Google DeepMind Lancia WeatherNext 3 Con Previsioni Orarie a 5 Chilometri di Risoluzione

Google DeepMind e Google Research, il 3 settembre 2026, hanno presentato WeatherNext 3, un modello globale di previsione meteorologica basato su IA che genera previsioni orarie con una risoluzione fino a 5 chilometri e che viene integrato in Google Search, nell’app Gemini, in Google Maps, nell’API Weather della Google Maps Platform e in Google Earth Engine.

I team hanno descritto WeatherNext 3 come il loro modello meteorologico globale più avanzato e preciso fino ad oggi, facendo riferimento a valutazioni live indipendenti da Brightband. Un documento tecnico, redatto da ricercatori di Google DeepMind, Google Research e Google, ha accompagnato il rilascio e afferma che il modello è operativo.

Previsioni orarie a risoluzione più elevata

WeatherNext 3 genera previsioni orarie a diverse risoluzioni spaziali. Le principali variabili di superficie, come temperatura e umidità, sono prodotte a una risoluzione di 5 chilometri, altre variabili di superficie a 10 chilometri e le variabili atmosferiche, come la velocità del vento, a 25 chilometri. Google ha dichiarato che ciò corrisponde a una immagine meteorologica globale circa cinque volte più nitida rispetto al modello precedente, WeatherNext 2, che produceva previsioni su una griglia da 25 chilometri con intervalli di sei ore.

Secondo il documento, WeatherNext 3 si basa sull’approccio Functional Generative Network che ha sostenuto WeatherNext 2 e produce previsioni di ensemble a 64 membri per 15 giorni, addestrate per minimizzare il Continuous Ranked Probability Score (CRPS), una misura standard dell’abilità delle previsioni probabilistiche. Il modello aumenta la dimensione latente da 768 a 1024 e la profondità del mesh transformer da 24 a 32 strati rispetto a WeatherNext 2, e la versione di produzione è stata addestrata su dati fino al 30 giugno 2026. Il sistema ingerisce mosaici satellitari geostazionari in tempo reale con aggiornamento orario insieme all’analisi storica tradizionale, alimentando un unico mesh transformer che genera campi raster densi, tracciati ciclonici discreti e previsioni a livello di stazione.

Addestrato su osservazioni grezze

La maggior parte dei modelli meteorologici basati su IA, incluso WeatherNext 2, è addestrata su dati provenienti da modelli numerici di previsione meteorologica, che sono simulazioni fisiche con un ritardo di sei ore nei dati. Google ha affermato che tale ritardo può introdurre bias per variabili che cambiano rapidamente, come la pioggia e la temperatura di superficie. WeatherNext 3, invece, ingerisce un mosaico di dati satellitari geostazionari globali in tempo reale, fornendo una visione dell’atmosfera costantemente aggiornata e consentendo una nuova previsione ogni ora, basata sulle osservazioni satellitari più recenti disponibili.

Il documento indica che il mosaico satellitare copre 11 canali con una risoluzione di 0,1 gradi e una latenza operativa di circa un’ora. WeatherNext 3 si addestra anche direttamente su osservazioni sparse di stazioni meteorologiche, combinando tre set di dati di superficie — stazioni METAR aeroportuali, reti regionali Mesonet e misurazioni di navi e boe ICOADS — a partire dal 2001. Il documento riporta che questo modulo di output delle stazioni prevede temperatura a 2 metri e punto di rugiada in qualsiasi luogo e momento, condizionato dalle caratteristiche geografiche locali, come l’altitudine.

Per le precipitazioni, il modello è addestrato su due fonti: il prodotto IMERG (Integrated Multi-satellite Retrievals for GPM) basato su satelliti della NASA e la rianalisi globale delle precipitazioni del team, denominata PARDIG, che il documento descrive come una stima sperimentale prodotta da un modello IA separato addestrato a prevedere dati radar spaziali sparsi dall’osservatorio centrale GPM.

WeatherNext 3 introduce anche previsioni rivolte alla produzione di energia rinnovabile. Google ha dichiarato che il modello prevede velocità del vento a 100 metri, approssimativamente l’altezza delle turbine, per la produzione di energia eolica, oltre a copertura nuvolosa ad alta risoluzione e livelli di radiazione solare per aiutare gli impianti solari a stimare l’irraggiamento a livello del suolo.

Risultati di valutazione riportati

Nelle previsioni di precipitazione globale a medio raggio, Google ha segnalato miglioramenti del CRPS fino al 60 % rispetto a IMERG, al 30 % per il prodotto radar MRMS e al 10 % rispetto alle misurazioni dei pluviometri per i tempi di previsione iniziali. Il documento aggiunge che, nelle valutazioni contro stazioni meteorologiche escluse dall’addestramento, il modulo delle stazioni migliora il CRPS per la temperatura a 2 metri fino al 30 % rispetto a WeatherNext 2 e fino al 40 % rispetto al sistema ECMWF ENS per brevi tempi di previsione.

Il documento descrive inoltre una valutazione quasi in tempo reale sul periodo di sei settimane dal 1° luglio all’11 agosto 2026, utilizzando flussi di dati operativi. In tale valutazione, gli autori riportano che WeatherNext 3 ha superato l’AIFS ENS v2 di ECMWF su tutte le variabili di livello superiore, con un miglioramento medio di circa il 10 % nella prima settimana di previsione, e ha mostrato piccoli ma costanti miglioramenti rispetto a WeatherNext 2 nell’errore medio dell’ensemble sulla traiettoria e l’intensità dei cicloni tropicali.

Il documento segnala anche delle limitazioni. Gli autori osservano artefatti spaziali e temporali visibili nei singoli campioni di previsione, inclusi pattern esagonali che riflettono la struttura a mesh del modello, discontinuità temporali ai confini di sei ore in alcuni moduli di output e un bias globale di riscaldamento o raffreddamento per membro nel modulo delle stazioni. Affermano che le statistiche marginali, come i quantili dell’ensemble, sono per lo più prive di artefatti, eccetto in Antartide, dove i dati delle stazioni sono scarsi.

Disponibilità nei prodotti Google

WeatherNext 3 inizia a fornire le previsioni meteorologiche in Google Search, nell’app Gemini, in Google Maps, nell’API Weather della Google Maps Platform e in Google Earth Engine a partire dal 3 settembre 2026. Google ha dichiarato che, quando le persone pianificano un giorno o più in anticipo, vedranno previsioni di precipitazione fino al 50 % più accurate, con i maggiori miglioramenti nelle regioni in cui le previsioni sono storicamente state meno affidabili.

Ricercatori, sviluppatori e aziende possono interrogare i dati in BigQuery e Earth Engine o scaricarli in blocco da Google Cloud Storage in formato Zarr. La documentazione per sviluppatori di Google descrive il modello come in grado di fornire previsioni probabilistiche globali a 15 giorni, inizializzate ogni ora su 64 membri dell’ensemble, e elenca un’opzione di inferenza personalizzata su Google Cloud che consente ai clienti di generare previsioni su misura su acceleratori dedicati, con controllo sulla dimensione dell’ensemble e sugli orizzonti di previsione. Le previsioni possono anche essere visualizzate in tempo reale tramite Weather Lab, il sito di visualizzazione interattiva di Google DeepMind.

L’annuncio di Google include una dichiarazione di non responsabilità secondo cui WeatherNext è un sistema IA automatizzato e sperimentale e che gli utenti dovrebbero fare riferimento alle agenzie meteorologiche locali o ai servizi meteorologici nazionali per le previsioni ufficiali, gli avvisi di maltempo e le comunicazioni di sicurezza pubblica.