Представляємо WeatherNext 3 — нашу найсучаснішу й найточнішу глобальну ШІ-модель погоди

Щодня погода впливає на мільярди рішень. Деякі з них такі прості, як узяти парасольку перед виходом із дому, але інші мають набагато серйозніші наслідки. Вітер, дощ і екстремальні погодні явища, як-от хвилі спеки та посухи, спричиняють каскадні наслідки для сільського господарства, глобальних ланцюгів постачання, виробництва чистої енергії та національних економік.

В останні роки ШІ здійснив революцію у прогнозуванні погоди, використовуючи історичні записи для створення швидших і точніших прогнозів, ніж традиційні методи. Проте прогнозування дуже локальної погоди, яка швидко змінюється, залишається складним завданням. Попереднім моделям часто бракувало достатньої просторової роздільної здатності, а також вони мали труднощі з інтеграцією даних про погоду в реальному часі з таких джерел, як супутники.

Сьогодні Google DeepMind і Google Research представляють WeatherNext 3 — найсучаснішу й найточнішу глобальну модель погоди на сьогодні, згідно з незалежними оцінюваннями в реальному часі, проведеними Brightband. Наша модель безпосередньо навчається на спостереженнях у реальному часі, що дає їй змогу надавати своєчасніші й локалізованіші прогнози погодних явищ, які найбільше впливають на людей. Використовуючи необроблені супутникові дані для створення прогнозу щогодини у високій роздільній здатності, наша модель забезпечує доступ до надійних прогнозів у продуктах Google по всьому світу.

Швидке прогнозування погоди з безпрецедентною роздільною здатністю

Корисність прогнозу часто визначається деталізацією та тим, наскільки точно він охоплює час і простір. WeatherNext 3 створює погодинні прогнози з кількома просторовими роздільними здатностями, зберігаючи фізичну узгодженість — від широких глобальних схем руху вітру до локального рельєфу.

За допомогою WeatherNext 3 ми можемо візуалізувати ключові приземні змінні — як-от температуру та вологість — із роздільною здатністю 5 кілометрів, інші приземні змінні — 10 кілометрів, а атмосферні змінні, як-от швидкість вітру, — 25 кілометрів. Загалом це дає глобальну картину погоди, приблизно вп’ятеро чіткішу за нашу попередню модель WeatherNext 2, яка створювала прогнози на сітці 25 кілометрів із кроком у 6 годин.

Дані реального світу в безперервному глобальному масштабі

Найбільший крок уперед WeatherNext 3 пов’язаний із даними, на яких вона навчається. Більшість моделей погоди на основі ШІ, зокрема WeatherNext 2, навчаються на даних числових моделей прогнозування погоди (NWP). Хоча вони корисні, моделі NWP є складними фізичними симуляціями, що виконуються суперкомп’ютерами та мають затримку даних у шість годин. Ця затримка може спричиняти похибки для змінних, які швидко змінюються, як-от дощ або температура поверхні.

Отримуючи мозаїку глобальних геостаціонарних супутникових даних у реальному часі, наша нова модель отримує насичене зображення атмосфери, яке безперервно оновлюється. Це дає моделі змогу створювати новий прогноз щогодини, кожен із яких ґрунтується на найновіших доступних супутникових спостереженнях із роздільною здатністю до 5 кілометрів.

Це важливо, оскільки критичні погодні явища розвиваються швидко. Коли шторми, фронти або системи опадів раптово виникають, наш швидкий цикл оновлення та вища роздільна здатність забезпечують раніші й докладніші відомості, необхідні для ефективного реагування.

Деякі змінні, як-от температура та вологість, можуть різко змінюватися лише за кілька кілометрів, що особливо важливо для громад поблизу узбереж, долин або гірських хребтів. Традиційні моделі мають тут труднощі, оскільки навчаються на представленнях атмосфери, яким бракує деталізації та які не враховують значні локальні коливання.

Щоб розв’язати цю проблему, WeatherNext 3 натомість навчається безпосередньо на розріджених даних спостережень метеостанцій. Це дає нам змогу створювати глобальні прогнози на сітці 5 кілометрів, які враховують регіональні особливості, як-от рельєф.

Цей прорив особливо важливий для регіонів Латинської Америки, Африки та Азійсько-Тихоокеанського регіону, які історично не отримували достатнього доступу до прогнозування з високою роздільною здатністю через величезні витрати на суперкомп’ютерні обчислення для традиційних регіональних моделей. Він забезпечує мільярдам людей і місцевим підприємствам у цих регіонах доступ до локалізованого прогнозування високої точності.

Окрім покращеної роздільної здатності та частоти прогнозів, наша модель створює прогнози, спеціально розроблені для виробництва відновлюваної енергії. Модель прогнозує швидкість вітру на висоті 100 метрів (приблизно на висоті вітрових турбін) для точного визначення виробітку вітрової енергії, а також хмарність із високою роздільною здатністю та рівні сонячного випромінювання, щоб сонячні електростанції могли оцінювати, скільки світла вони отримають на поверхні.

Ці дані мають вирішальне значення для глобального планування чистої енергетики, даючи операторам мереж і розробникам відновлюваних джерел енергії змогу точно прогнозувати, скільки енергії вироблятимуть їхні об’єкти чистої енергетики, і узгоджувати це зі споживчим попитом.

Прогнозування опадів із проривною точністю

Глобальні моделі погоди сумнозвісно погано прогнозують опади. Системи дощу й снігу зумовлені швидкими хмарними процесами в малих масштабах, які складно точно моделювати за допомогою традиційних фізичних симуляцій. Через це прогнози ШІ часто створюють розмиті оцінки або взагалі не визначають межі сильних штормів.

Щоб розв’язати цю проблему, ми навчаємо нашу модель на двох винятково якісних джерелах даних про опади: супутниковій системі NASA Integrated Multi-satellite Retrievals for GPM (IMERG) та нашому власному глобальному реаналізі опадів на основі супутникового радара.

Результатом став значний стрибок у точності прогнозування опадів. У глобальних прогнозах на середню перспективу оцінювання порівняно з базовими показниками демонструє покращення неперервного рангового ймовірнісного показника (CRPS) до 60% порівняно з IMERG, на 30% порівняно з MRMS і на 10% порівняно з вимірюваннями опадомірів для малих термінів випередження.

Застосування досліджень в усій екосистемі

Наша головна мета — розвивати погодну аналітику, щоб зробити її універсально корисною: чи то для рятувальника, який відстежує раптові зміни вітру, диспетчера повітряного руху, який планує маршрути польотів, чи фермера, який доглядає за врожаєм.

Щоб перенести ці проривні розробки з лабораторії в реальний світ, ми інтегруємо WeatherNext 3 в основну екосистему Google та за її межі:

• Прогнозні дані з високою роздільною здатністю: Ми надаємо глобальні прогнози погоди, які оновлюються щогодини та готові до інтеграції у ваші робочі процеси без необхідності налаштовувати модель. Це дає змогу дослідникам, розробникам і компаніям запитувати дані в BigQuery та Earth Engine або масово завантажувати їх із Google Cloud Storage.
• Доступність у всьому світі: Починаючи із сьогоднішнього дня, WeatherNext 3 забезпечуватиме погодні функції в Пошуку Google, застосунку Gemini, Google Maps, Weather API платформи Google Maps і Google Earth Engine. Оновлення значно покращує довгострокові прогнози. Плануючи день або більше наперед, люди бачитимуть прогнози опадів, точніші до 50%, — найбільші покращення спостерігатимуться в регіонах, де прогнози історично були менш надійними. Тож якщо ви збираєте речі для поїздки на вихідні або вирішуєте, який день найкраще підходить для активності на свіжому повітрі, ви отримуватимете точніші прогнози, які допоможуть вам спланувати все заздалегідь.

Атмосфера завжди залишатиметься певною мірою непередбачуваною. Однак, навчаючись на спостереженнях реального світу та обходячи обмеження традиційного моделювання, WeatherNext 3 наближає нас до майбутнього, у якому прогнози справді відповідають тому, що відбувається на землі.

Щоб дізнатися більше про геопросторові платформи та роботу зі ШІ в Google, ознайомтеся з Google Earth Engine, AlphaEarth Foundations і Earth AI.

Застереження: для отримання офіційних прогнозів погоди, попереджень про небезпечні погодні явища та рекомендацій щодо громадської безпеки звертайтеся до місцевого метеорологічного агентства або національної метеорологічної служби.

Дізнайтеся більше про WeatherNext 3

• Прочитайте нашу наукову статтю
• Створюйте за допомогою WeatherNext 3
• Ознайомтеся з Weather Lab, щоб побачити візуалізацію WeatherNext 3 у реальному часі
• Перегляньте позицію WeatherNext 3 у незалежних рейтингах у реальному часі від Brightband.