Google DeepMind lansează WeatherNext 3 cu prognoze orare la rezoluție de 5 kilometri

Google DeepMind și Google Research, pe 3 septembrie 2026, a prezentat WeatherNext 3, un model global de prognoză meteo bazat pe AI care generează prognoze orare cu rezoluție de până la 5 kilometri și este integrat în Google Search, aplicația Gemini, Google Maps, API-ul Weather al Google Maps Platform și Google Earth Engine.

Echipele au descris WeatherNext 3 ca fiind cel mai avansat și precis model global de prognoză meteo de până acum, făcând referire la evaluări live independente realizate de Brightband. O lucrare tehnică scrisă de cercetătorii de la Google DeepMind, Google Research și Google a însoțit lansarea și afirmă că modelul funcționează în regim operațional.

Prognoze orare la rezoluție mai mare

WeatherNext 3 generează prognoze orare la mai multe rezoluții spațiale. Variabilele de suprafață cheie, cum ar fi temperatura și umiditatea, sunt produse la o rezoluție de 5 kilometri, alte variabile de suprafață la 10 kilometri și variabilele atmosferice, cum ar fi viteza vântului, la 25 kilometri. Google a declarat că aceasta reprezintă o imagine globală a vremii aproximativ de cinci ori mai clară decât modelul său anterior, WeatherNext 2, care genera prognoze pe o grilă de 25 de kilometri în intervale de șase ore.

Conform lucrării, WeatherNext 3 se bazează pe abordarea Functional Generative Network care a susținut WeatherNext 2 și produce prognoze de ansamblu pe 15 zile, cu 64 de membri, antrenate pentru a minimiza scorul continuu al probabilității rangate (CRPS), o măsură standard a abilității prognozelor probabilistice. Modelul mărește dimensiunea latentă de la 768 la 1024 și adâncimea transformatorului mesh de la 24 la 32 de straturi în comparație cu WeatherNext 2, iar versiunea de producție a fost antrenată pe date până la 30 iunie 2026. Sistemul preia mozaicuri satelitare geostaționare live la fiecare oră, alături de analiza istorică tradițională, alimentând un singur transformator mesh care generează câmpuri raster dense, traiectorii ciclonice discrete și prognoze la nivel de stație.

Antrenat pe observații brute

Majoritatea modelelor meteo bazate pe AI, inclusiv WeatherNext 2, sunt antrenate pe date provenite din modele numerice de prognoză meteo, care sunt simulări fizice cu un decalaj de șase ore în date. Google a precizat că acest decalaj poate introduce părtiniri pentru variabilele care se schimbă rapid, cum ar fi ploaia și temperatura de suprafață. WeatherNext 3, în schimb, preia un mozaic de date satelitare geostaționare globale live, oferindu-i o vedere continuu actualizată a atmosferei și permițând o nouă prognoză în fiecare oră, fiecare bazată pe cele mai recente observații satelitare disponibile.

Lucrarea precizează că mozaicul satelitar acoperă 11 canale la o rezoluție de 0,1 grad, cu o latență operațională de aproximativ o oră. WeatherNext 3 se antrenează, de asemenea, direct pe observații rare ale stațiilor meteorologice, combinând trei seturi de date de suprafață — stații METAR de aeroport, rețele regionale Mesonet și măsurători de pe nave și plute ICOADS — începând din 2001. Lucrarea raportează că această componentă de ieșire a stațiilor prezice temperatura și punctul de rouă la 2 metri pentru orice locație și moment, condiționată de caracteristicile geografice locale, cum ar fi altitudinea.

Pentru precipitații, modelul este antrenat pe două surse: produsul IMERG (Integrated Multi-satellite Retrievals for GPM) bazat pe sateliții NASA și reanaliza globală a precipitațiilor a echipei, denumită PARDIG, pe care lucrarea o descrie ca o estimare experimentală produsă de un model AI separat, antrenat să prezică date radar spațiale rare de la observatorul principal GPM.

WeatherNext 3 introduce, de asemenea, prognoze orientate spre producția de energie regenerabilă. Google a declarat că modelul prognozează vitezele vântului la 100 de metri, aproximativ înălțimea turbinelor, pentru producția de energie eoliană, alături de acoperire de nori și niveluri de radiație solară la înaltă rezoluție, pentru a ajuta fermele solare să estimeze radiația solară la nivelul solului.

Rezultatele de evaluare raportate

În prognozele globale de precipitații pe termen mediu, Google a raportat îmbunătățiri ale CRPS de până la 60% față de IMERG, 30% față de produsul radar MRMS și 10% față de măsurătorile cu pluviometre pentru intervale de timp scurte. Lucrarea adaugă că, în evaluările comparativ cu stațiile meteorologice excluse din antrenament, componenta stație îmbunătățește CRPS pentru temperatura la 2 metri cu până la 30% în comparație cu WeatherNext 2 și cu 40% în comparație cu sistemul ECMWF ENS la intervale scurte.

Lucrarea descrie, de asemenea, o evaluare aproape în timp real pe parcursul perioadei de șase săptămâni, 1 iulie – 11 august 2026, utilizând fluxuri de date operaționale. În acea evaluare, autorii raportează că WeatherNext 3 a depășit AIFS ENS v2 de la ECMWF la toate variabilele de nivel superior, cu o îmbunătățire medie de aproximativ 10% în prima săptămână de prognoză, și a arătat îmbunătățiri mici, dar constante, față de WeatherNext 2 în eroarea medie a traiectoriei și intensității ciclonilor tropicali în ansamblu.

Lucrarea documentează, de asemenea, limitări. Autorii observă artefacte spațiale și temporale vizibile în mostrele individuale de prognoză, inclusiv modele hexagonale care reflectă structura mesh a modelului, discontinuități temporale la granițele de șase ore în unele componente de ieșire și o părtinire globală de încălzire sau răcire per membru în componenta stație. Ei afirmă că statisticile marginale, cum ar fi cuantilele ansamblului, sunt în mare parte lipsite de artefacte, cu excepția Antarcticii, unde datele staționale sunt rare.

Disponibilitate în produsele Google

WeatherNext 3 începe să alimenteze experiențele meteo în Google Search, aplicația Gemini, Google Maps, API-ul Weather al Google Maps Platform și Google Earth Engine începând cu 3 septembrie 2026. Google a declarat că, atunci când oamenii își planifică o zi sau mai mult în avans, vor vedea prognoze de precipitații cu până la 50% mai precise, cele mai mari îmbunătățiri fiind în regiunile în care prognozele au fost istoric mai puțin fiabile.

Cercetătorii, dezvoltatorii și companiile pot interoga datele în BigQuery și Earth Engine sau le pot descărca în masă din Google Cloud Storage în format Zarr. Documentația pentru dezvoltatori a Google descrie modelul ca livrând prognoze probabilistice globale pe 15 zile, inițializate orar, pe 64 de membri ai ansamblului, și enumeră o opțiune de inferență personalizată pe Google Cloud care permite clienților să genereze prognoze adaptate pe acceleratoare dedicate, cu control asupra dimensiunii ansamblului și a orizonturilor de prognoză. Prognozele pot fi, de asemenea, vizualizate în timp real prin Weather Lab, site-ul interactiv de vizualizare al Google DeepMind.

Anunțul Google include o declarație de declinare a responsabilității conform căreia WeatherNext este un sistem AI automat și experimental și utilizatorii ar trebui să se adreseze agențiilor meteorologice locale sau serviciilor naționale de meteorologie pentru prognoze oficiale, avertismente privind vremea severă și recomandări de siguranță publică.