Google DeepMind 與 Google Research 發佈 WeatherNext 3 全球天氣 AI 模型
Introducing WeatherNext 3, our most advanced and accurate global weather AI model
Google DeepMind 與 Google Research 發佈 WeatherNext 3,利用即時地球同步衞星資料逐小時生成全球天氣預報,部分地表變數解析度達 5 公里。
WeatherNext 3 以即時衞星觀測支援逐小時全球預報,並為部分變數提供 5 公里解析度;文中列出降水預測相對 IMERG、MRMS 等基線的 CRPS 改善幅度。
2026 年 9 月 3 日
|
我們的旗艦 AI 天氣預測模型現已加入即時衞星資料、每小時更新、更高解像度、精準降水預測及潔淨能源變數。模型亦已整合至搜尋、Gemini、地圖、Google Maps Platform 及 Cloud。
WeatherNext 團隊
聆聽文章
[[duration]] 分鐘
此內容由 Google AI 生成。生成式 AI 屬實驗性技術
天氣每天都影響數以十億計的決策。有些決策很簡單,例如出門前帶備雨傘;另一些則影響深遠。風、雨,以及熱浪和乾旱等極端天氣事件,會連鎖影響農業、全球供應鏈、潔淨能源生產及國家經濟。
近年來,AI 利用歷史紀錄,以比傳統方法更快、更準確的方式預測天氣,徹底改變天氣預測領域。然而,要預測高度局部及迅速變化的天氣仍然充滿挑戰。以往的模型往往空間解像度不足,也難以納入衞星等來源的即時天氣資料。
今天,Google DeepMind 和 Google Research 推出 WeatherNext 3。根據 Brightband 的獨立即時評測,這是至今最先進、最準確的全球天氣模型。我們的模型直接從即時觀測資料中學習,能及時提供更本地化的預測,聚焦最影響人們的天氣事件。模型使用原始衞星資料,以高解像度每小時生成一次預報,讓全球各地的人都能透過 Google 產品取得可靠預測。
以前所未有的解像度快速預測天氣
天氣預報是否實用,往往取決於細節,以及時間和空間上的解析精細度。WeatherNext 3 每小時生成不同空間解像度的預報,從大範圍全球風場到本地地形,均能維持物理一致性。
WeatherNext 3 可用 5 公里解像度呈現温度和濕度等主要地表變數,其他地表變數的解像度為 10 公里,風速等大氣變數則為 25 公里。整體而言,天氣圖像清晰度約為上一代 WeatherNext 2 的 5 倍;WeatherNext 2 以 25 公里網格、每 6 小時生成一次預報。
圖 1:WeatherNext 3 端到端系統架構。模型會輸入即時的 1 小時地球同步衞星拼接圖,並結合傳統歷史分析資料,送入單一、靈活的 Functional Generative Network(FGN)網格 Transformer。模型會輸出密集網格場、離散氣旋路徑,並原生預測氣象站層級的稀疏座標。
圖 2:英國 2 米氣温預測比較。左側為 WeatherNext 2 的 25 公里(0.25°)解像度;右側為 WeatherNext 3 原生的 5 公里(0.05°)解像度。WeatherNext 3 能解析複雜的本地地形,避免舊模型出現像素化、過度平滑的温度分佈。
全球連續尺度的真實世界資料
WeatherNext 3 最大的躍進,在於它學習的資料。包括 WeatherNext 2 在內,大多數 AI 天氣模型都使用數值天氣預報(NWP)模型的資料訓練。NWP 模型雖然實用,卻是由超級電腦運行的複雜物理模擬,資料有 6 小時延遲。對降雨或地表温度等快速變化的變數而言,延遲可能導致偏差。
新模型輸入全球地球同步衞星即時拼接圖,持續取得豐富且不斷更新的大氣觀測。模型因此可每小時生成新預報,每次都以最新可用的衞星觀測為依據,解像度最高可達 5 公里。
這一點很重要,因為關鍵天氣變化來得很快。風暴、鋒面或降水系統突然形成時,更快的更新週期和更高解像度能及早提供更詳細資訊,協助有效應對。
温度和濕度等部分變數在短短數公里內便可能大幅波動;對海岸、山谷或山脈附近的社區尤其重要。傳統模型在這方面表現欠佳,因為它們以缺乏細節的大氣表示方式訓練,無法捕捉局部極端變化。
為此,WeatherNext 3 直接使用稀疏的氣象站觀測資料訓練,讓我們能以 5 公里網格生成全球預報,並納入地形等地區細節。
對拉丁美洲、非洲及亞太地區而言,這項突破尤其重要。傳統地區模型需要耗用大量超級電腦資源,令這些地區過去較少受惠於高解像度預測。WeatherNext 3 把本地化、高保真度的預測帶給這些地區數以十億計的人及本地企業。
除了提升解像度和預報頻率外,我們的模型亦加入專為再生能源生產而設的預測。模型會預測 100 米高度(約為風力渦輪機高度)的風速,以精準估算風能輸出;亦會預測高解像度雲量和太陽輻射,協助太陽能農場估算地面可接收的陽光。
這些資料對全球潔淨能源規劃至關重要,可讓電網營運商及再生能源開發商準確預測潔淨能源資產的發電量,並配合消費者需求。
降水預測準確度取得突破
全球天氣模型一向難以準確預測降水。雨雪系統由快速移動、規模極小的雲層過程驅動,傳統物理模擬難以準確建模。因此,AI 預測往往只能提供模糊估算,甚至完全漏掉強烈風暴的邊界。
為解決這個問題,我們使用兩個質素極高的降水資料來源訓練模型:NASA 的衞星資料 Integrated Multi-satellite Retrievals for GPM(IMERG),以及我們自行建立、以衞星雷達為基礎的全球降水再分析資料。
結果是降水預測準確度大幅躍進。中期全球預報與基準資料比較時,Continuous Ranked Probability Score(CRPS)最高改善:相較 IMERG 提升 60%、相較 MRMS 提升 30%;對較短提前時間的雨量計測量則提升 10%。
圖 3:中期降水機率(PoP > 1mm)預報比較。WeatherNext 2(左)以 25 公里解像度呈現的降水範圍高度擴散且像素化;WeatherNext 3(中)以 11 公里解像度生成的結果,與實際衞星地面實況(右)相當接近,能準確捕捉天氣系統中清晰的對流雨帶。
將研究成果應用至整個生態系
我們的主要目標,是推進天氣智能,讓人人都能受惠:無論是追蹤突發風向轉變的緊急應變人員、規劃航線的航空交通管制員,還是管理農作物的農民。
為把這些突破帶出實驗室、應用於真實世界,我們正把 WeatherNext 3 整合至 Google 核心生態系及其他平台:
- 高解像度預報資料:我們提供每小時更新的全球天氣預測,可直接整合至你的工作流程,毋須設定模型。研究人員、開發者及企業可在 BigQuery 和 Earth Engine 中查詢資料,或從 Google Cloud Storage 批次下載。
- 全球供應:WeatherNext 3 今日起將為 Google 搜尋、Gemini 應用程式、Google 地圖、Google Maps Platform Weather API 及 Google Earth Engine 中的天氣體驗提供支援。更新後的長期預測準確度大幅提高。提早一日或以上規劃時,降水預測準確度最高提升 50%,而過往預測可靠性較低的地區改善最大。因此,無論是為週末旅行準備行裝,還是決定哪天最適合戶外活動,你都可獲得更準確預測,輕鬆規劃行程。
大氣始終存在一定程度的不可預測性。不過,WeatherNext 3 直接以真實世界觀測資料訓練,並避開傳統建模限制,讓我們更接近一個預報真正反映地面實況的未來。
如欲瞭解更多 Google 的地理空間平台及 AI 工作,請查看 Google Earth Engine、AlphaEarth Foundations 及 Earth AI。
免責聲明:官方天氣預報、惡劣天氣警告及公共安全公告,請參閲當地氣象部門或國家氣象服務。
瞭解 WeatherNext 3
- 閲讀論文
- 使用 WeatherNext 3 開發
- 探索 Weather Lab,即時查看 WeatherNext 3 的視覺化結果
- 查看 WeatherNext 3 在 Brightband 獨立即時排行榜上的排名。
在收件匣接收 Google 最新消息
訂閲我們的電子報,獲取產品更新、活動資訊、特別優惠等內容。
你的資料將按照 Google 私隱權政策使用。你可隨時選擇退出。
來源:Google DeepMind · deepmind.google