Google DeepMind představuje WeatherNext 3 s hodinovými předpověďmi o rozlišení 5 km

Google DeepMind a Google Research 3. září 2026 představily WeatherNext 3, globální AI model pro předpověď počasí, který vytváří hodinové předpovědi až s rozlišením 5 kilometrů a je integrován do Google Search, aplikace Gemini, Google Maps, rozhraní Google Maps Platform Weather API a Google Earth Engine.

Týmy popsaly WeatherNext 3 jako svůj dosud nejpokročilejší a nejpřesnější globální model počasí a odkázaly na nezávislé živé hodnocení od Brightband. Technický článek napsaný výzkumníky z Google DeepMind, Google Research a Google uvádí, že model je v provozu.

Hodinové předpovědi s vyšším rozlišením

WeatherNext 3 generuje hodinové předpovědi v několika prostorových rozlišeních. Klíčové povrchové proměnné, jako je teplota a vlhkost, jsou vytvářeny v rozlišení 5 kilometrů, další povrchové proměnné v 10 kilometrech a atmosférické proměnné, jako je rychlost větru, v 25 kilometrech. Google uvedl, že to představuje globální obrázek počasí přibližně pětkrát ostřejší než jeho předchozí model, WeatherNext 2, který poskytoval předpovědi na mřížce 25 kilometrů v šesti hodinových intervalech.

Podle článku WeatherNext 3 staví na přístupu Functional Generative Network, který byl základem WeatherNext 2, a vytváří 15‑denní předpovědi v ensemblu o 64 členech, trénované tak, aby minimalizovaly Continuous Ranked Probability Score (CRPS), standardní míru dovednosti pravděpodobnostních předpovědí. Model zvětšuje latentní velikost z 768 na 1024 a hloubku mesh transformátoru ze 24 na 32 vrstev ve srovnání s WeatherNext 2 a produkční verze byla trénována na datech až do 30. června 2026. Systém přijímá živé jednouhodinové geostacionární satelitní mozaiky spolu s tradiční historickou analýzou, které napájejí jediný mesh transformátor výstupující hustá mřížková pole, diskrétní dráhy cyklónů a předpovědi na úrovni stanic.

Trénováno na surových pozorováních

Většina AI modelů počasí, včetně WeatherNext 2, je trénována na datech z numerických modelů předpovědi počasí, což jsou fyzikální simulace s šesti hodinovým zpožděním dat. Google uvedl, že toto zpoždění může zavádět zkreslení u rychle se měnících proměnných, jako jsou déšť a povrchová teplota. WeatherNext 3 místo toho přijímá mozaiku živých globálních geostacionárních satelitních dat, což mu poskytuje neustále aktualizovaný pohled na atmosféru a umožňuje novou předpověď každou hodinu, založenou na nejnovějších dostupných satelitních pozorováních.

Článek uvádí, že satelitní mozaika zahrnuje 11 kanálů s rozlišením 0,1 stupně a provozní latencí přibližně jedné hodiny. WeatherNext 3 také trénuje přímo na řídkých pozorováních meteorologických stanic, kombinujících tři povrchové soubory dat – METAR letištní stanice, regionální sítě Mesonet a měření lodí a bójí ICOADS – od roku 2001. Článek uvádí, že tato výstupní hlava stanic předpovídá teplotu a rosné teploty ve výšce 2 metrů na libovolném místě a čase, podmíněně lokálními geografickými charakteristikami, jako je nadmořská výška.

Pro srážky je model trénován na dvou zdrojích: produkt NASA IMERG (Integrated Multi-satellite Retrievals for GPM) založený na satelitech a vlastní globální reanalýzu srážek týmu, nazvanou PARDIG, kterou článek popisuje jako experimentální odhad vytvořený samostatným AI modelem trénovaným k předpovědi řídkých radarových dat z vesmíru od hlavního observatoře GPM.

WeatherNext 3 také zavádí předpovědi zaměřené na výrobu obnovitelné energie. Google uvedl, že model předpovídá rychlosti větru ve výšce 100 metrů, zhruba výšku turbíny, pro výrobu větrné energie, spolu s vysoce rozlišeným pokrytím oblaků a úrovněmi solárního záření, aby pomohl solárním farmám odhadnout sluneční svit na úrovni země.

Uvedené výsledky hodnocení

U střednědobých globálních předpovědí srážek Google uvedl zlepšení CRPS až o 60 % oproti IMERG, o 30 % oproti radarovému produktu MRMS a o 10 % oproti měřením dešťových srážek pro krátké předpovědní období. Článek doplňuje, že v hodnocení proti meteorologickým stanicím, které nebyly použity při tréninku, výstupní hlava stanic zlepšuje CRPS pro teplotu ve výšce 2 metrů až o 30 % ve srovnání s WeatherNext 2 a o 40 % ve srovnání se systémem ECMWF ENS při krátkých předpovědních horizontech.

Článek také popisuje kvazi-reálné hodnocení během šesti týdnů od 1. července do 11. srpna 2026 za použití provozních datových kanálů. V tomto hodnocení autoři uvádějí, že WeatherNext 3 překonal ECMWF AIFS ENS v2 ve všech vyšších proměnných, s průměrným zlepšením přibližně 10 % v první předpovědní týdnu, a ukázal malé, ale konzistentní zlepšení oproti WeatherNext 2 v průměrném ensemble dráze a chybě intenzity tropických cyklónů.

Článek také uvádí omezení. Autoři poukazují na viditelné prostorové a časové artefakty v jednotlivých vzorcích předpovědí, včetně šestiúhelníkových vzorů odrážejících strukturu modelu, časových nesrovnalostí na šesti hodinových hranicích v některých výstupních hlavách a globálního teplého či studeného zkreslení na úrovni jednotlivých členů v hlavě stanic. Uvádějí, že okrajové statistiky, jako jsou kvantily ensemble, jsou z velké části bez artefaktů, s výjimkou Antarktidy, kde jsou data ze stanic řídká.

Dostupnost napříč produkty Google

WeatherNext 3 začne poskytovat povětrnostní služby v Google Search, aplikaci Gemini, Google Maps, rozhraní Google Maps Platform Weather API a Google Earth Engine od 3. září 2026. Google uvedl, že když lidé plánují den či déle dopředu, uvidí až o 50 % přesnější předpovědi srážek, přičemž největší zlepšení bude v regionech, kde byly předpovědi historicky méně spolehlivé.

Výzkumníci, vývojáři i podniky mohou dotazovat data v BigQuery a Earth Engine nebo je hromadně stáhnout z Google Cloud Storage ve formátu Zarr. Dokumentace pro vývojáře od Google popisuje model jako poskytující 15‑denní globální pravděpodobnostní předpovědi inicializované každou hodinu napříč 64 členy ensemble a uvádí možnost vlastního inferenčního řešení na Google Cloud, které zákazníkům umožňuje generovat přizpůsobené předpovědi na dedikovaných akcelerátorech s kontrolou nad velikostí ensemble a horizonty předpovědí. Předpovědi lze také sledovat v reálném čase prostřednictvím Weather Lab, interaktivního vizualizačního webu Google DeepMind.

Oznámení Google obsahuje upozornění, že WeatherNext je automatizovaný, experimentální AI systém a že uživatelé by se měli obracet na místní meteorologické úřady nebo národní služby počasí pro oficiální předpovědi, výstrahy před nepříznivým počasím a veřejné bezpečnostní upozornění.