Google DeepMind Lança WeatherNext 3 com Previsões Horárias de 5 km

Google DeepMind e Google Research, em 3 de setembro de 2026, apresentaram WeatherNext 3, um modelo global de previsão meteorológica com IA que gera previsões horárias com resolução de até 5 kilômetros e está sendo integrado ao Google Search, ao aplicativo Gemini, ao Google Maps, à API Weather da Google Maps Platform e ao Google Earth Engine.

As equipes descreveram o WeatherNext 3 como seu modelo climático global mais avançado e preciso até hoje, apontando para avaliações ao vivo independentes realizadas pela Brightband. Um artigo técnico escrito por pesquisadores do Google DeepMind, Google Research e Google acompanhou o lançamento e afirma que o modelo está em operação.

Previsões Horárias em Resolução Mais Alta

O WeatherNext 3 gera previsões horárias em várias resoluções espaciais. Variáveis de superfície importantes, como temperatura e umidade, são produzidas com resolução de 5 kilômetros; outras variáveis de superfície, a 10 kilômetros; e variáveis atmosféricas, como velocidade do vento, a 25 kilômetros. O Google afirmou que isso resulta em uma imagem climática global aproximadamente cinco vezes mais nítida que seu modelo anterior, WeatherNext 2, que produzia previsões em uma grade de 25 kilômetros em intervalos de seis horas.

De acordo com o artigo, o WeatherNext 3 baseia‑se na abordagem Functional Generative Network que sustentou o WeatherNext 2 e produz previsões de conjunto de 64 membros para 15 dias, treinadas para minimizar o Continuous Ranked Probability Score (CRPS), uma medida padrão da habilidade de previsões probabilísticas. O modelo aumenta o tamanho latente de 768 para 1024 e a profundidade do transformador de malha de 24 para 32 camadas em relação ao WeatherNext 2, e a versão de produção foi treinada com dados até 30 de junho de 2026. O sistema ingere mosaicos satélite geoestacionários ao vivo de uma hora junto à análise histórica tradicional, alimentando um único transformador de malha que gera campos gradeados densos, trajetórias discretas de ciclones e previsões ao nível de estação.

Treinado em Observações Brutas

A maioria dos modelos climáticos de IA, incluindo o WeatherNext 2, são treinados com dados de modelos numéricos de previsão do tempo, que são simulações físicas que apresentam um atraso de seis horas nos dados. O Google afirmou que esse atraso pode introduzir vieses em variáveis que mudam rapidamente, como chuva e temperatura da superfície. O WeatherNext 3, por sua vez, ingere um mosaico de dados satélite geoestacionários globais ao vivo, proporcionando uma visão continuamente atualizada da atmosfera e permitindo uma nova previsão a cada hora, cada uma baseada nas observações satélite mais recentes disponíveis.

O artigo afirma que o mosaico satélite abrange 11 canais com resolução de 0,1 grau e latência operacional de aproximadamente uma hora. O WeatherNext 3 também treina diretamente com observações esparsas de estações meteorológicas, combinando três conjuntos de dados de superfície — estações METAR de aeroportos, redes regionais Mesonet e medições de navios e boias do ICOADS — a partir de 2001. O artigo relata que esse módulo de saída de estação prevê temperatura a 2 metros e ponto de orvalho em qualquer local e horário, condicionado a características geográficas locais, como elevação.

Para precipitação, o modelo é treinado em duas fontes: o produto IMERG (Integrated Multi-satellite Retrievals for GPM) da NASA, baseado em satélite, e a própria reanálise global de precipitação da equipe, chamada PARDIG, que o artigo descreve como uma estimativa experimental produzida por um modelo de IA separado treinado para prever dados de radar esparsos provenientes do observatório central do GPM.

O WeatherNext 3 também introduz previsões voltadas à produção de energia renovável. O Google informou que o modelo prevê velocidades do vento a 100 metros, aproximadamente a altura das turbinas, para geração de energia eólica, além de cobertura de nuvens e níveis de radiação solar em alta resolução para ajudar fazendas solares a estimar a luz solar ao nível do solo.

Resultados de Avaliação Reportados

Nas previsões globais de precipitação de médio prazo, o Google relatou melhorias no CRPS de até 60 % em relação ao IMERG, 30 % para o produto radar‑baseado MRMS e 10 % em relação às medições de pluviômetros para períodos de antecedência iniciais. O artigo acrescenta que, em avaliações contra estações meteorológicas excluídas do treinamento, o módulo de estação melhora o CRPS da temperatura a 2 m em até 30 % comparado ao WeatherNext 2 e 40 % comparado ao sistema ECMWF ENS em curtos períodos de antecedência.

O artigo também descreve uma avaliação quase em tempo real ao longo de seis semanas, de 1º de julho a 11 de agosto de 2026, usando fluxos de dados operacionais. Nessa avaliação, os autores relatam que o WeatherNext 3 superou o AIFS ENS v2 da ECMWF em todas as variáveis de nível superior, com uma melhoria média de cerca de 10 % na primeira semana de previsão, e mostrou pequenas, porém consistentes, melhorias em relação ao WeatherNext 2 no erro médio do conjunto de trajetórias e intensidade de ciclones tropicais.

O artigo também documenta limitações. Os autores observam artefatos espaciais e temporais visíveis em amostras individuais de previsões, incluindo padrões hexagonais que refletem a estrutura de malha do modelo, descontinuidades temporais nas fronteiras de seis horas em alguns módulos de saída e um viés global de aquecimento ou resfriamento por membro no módulo de estação. Eles afirmam que estatísticas marginais, como quantis de conjunto, são em grande parte livres de artefatos, exceto na Antártida, onde os dados de estação são escassos.

Disponibilidade nos Produtos Google

O WeatherNext 3 começa a alimentar as experiências climáticas no Google Search, no aplicativo Gemini, no Google Maps, na API Weather da Google Maps Platform e no Google Earth Engine a partir de 3 de setembro de 2026. O Google afirmou que, quando as pessoas planejam um dia ou mais adiante, elas verão previsões de precipitação até 50 % mais precisas, com os maiores aprimoramentos nas regiões onde as previsões historicamente eram menos confiáveis.

Pesquisadores, desenvolvedores e empresas podem consultar os dados no BigQuery e no Earth Engine ou baixá‑los em massa a partir do Google Cloud Storage no formato Zarr. A documentação para desenvolvedores do Google descreve o modelo como fornecendo previsões probabilísticas globais de 15 dias, inicializadas a cada hora em 64 membros de conjunto, e lista uma opção de inferência personalizada no Google Cloud que permite aos clientes gerar previsões sob medida em aceleradores dedicados, com controle sobre o tamanho do conjunto e os horizontes de previsão. As previsões também podem ser visualizadas em tempo real através do Weather Lab, site de visualização interativa da Google DeepMind.

O anúncio da Google inclui um aviso de que o WeatherNext é um sistema de IA automatizado e experimental e que os usuários devem consultar as agências meteorológicas locais ou os serviços meteorológicos nacionais para obter previsões oficiais, alertas de tempo severo e orientações de segurança pública.