные, такие как скорость ветра, — с разрешением 25 км. В целом, это обеспечивает глобальную картину погоды примерно в пять раз более чёткую, чем в случае с WeatherNext 2.
Благодаря использованию мозаики данных с глобальных геостационарных спутников в режиме реального времени, модель получает постоянные обновления. Это позволяет генерировать новый прогноз каждый час. Это важно в случае со штормами, фронтами или осадками.
Некоторые переменные, такие как температура и влажность, могут резко колебаться всего на несколько километров, что особенно актуально для населённых пунктов, расположенных вблизи береговых линий, долин или горных хребтов. Традиционные модели испытывают трудности, поскольку они обучаются без нужной детализации и упускают из виду экстремальные локальные изменения.
Для решения этой проблемы WeatherNext 3 обучается непосредственно на данных наблюдений метеостанций.
Этот прорыв особенно важен для регионов Латинской Америки, Африки и Азиатско‑Тихоокеанского региона.
Помимо этого, модель предлагает прогнозы, специально разработанные для производства возобновляемой энергии. Она прогнозирует скорость ветра на высоте 100 метров (примерно на высоте турбины) для точной выработки ветровой энергии, а также высокоточные данные об облачности и уровнях солнечной радиации.
Дождевые и снежные системы обусловлены быстро движущимися облачными процессами в крошечных масштабах, которые трудно точно смоделировать с помощью традиционных физических моделей. Для решения этой проблемы WeatherNext 3 обучали на двух источниках данных об осадках: спутниковой системы NASA Integrated Multi‑satellite Retrievals for GPM (IMERG) и собственном глобальном реанализе осадков на основе спутниковых радаров.
Результатом стал значительный скачок в точности прогнозирования осадков. В среднесрочных глобальных прогнозах показатель непрерывной ранжированной вероятности (CRPS) улучшился до 60% по сравнению с IMERG, 30% для MRMS и 10% по сравнению с измерениями дождемеров для ранних прогнозов.
WeatherNext 3 позволит исследователям, разработчикам и компаниям запрашивать данные в BigQuery и Earth Engine или загружать их пакетами из Google Cloud Storage.
Модель будет обеспечивать работу погодных сервисов в Google Поиске, приложении Gemini, Google Maps, Google Maps Platform Weather API и Google Earth Engine.
В 2025 году Google представила WeatherNext 2, которая может генерировать прогнозы в восемь раз быстрее предыдущей модели, а также точнее предсказывает 99,9% переменных, таких как температура или ветер. WeatherNext 2 может выдавать сотни потенциальных результатов, исходя из заданной начальной точки. Её интегрировали в такие продукты, как поисковик, Gemini и смартфоны Pixel.
Источник: habr.com