Представяме WeatherNext 3 — нашия най-усъвършенстван и точен глобален ИИ модел за прогнозиране на времето

Всеки ден времето влияе върху милиарди решения. Някои са толкова обикновени, като например да вземем чадър, преди да излезем, но други имат далеч по-сериозни последици. Вятърът, дъждът и екстремните метеорологични явления, като горещите вълни и сушите, оказват каскадно въздействие върху селското стопанство, глобалните вериги за доставки, производството на чиста енергия и националните икономики.

През последните години AI революционизира метеорологичното прогнозиране, като използва исторически записи, за да прави по-бързи и по-точни прогнози от традиционните методи. Въпреки това прогнозирането на силно локализирано и бързо променящо се време остава предизвикателство. Предишните модели често не разполагаха с достатъчно висока пространствена резолюция и изпитваха затруднения при включването на метеорологични данни в реално време от източници като сателити.

Днес Google DeepMind и Google Research представят WeatherNext 3 — най-усъвършенстваният и точен глобален метеорологичен модел досега според независими оценки в реално време от Brightband. Нашият модел се обучава директно с наблюдения в реално време, което му позволява да предоставя навременни и по-локализирани прогнози за метеорологичните явления, които най-силно засягат хората. Чрез използването на необработени сателитни данни за изготвяне на прогноза всеки час и с висока резолюция нашият модел прави надеждните прогнози достъпни в продуктите на Google по целия свят.

Бързо прогнозиране на времето с безпрецедентна резолюция

Полезността на една прогноза често зависи от детайлността и от това колко прецизно описва времето и пространството. WeatherNext 3 генерира почасови прогнози с множество пространствени резолюции, като поддържа физическа съгласуваност — от широкомащабните глобални модели на вятъра до локалния релеф.

С WeatherNext 3 можем да визуализираме ключови повърхностни променливи — като температура и влажност — с резолюция от 5 километра, други повърхностни променливи с резолюция от 10 километра, а атмосферни променливи, като скоростта на вятъра, с резолюция от 25 километра. Като цяло това предоставя глобална картина на времето, приблизително пет пъти по-детайлна от тази на предишния ни модел WeatherNext 2, който генерираше прогнози върху мрежа с размер 25 километра на интервали от 6 часа.

Данни от реалния свят в непрекъснат глобален мащаб

Най-големият напредък при WeatherNext 3 е свързан с данните, от които моделът се обучава. Повечето AI метеорологични модели, включително WeatherNext 2, се обучават с данни от числени модели за прогнозиране на времето (NWP). Макар да са полезни, NWP моделите представляват сложни физични симулации, изпълнявани от суперкомпютри, които имат шестчасово закъснение на данните. Това закъснение може да доведе до отклонения при бързо променящи се променливи като дъжда или температурата на повърхността.

Чрез въвеждането на мозайка от глобални геостационарни сателитни данни на живо новият ни модел получава богата, непрекъснато обновявана картина на атмосферата. Това позволява на модела да генерира нова прогноза всеки час, като всяка прогноза се основава на най-актуалните налични сателитни наблюдения и достига резолюция до 5 километра.

Това е важно, защото критичните метеорологични явления се развиват бързо. Когато бури, фронтове или валежни системи се появят внезапно, бързият ни цикъл на обновяване и по-високата резолюция предоставят по-ранна и по-подробна информация, необходима за ефективна реакция.

Някои променливи, като температурата и влажността, могат да се изменят драстично само за няколко километра, което е особено важно за общности в близост до брегове, долини или планински вериги. Традиционните модели изпитват затруднения в тези случаи, тъй като се обучават с представяния на атмосферата, които не са достатъчно детайлни и пропускат екстремните локални вариации.

За да се справи с това, WeatherNext 3 вместо това се обучава директно с разредени данни от наблюдения на метеорологични станции. Така можем да създаваме глобални прогнози върху мрежа с размер 5 километра, които отчитат регионални детайли като релефа.

Този пробив е особено важен за регионите в Латинска Америка, Африка и Азиатско-тихоокеанския регион, които исторически са били недостатъчно обслужвани от прогнозите с висока резолюция поради огромните разходи за суперкомпютри, свързани с традиционните регионални модели. Той предоставя локализирани прогнози с висока точност на милиарди хора и местни предприятия в тези райони.

Освен подобрената резолюция и честота на прогнозите нашият модел въвежда и прогнози, специално разработени за производството на възобновяема енергия. Моделът прогнозира скоростта на вятъра на височина 100 метра (приблизително на височината на турбините) за прецизно изчисляване на производството на вятърна енергия, както и облачността с висока резолюция и нивата на слънчевата радиация, за да помогне на соларните паркове да оценят колко светлина ще достигне земната повърхност.

Тези данни са от решаващо значение за глобалното планиране на чистата енергия, като позволяват на операторите на електроразпределителни мрежи и разработчиците на проекти за възобновяема енергия точно да прогнозират колко енергия ще произведат техните активи за чиста енергия и да я съобразят с потребителското търсене.

Прогнозиране на валежите с пробивна точност

Известно е, че глобалните метеорологични модели изпитват затруднения при точното прогнозиране на валежите. Дъждовните и снежните системи се задвижват от бързо движещи се облачни процеси в малък мащаб, които трудно могат да бъдат моделирани точно с традиционни физични симулации. В резултат на това AI прогнозите често дават размити оценки или изцяло пропускат границите на силните бури.

За да решим този проблем, обучаваме модела си с два изключително качествени източника на данни за валежите: сателитната система на NASA Integrated Multi-satellite Retrievals for GPM (IMERG) и нашия глобален повторен анализ на валежите, базиран на сателитен радар.

Резултатът е значителен скок в точността на прогнозите за валежи. При глобални прогнози за средносрочен период оценките спрямо базови модели показват подобрение на Continuous Ranked Probability Score (CRPS) с до 60% спрямо IMERG, 30% спрямо MRMS и 10% спрямо измерванията от дъждомерни станции при кратки прогнозни хоризонти.

Изследвания, приложени в цялата екосистема

Основната ни цел е да развиваме метеорологичната интелигентност, така че тя да бъде универсално полезна — независимо дали става дума за спасител, който следи внезапни промени във вятъра, диспечер на въздушното движение, който планира полетни маршрути, или фермер, който управлява своите култури.

За да пренесем тези пробиви от лабораторията в реалния свят, интегрираме WeatherNext 3 в основната екосистема на Google и извън нея:

• Данни за прогнози с висока резолюция: Предоставяме глобални метеорологични прогнози, обновявани ежечасно и готови за интегриране във вашите работни процеси, без да е необходимо настройване на модел. Това позволява на изследователи, разработчици и предприятия да правят заявки към данните в BigQuery и Earth Engine или да ги изтеглят групово от Google Cloud Storage.
• Достъпно в световен мащаб: От днес WeatherNext 3 ще започне да захранва метеорологичните функции в Google Search, приложението Gemini, Google Maps, Weather API на Google Maps Platform и Google Earth Engine. Актуализацията значително подобрява дългосрочните прогнози. При планиране на ден или повече предварително хората ще виждат до 50% по-точни прогнози за валежите — с най-големи подобрения в регионите, където прогнозите исторически са били по-ненадеждни. Така че независимо дали стягате багаж за пътуване през уикенда или избирате най-подходящия ден за дейност на открито, вече ще получавате по-точни прогнози, които да ви помогнат да планирате.

Атмосферата винаги ще запазва известна степен на непредсказуемост. Като се обучава с наблюдения от реалния свят и заобикаля ограниченията на традиционното моделиране обаче, WeatherNext 3 ни приближава до бъдеще, в което прогнозите наистина съответстват на случващото се на земната повърхност.

За да научите повече за геопространствените платформи и AI разработките на Google, разгледайте Google Earth Engine, AlphaEarth Foundations и Earth AI.

Отказ от отговорност: За официални метеорологични прогнози, предупреждения за опасно време и съобщения за обществената безопасност, моля, обръщайте се към местната метеорологична агенция или националната метеорологична служба.

Научете повече за WeatherNext 3

• Прочетете нашата научна статия
• Разработвайте с WeatherNext 3
• Разгледайте Weather Lab, за да видите WeatherNext 3 визуализиран в реално време
• Вижте класирането на WeatherNext 3 в независимите класации на живо на Brightband.