Представляем WeatherNext 3 — нашу самую передовую и точную глобальную ИИ-модель погоды

Каждый день погода влияет на решения миллиардов людей. Некоторые из них просты — например, взять с собой зонт перед выходом из дома, — но другие имеют гораздо более серьёзные последствия. Ветер, дождь и экстремальные погодные явления, такие как волны жары и засухи, оказывают каскадное воздействие на сельское хозяйство, глобальные цепочки поставок, производство чистой энергии и национальные экономики.

В последние годы ИИ произвёл революцию в прогнозировании погоды, используя исторические данные для создания более быстрых и точных прогнозов, чем традиционные методы. Однако прогнозирование сильно локализованных и быстро меняющихся погодных условий по-прежнему остаётся сложной задачей. Предыдущим моделям часто не хватало достаточного пространственного разрешения, а также было трудно учитывать данные о погоде в реальном времени из таких источников, как спутники.

Сегодня Google DeepMind и Google Research представляют WeatherNext 3 — самую передовую и точную глобальную модель погоды на сегодняшний день, согласно независимым оценкам в реальном времени, проведённым Brightband. Наша модель обучается непосредственно на наблюдениях в реальном времени, что позволяет ей своевременно создавать более локализованные прогнозы погодных явлений, которые сильнее всего влияют на людей. Используя необработанные спутниковые данные для формирования прогноза каждый час с высоким разрешением, наша модель делает надёжные прогнозы доступными по всему миру в продуктах Google.

Быстрое прогнозирование погоды с беспрецедентным разрешением

Полезность прогноза часто определяется детализацией и тем, насколько точно он описывает время и пространство. WeatherNext 3 формирует почасовые прогнозы с несколькими уровнями пространственного разрешения, сохраняя физическую согласованность — от глобальных закономерностей движения ветра до локального рельефа.

С помощью WeatherNext 3 мы можем визуализировать ключевые параметры поверхности — например, температуру и влажность — с разрешением 5 километров, другие параметры поверхности — с разрешением 10 километров, а атмосферные параметры, такие как скорость ветра, — с разрешением 25 километров. В целом это даёт глобальную картину погоды примерно в пять раз более детальную, чем наша предыдущая модель WeatherNext 2, которая формировала прогнозы на сетке 25 километров с интервалом в 6 часов.

Данные реального мира в непрерывном глобальном масштабе

Главный прорыв WeatherNext 3 связан с тем, на каких данных она обучается. Большинство моделей погоды на основе ИИ, включая WeatherNext 2, обучаются на данных моделей численного прогнозирования погоды (NWP). Несмотря на полезность, модели NWP представляют собой сложные физические симуляции, выполняемые суперкомпьютерами, и содержат шестичасовую задержку данных. Такая задержка может приводить к смещениям для быстро меняющихся параметров, таких как дождь или температура поверхности.

Получая мозаику глобальных геостационарных спутниковых данных в реальном времени, наша новая модель формирует богатое и постоянно обновляемое представление об атмосфере. Это позволяет модели создавать новый прогноз каждый час, причём каждый прогноз основан на самых свежих доступных спутниковых наблюдениях и имеет разрешение до 5 километров.

Это важно, поскольку критически важные погодные явления развиваются быстро. Когда штормы, фронты или осадочные системы внезапно формируются, наш быстрый цикл обновления и более высокое разрешение обеспечивают более раннюю и подробную информацию, необходимую для эффективного реагирования.

Некоторые параметры, такие как температура и влажность, могут резко меняться всего за несколько километров, что особенно важно для населённых пунктов у побережий, в долинах или горных районах. Традиционные модели испытывают здесь трудности, поскольку обучаются на представлениях атмосферы, которым не хватает детализации и которые не отражают экстремальные локальные изменения.

Чтобы решить эту проблему, WeatherNext 3 обучается непосредственно на разреженных данных наблюдений метеостанций. Это позволяет нам создавать глобальные прогнозы на сетке 5 километров с учётом региональных особенностей, таких как рельеф.

Этот прорыв особенно важен для регионов Латинской Америки, Африки и Азиатско-Тихоокеанского региона, которые исторически не получали высокодетализированные прогнозы из-за огромной стоимости суперкомпьютерных вычислений, необходимых традиционным региональным моделям. Он делает локализованные прогнозы высокого качества доступными для миллиардов людей и местных предприятий в этих регионах.

Помимо улучшенных разрешения и частоты прогнозов, наша модель формирует прогнозы, специально разработанные для производства возобновляемой энергии. Модель прогнозирует скорость ветра на высоте 100 метров (примерно на высоте ветряка) для точного расчёта выработки ветровой энергии, а также с высокой детализацией прогнозирует облачность и уровень солнечного излучения, помогая солнечным электростанциям оценивать количество света, которое они получат на поверхности.

Эти данные имеют решающее значение для глобального планирования чистой энергетики, позволяя операторам энергосетей и разработчикам возобновляемых источников энергии точно прогнозировать объём выработки их энергетических объектов и сопоставлять его с потребительским спросом.

Прогнозирование осадков с прорывной точностью

Глобальным моделям погоды общеизвестно сложно точно прогнозировать осадки. Системы дождя и снега обусловлены быстро меняющимися процессами в облаках, происходящими в небольших масштабах, которые трудно точно моделировать с помощью традиционных физических симуляций. Поэтому прогнозы ИИ часто дают размытые оценки или вовсе не определяют границы сильных штормов.

Чтобы решить эту проблему, мы обучаем нашу модель на двух исключительно качественных источниках данных об осадках: спутниковом продукте NASA Integrated Multi-satellite Retrievals for GPM (IMERG) и созданном нами глобальном реанализе осадков на основе спутникового радара.

Результатом стал значительный скачок точности прогнозирования осадков. В среднесрочных глобальных прогнозах оценки по сравнению с базовыми моделями показывают улучшение показателя непрерывной ранжированной вероятности (CRPS) до 60% по сравнению с IMERG, на 30% по сравнению с MRMS и на 10% по сравнению с измерениями осадковыми датчиками на ранних сроках прогнозирования.

Исследования, применяемые во всей экосистеме

Наша главная цель — развивать метеорологический интеллект, чтобы сделать его универсально полезным: спасателю, отслеживающему внезапные изменения ветра, диспетчеру управления воздушным движением, планирующему маршруты полётов, или фермеру, управляющему урожаем.

Чтобы перенести эти прорывные разработки из лаборатории в реальный мир, мы интегрируем WeatherNext 3 в ключевые продукты Google и не только:

• Высокодетализированные данные прогнозов: Мы делаем глобальные прогнозы погоды, обновляемые каждый час и готовые к интеграции в ваши рабочие процессы без необходимости настраивать модель. Это позволяет исследователям, разработчикам и компаниям запрашивать данные в BigQuery и Earth Engine или массово скачивать их из Google Cloud Storage.
• Доступность по всему миру: Начиная с сегодняшнего дня WeatherNext 3 будет использоваться для работы погодных функций в Google Поиске, приложении Gemini, Google Картах, Weather API платформы Google Maps и Google Earth Engine. Обновление значительно повышает точность долгосрочных прогнозов. При планировании на день и более вперёд пользователи увидят прогнозы осадков, точность которых повысилась до 50%, — наибольшие улучшения отмечены в регионах, где прогнозы исторически были менее надёжными. Поэтому, собираясь в поездку на выходные или выбирая лучший день для активного отдыха, вы получите более точные прогнозы, которые помогут вам спланировать свои действия.

Атмосфера всегда будет оставаться в некоторой степени непредсказуемой. Однако благодаря обучению на наблюдениях из реального мира и обходу ограничений традиционного моделирования WeatherNext 3 приближает нас к будущему, в котором прогнозы действительно соответствуют происходящему на земле.

Чтобы узнать больше о геопространственных платформах и разработках в области ИИ в Google, ознакомьтесь с Google Earth Engine, AlphaEarth Foundations и Earth AI.

Отказ от ответственности: для получения официальных прогнозов погоды, предупреждений об опасных погодных явлениях и рекомендаций по безопасности обращайтесь в местное метеорологическое агентство или национальную метеорологическую службу.

Узнайте больше о WeatherNext 3

• Прочитайте нашу статью
• Создавайте решения с WeatherNext 3
• Изучите Weather Lab, чтобы увидеть визуализацию WeatherNext 3 в реальном времени
• Посмотрите, какое место WeatherNext 3 занимает в независимых рейтингах в реальном времени Brightband.