Google DeepMind lanceert WeatherNext 3 met uurvoorspellingen van 5 kilometer

Google DeepMind en Google Research op 3 september 2026 introductie van WeatherNext 3, een wereldwijd AI‑weermodel dat uurvoorspellingen genereert met een resolutie tot 5 kilometer en wordt geïntegreerd in Google Search, de Gemini‑app, Google Maps, de Google Maps Platform Weather‑API en Google Earth Engine.

De teams beschreven WeatherNext 3 als hun tot nu toe meest geavanceerde en nauwkeurige wereldwijde weermodel, met verwijzing naar live‑evaluaties van Brightband. Een technisch artikel, geschreven door onderzoekers van Google DeepMind, Google Research en Google, ging mee met de release en stelt dat het model operationeel draait.

Uurvoorspellingen met hogere resolutie

WeatherNext 3 genereert uurvoorspellingen op meerdere ruimtelijke resoluties. Belangrijke oppervlakte‑variabelen zoals temperatuur en vochtigheid worden geproduceerd met een resolutie van 5 kilometer, andere oppervlakte‑variabelen met 10 kilometer, en atmosferische variabelen zoals windsnelheid met 25 kilometer. Google stelt dat dit neerkomt op een wereldwijde weerweergave die ongeveer vijf keer scherper is dan het vorige model, WeatherNext 2, dat voorspellingen leverde op een raster van 25 kilometer met stappen van zes uur.

Volgens het artikel bouwt WeatherNext 3 voort op de Functional Generative Network‑benadering die ten grondslag lag aan WeatherNext 2 en levert 15‑daagse, 64‑lid‑ensemble‑voorspellingen die getraind zijn om de Continuous Ranked Probability Score (CRPS) te minimaliseren, een standaardmaat voor probabilistische voorspellingskwaliteit. Het model vergroot de latente grootte van 768 naar 1024 en de diepte van de mesh‑transformer van 24 naar 32 lagen ten opzichte van WeatherNext 2, en de productieversie werd getraind op data tot 30 juni 2026. Het systeem verwerkt live één‑uur‑geostationaire satelliet‑mozaïeken naast traditionele historische analyses, en voedt een enkele mesh‑transformer die dichte gerasterde velden, discrete cycloon‑banen en voorspellingen op stationsniveau genereert.

Getraind op ruwe waarnemingen

De meeste AI‑weermodellen, inclusief WeatherNext 2, worden getraind op gegevens van numerieke weervoorspellingsmodellen, die fysische simulaties zijn met een gegevensvertraging van zes uur. Google stelt dat die vertraging vooroordelen kan introduceren bij snel veranderende variabelen zoals regen en oppervlaktetemperatuur. WeatherNext 3 verwerkt in plaats daarvan een mozaïek van live wereldwijde geostationaire satellietgegevens, waardoor het een continu bijgewerkte weergave van de atmosfeer heeft en elk uur een nieuwe voorspelling mogelijk maakt, gebaseerd op de meest recente beschikbare satellietwaarnemingen.

Het artikel vermeldt dat het satellietmozaïek 11 kanalen beslaat met een resolutie van 0,1 graad en een operationele latentie van ongeveer één uur. WeatherNext 3 traint ook rechtstreeks op schaars weerstations‑observaties, door drie oppervlakte‑datasets te combineren — METAR‑luchthavenstations, regionale Mesonet‑netwerken en ICOADS‑scheeps‑ en boeimeetpunten — vanaf 2001. Het artikel meldt dat deze stations‑output‑module 2‑meter‑temperatuur en dauwpunt voorspelt op elke locatie en tijd, onder voorwaarde van lokale geografische kenmerken zoals hoogte.

Voor neerslag wordt het model getraind op twee bronnen: NASA’s satelliet‑gebaseerde Integrated Multi‑satellite Retrievals for GPM (IMERG) product en de eigen wereldwijde neerslag‑reanalyse van het team, genaamd PARDIG, die het artikel beschrijft als een experimentele schatting geproduceerd door een apart AI‑model dat getraind is om schaars ruimte‑gebaseerde radargegevens van de GPM‑kernobservatorium te voorspellen.

WeatherNext 3 introduceert ook voorspellingen gericht op de productie van hernieuwbare energie. Google meldt dat het model windsnelheden op 100 meter (ongeveer de hoogte van een turbine) voorspelt voor windenergie‑opbrengst, naast hoog‑resolutie‑bewolking en zonnestraling om zonneparken te helpen de grond‑niveau zonnestraling te schatten.

Gerapporteerde evaluatieresultaten

Bij middellange wereldwijde neerslagvoorspellingen rapporteerde Google CRPS‑verbeteringen van tot 60 % ten opzichte van IMERG, 30 % voor het MRMS‑radarbeenproduct en 10 % ten opzichte van regenmeter‑metingen voor vroege voorspellingstijden. Het artikel voegt toe dat, in evaluaties tegen weerstations die buiten de training werden gehouden, de stations‑module de CRPS voor 2‑meter‑temperatuur met tot 30 % verbetert ten opzichte van WeatherNext 2 en met 40 % ten opzichte van het ECMWF ENS‑systeem bij korte voorspellingstijden.

Het artikel beschrijft bovendien een quasi‑real‑time evaluatie over de zes‑weekse periode van 1 juli tot 11 augustus 2026, met gebruik van operationele gegevensfeeds. In die evaluatie melden de auteurs dat WeatherNext 3 beter presteerde dan ECMWF’s AIFS ENS v2 voor alle boven‑atmosferische variabelen, met een gemiddelde verbetering van ongeveer 10 % in de eerste voorspellingsweek, en dat het kleine maar consistente verbeteringen liet zien ten opzichte van WeatherNext 2 in de ensemble‑gemiddelde tropische cycloon‑baan‑ en intensiteitsfout.

Het artikel documenteert ook beperkingen. De auteurs merken zichtbare ruimtelijke en temporele artefacten op in individuele voorspellingssamples, waaronder hexagonale patronen die de mesh‑structuur van het model weerspiegelen, temporele discontinuïteiten over zes‑uur‑grenzen in sommige output‑modules, en een per‑lid wereldwijde warme‑of‑koude‑bias in de stations‑module. Ze stellen dat marginale statistieken zoals ensemble‑kwantielen grotendeels vrij zijn van artefacten, behalve op Antarctica, waar stationsgegevens schaars zijn.

Beschikbaarheid in Google‑producten

WeatherNext 3 begint vanaf 3 september 2026 weerervaringen te leveren in Google Search, de Gemini‑app, Google Maps, de Google Maps Platform Weather‑API en Google Earth Engine. Google stelt dat wanneer mensen een dag of langer vooruit plannen, ze tot 50 % nauwkeurigere neerslagvoorspellingen zullen zien, met de grootste verbeteringen in regio’s waar voorspellingen historisch minder betrouwbaar waren.

Onderzoekers, ontwikkelaars en bedrijven kunnen de gegevens opvragen in BigQuery en Earth Engine of ze in bulk downloaden vanuit Google Cloud Storage in Zarr‑formaat. De ontwikkelaarsdocumentatie van Google beschrijft het model als leverend 15‑daagse wereldwijde probabilistische voorspellingen die elk uur worden geïnitialiseerd over 64 ensemble‑leden, en vermeldt een aangepaste inferentie‑optie op Google Cloud waarmee klanten op dedicated accelerators op maat gemaakte voorspellingen kunnen genereren met controle over de ensemble‑grootte en voorspellingshorizonten. De voorspellingen kunnen ook in real‑time worden bekeken via Weather Lab, de interactieve visualisatiesite van Google DeepMind.

De aankondiging van Google bevat een disclaimer dat WeatherNext een geautomatiseerd, experimenteel AI‑systeem is en dat gebruikers zich moeten wenden tot lokale meteorologische agentschappen of nationale weerdiensten voor officiële voorspellingen, ernstige weerwaarschuwingen en veiligheidsadviezen voor het publiek.