跳到正文
Google DeepMind·· 9 天前精選AI 評分64

Google DeepMind 開放 SatWeave 和 PARDIG 天氣數據集

Opening the datasets behind our AI weather models

AI 導讀

Google DeepMind 開放 SatWeave 和 PARDIG 的即時資料及歷史檔案,供研究人員和開發者用於天氣、水文及氣候應用。SatWeave 每小時更新,涵蓋 17 個可見光、水汽及紅外線通道;PARDIG 提供時間解析度為 15 分鐘、約 10 公里解析度的全球降水圖,平均延遲約 5 小時。

推薦理由

兩套數據集分別提供全球衞星影像拼接與降水估算,並開放即時資料和歷史檔案,呈現它們支援天氣、水文及氣候應用的資料基礎。

正文 · 繁體中文

2026年11月13日 科學

WeatherNext 團隊

我們推出 PARDIG 和 SatWeave,協助研究人員和開發人員開發新的天氣、水文及氣候應用。

要了解和預測地球的天氣和水循環,首先取決於我們目前觀測地球的能力。衞星和地面儀器持續以極高的詳細程度監測地球。然而,把這些原始測量數據整合成連貫的全球圖像,並迅速提供給各方使用,是一項重大的科學和工程挑戰。

今天,我們推出兩個基礎數據集 SatWeave 和 PARDIG,支援全球社羣開發天氣、水文及氣候應用。這兩個數據集是我們最近推出的 WeatherNext 3 模型取得進展的關鍵。SatWeave 是由地球同步衞星影像組成的全球拼接影像,讓模型即時觀察正在形成的雲層和風暴。PARDIG 是一個以 AI 為基礎的全球降水數據集,曾用於訓練模型的降水預測。我們會提供這兩個數據集的歷史資料庫和即時資料流,讓研究人員和開發人員用於模型開發及下游應用。

SatWeave:從太空觀察地球的統一視圖

SatWeave 整合來自五顆衞星的影像,涵蓋地球不同區域:GOES-East 和 GOES-West、Meteosat 0 和 Meteosat Indian Ocean,以及 Himawari。由於每顆衞星採用不同的地圖投影、檔案格式、感測器和掃描時程(由 10 至 30 分鐘不等),因此難以製作連貫的全球地圖。現有的大部分全球合成影像會省略不相容的部分,只提供四個或更少的通道,或每隔數小時才更新一次。

SatWeave 將六顆地球同步衞星的觀測數據融合,製作成全球拼接影像,涵蓋 17 個可見光、水汽及紅外線通道。

SatWeave 每小時更新一次,因此 WeatherNext 3 能夠生成新的全球預測;相比之下,其他模型以每六小時更新一次的分析數據作為初始資料。我們將推出這項每小時更新的即時資料流,以及涵蓋超過十年的歷史資料庫。

我們已在 WeatherNext 3 的中期天氣預報中使用 SatWeave,亦期待與更廣泛的研究人員和開發人員社羣探索太陽能發電和野火監測等預測應用。

PARDIG:準確、高解像度的全球降水數據

降水影響糧食和水資源供應,以至水災和旱災風險等方方面面,但要準確追蹤全球降水仍是一項重大挑戰。地面雷達和密集的雨量計網絡雖然能提供高質素數據,但並非所有地區都有這些設備,或能取得良好的覆蓋範圍。

為了彌補這個缺口,我們開發了 PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)。PARDIG 採用與 WeatherNext 3 相近的 AI 架構,直接以 NASA Global Precipitation Measurement (GPM) Core Observatory 提供的稀疏星載雷達觀測數據進行訓練,並以 SatWeave 影像和 ECMWF 的大氣場作為輸入。最終得出的全球降水圖準確度極高,時間解像度為 15 分鐘,空間解像度約為 10 公里,平均延遲約五小時更新一次。

2025 年 7 月德州 Hill Country 山洪期間的每小時降雨量:比較地面 NOAA MRMS 雷達(左,約 1 km)、近乎即時的 PARDIG(中,約 10 km)和 IMERG-Final(右,約 10 km)。

我們已使用美國、歐洲和日本的三個區域雷達網絡,以及全球超過 36,000 個氣象站,對 PARDIG 進行評估。在所有已分析的降雨率下,PARDIG 的表現均勝過全球領先的基準模型,包括 NASA 的 IMERG-Final。IMERG-Final 是一個研究級降水估算數據集,對無數應用至關重要。與 IMERG-Final 相比,PARDIG 在輕至中等降雨的逐小時降水偵測技能提升超過 30%。結果證明,PARDIG 在捕捉極端降雨方面尤其有效,而現有的全球產品要偵測這類降雨並不容易。

以 2016 至 2023 年美國、歐洲和日本的地面雷達網絡數據評估逐小時降水偵測技能(臨界成功指數)。降水強度閾值以 0.2 至 25 mm/h 的對數刻度繪製,並在座標軸上標示輕度(0.3 mm/h)、中度(2.5 mm/h)和強降雨(20 mm/h)。

由於 PARDIG 直接從衞星數據學習,而非只依賴地面測量數據,我們預期它在地球各處都能保持可靠的準確度,即使是在無法取得這些測量數據的地區。

除了即時數據串流,我們亦公開了 1999 至 2026 年的 PARDIG 歷史數據檔案。WeatherNext 3 曾使用 PARDIG 進行中期天氣預報;我們很期待與社羣合作,並讓社羣能夠探索改進模型,以應對洪水、山泥傾瀉和旱災,尤其是在地面雷達網絡密度不足的地區。

推動天氣與氣候生態系統發展

SatWeave 和 PARDIG 的即時及歷史數據集現已在 Google Cloud Storage 公開提供。PARDIG 的歷史目錄亦可在 Google Earth Engine 使用。作為 Google Earth AI 產品組合的最新成員,我們希望這些數據集能讓世界各地的研究人員開拓新的途徑,將天氣觀測與重要的現實應用連繫起來。

瞭解更多

致謝

這項工作由 Google DeepMind 和 Google Research 的團隊開發,並與 Google Cloud 和 Google Geo 合作完成。我們感謝各個機構提供開放的衞星計劃和數據集,令這項工作得以實現,包括 ECMWF、NASA、JAXA、NOAA、EUMETSAT、KMA、JMA、KNMI 和 Synoptic Data。

來源:Google DeepMind · deepmind.google