Google DeepMind представляет WeatherNext 3 с почасовыми прогнозами на 5‑километровом разрешении

Google DeepMind и Google Research 3 сентября 2026 года представили WeatherNext 3, глобальная AI‑модель прогнозирования погоды, генерирующая почасовые прогнозы с разрешением до 5‑километров и интегрируемая в Google Search, приложение Gemini, Google Maps, Weather API платформы Google Maps и Google Earth Engine.

Команды описали WeatherNext 3 как свою самую продвинутую и точную глобальную модель погоды на сегодняшний день, ссылаясь на независимые прямые оценки от Brightband. Технический документ, написанный исследователями Google DeepMind, Google Research и Google, сопровождал релиз и сообщает, что модель работает в эксплуатационном режиме.

Почасовые прогнозы с более высоким разрешением

WeatherNext 3 генерирует почасовые прогнозы с различными пространственными разрешениями. Ключевые поверхностные переменные, такие как температура и влажность, выдаются с разрешением 5 км, другие поверхностные переменные — с 10 км, а атмосферные переменные, например скорость ветра, — с 25 км. По словам Google, это дает глобальную картину погоды примерно в пять раз детальнее, чем у предыдущей модели, WeatherNext 2, которая выдавала прогнозы на сетке 25 км с шестичасовым шагом.

Согласно документу, WeatherNext 3 опирается на подход Functional Generative Network, использованный в WeatherNext 2, и генерирует 15‑дневные ансамблевые прогнозы из 64 членов, обученные минимизации непрерывного ранжированного вероятностного балла (CRPS) — стандартной метрики качества вероятностных прогнозов. По сравнению с WeatherNext 2, модель увеличила размер скрытого пространства с 768 до 1024 и глубину сеточного трансформера с 24 до 32 слоёв; производственная версия была обучена на данных до 30 июня 2026 года. Система принимает живые часовые мозаики геостационарных спутников вместе с традиционным историческим анализом, подавая их в единый сеточный трансформер, который выдаёт плотные сеточные поля, дискретные траектории циклонов и прогнозы для отдельных метеостанций.

Обучена на необработанных наблюдениях

Большинство AI‑моделей погоды, включая WeatherNext 2, обучаются на данных численных моделей прогноза погоды, представляющих собой физические симуляции с шестичасовой задержкой данных. По словам Google, такая задержка может вносить смещения в быстро меняющиеся переменные, такие как осадки и температура поверхности. WeatherNext 3, напротив, принимает мозаичную живую глобальную геостационарную спутниковую информацию, обеспечивая непрерывно обновляющийся взгляд на атмосферу и позволяя выдавать новый прогноз каждый час, каждый из которых основан на самых свежих доступных спутниковых наблюдениях.

В документе указано, что спутниковая мозаика охватывает 11 каналов с разрешением 0,1° и операционной задержкой примерно в один час. WeatherNext 3 также обучается напрямую на разреженных наблюдениях метеостанций, объединяя три поверхностных набора данных — станции METAR в аэропортах, региональные сети Mesonet и измерения судов и буев ICOADS — начиная с 2001 года. По данным документа, этот блок вывода станции предсказывает температуру и точку росы на высоте 2 м в любой точке и в любой момент, учитывая местные географические особенности, такие как высота над уровнем моря.

Для осадков модель обучается на двух источниках: спутниковом продукте NASA Integrated Multi-satellite Retrievals for GPM (IMERG) и собственной глобальной реанализе осадков команды, названной PARDIG, которую документ описывает как экспериментальную оценку, полученную отдельной AI‑моделью, обученной предсказывать разрежённые радиолокационные данные, полученные со спутника‑наблюдателя GPM.

WeatherNext 3 также вводит прогнозы, ориентированные на производство возобновляемой энергии. По словам Google, модель прогнозирует скорости ветра на высоте 100 м (примерно высота турбин) для ветровой энергии, а также предоставляет высокоразрешённые данные о покрытии облачностью и уровнях солнечной радиации, помогая солнечным электростанциям оценивать количество солнечного света у земли.

Сообщённые результаты оценки

В среднем диапазоне глобальных прогнозов осадков Google сообщил об улучшении CRPS до 60 % по сравнению с IMERG, 30 % по сравнению с радарным продуктом MRMS и 10 % по сравнению с измерениями дождемеров при ранних сроках прогноза. В документе добавлено, что в оценках против метеостанций, не участвовавших в обучении, блок станции улучшает CRPS для температуры на высоте 2 м до 30 % по сравнению с WeatherNext 2 и до 40 % по сравнению с системой ECMWF ENS при коротких сроках прогноза.

Документ также описывает квази‑реальное оценивание за шести‑недельный период с 1 июля по 11 августа 2026 года, используя оперативные потоки данных. В этом оценивании авторы сообщили, что WeatherNext 3 превзошёл AIFS ENS v2 от ECMWF по всем верхнеуровневым переменным, с средним улучшением примерно на 10 % в первую неделю прогноза, а также показал небольшие, но постоянные улучшения по сравнению с WeatherNext 2 в среднем ансамблевом отклонении траекторий и интенсивности тропических циклонов.

В документе также описаны ограничения. Авторы отмечают видимые пространственные и временные артефакты в отдельных образцах прогноза, включая шестиугольные узоры, отражающие структуру сетки модели, временные разрывы через шестичасовые границы в некоторых блоках вывода и глобальное тёплое или холодное смещение для каждого члена в блоке станции. Они заявляют, что маргинальные статистики, такие как квантили ансамбля, в основном свободны от артефактов, за исключением Антарктиды, где данные станций разрежены.

Доступность в продуктах Google

WeatherNext 3 начинает обеспечивать погодные сервисы в Google Search, приложении Gemini, Google Maps, Weather API платформы Google Maps и Google Earth Engine с 3 сентября 2026 года. По словам Google, когда пользователи планируют день и более вперёд, они увидят до 50 % более точные прогнозы осадков, при этом наибольшие улучшения наблюдаются в регионах, где прогнозы исторически были менее надёжными.

Исследователи, разработчики и компании могут запрашивать данные в BigQuery и Earth Engine или массово скачивать их из Google Cloud Storage в формате Zarr. Документация для разработчиков Google описывает модель как предоставляющую 15‑дневные глобальные вероятностные прогнозы, инициализируемые каждый час, с 64 членами ансамбля, и перечисляет пользовательскую опцию вывода на Google Cloud, позволяющую клиентам генерировать индивидуальные прогнозы на специализированных ускорителях с контролем над размером ансамбля и горизонтом прогноза. Прогнозы также можно просматривать в реальном времени через Weather Lab, интерактивный визуализатор Google DeepMind.

В объявлении Google содержится отказ от ответственности, в котором указывается, что WeatherNext является автоматизированной экспериментальной AI‑системой, и пользователям следует обращаться к местным метеорологическим агентствам или национальным метеослужбам за официальными прогнозами, предупреждениями о сильных погодных явлениях и рекомендациями по общественной безопасности.