Google DeepMind запускає WeatherNext 3 з погодними прогнозами щогодини на 5‑кілометровій роздільності

Google DeepMind і Google Research 3 вересня 2026 року представили WeatherNext 3, глобальну AI‑модель прогнозування погоди, яка генерує щогодинні прогнози з роздільністю до 5 кілометрів і інтегрується у Google Search, застосунок Gemini, Google Maps, Weather API платформи Google Maps та Google Earth Engine.

Команди охарактеризували WeatherNext 3 як свою найпросунутішу та найточнішу глобальну модель погоди на сьогодні, посилаючись на незалежні живі оцінки від Brightband. Технічний документ, написаний дослідниками Google DeepMind, Google Research та Google, супроводжував випуск і зазначає, що модель працює в експлуатації.

Щогодинні прогнози з вищою роздільністю

WeatherNext 3 генерує щогодинні прогнози з кількома просторовими роздільностями. Ключові поверхневі змінні, такі як температура та вологість, створюються з роздільністю 5 кілометрів, інші поверхневі змінні – з 10 кілометрів, а атмосферні змінні, наприклад швидкість вітру, – з 25 кілометрів. Google заявив, що це дає глобальну картину погоди приблизно в п’ять разів чіткішу, ніж у попередньої моделі, WeatherNext 2, яка створювала прогнози на сітці 25 кілометрів з кроком у шість годин.

За даними статті, WeatherNext 3 базується на підході Functional Generative Network, який лежав в основі WeatherNext 2, і створює 15‑денні прогнози ансамблю з 64 членами, навчені мінімізувати показник безперервної ранжованої ймовірності (CRPS) – стандартну міру навичок ймовірнісних прогнозів. Модель збільшує розмір латентного простору з 768 до 1024 і глибину mesh‑трансформера з 24 до 32 шарів у порівнянні з WeatherNext 2, а виробнича версія була навчена на даних до 30 червня 2026 року. Система приймає живі одногодинні мозаїки геостаціонарних супутників разом із традиційним історичним аналізом, подаючи їх у єдиний mesh‑трансформер, який генерує щільні сіткові поля, дискретні траєкторії циклони та прогнози на рівні станцій.

Навчена на сирих спостереженнях

Більшість AI‑моделей погоди, включаючи WeatherNext 2, навчаються на даних чисельних моделей прогнозування погоди, які є фізичними симуляціями з шести‑годинною затримкою даних. Google зазначив, що така затримка може спричиняти упередження для швидкозмінних змінних, таких як дощ і температура поверхні. WeatherNext 3 натомість приймає мозаїку живих глобальних геостаціонарних супутникових даних, що забезпечує постійно оновлюваний огляд атмосфери та дозволяє створювати новий прогноз щогодини, кожен з яких базується на найсвіжіших доступних супутникових спостереженнях.

У статті зазначено, що супутникова мозаїка охоплює 11 каналів з роздільністю 0,1 градуса та операційною затримкою приблизно в одну годину. WeatherNext 3 також навчається безпосередньо на розріджених спостереженнях метеостанцій, поєднуючи три поверхневі набори даних — станції аеропортів METAR, регіональні мережі Mesonet та вимірювання кораблів і буїв ICOADS — починаючи з 2001 року. У статті повідомляється, що цей вихідний блок станції передбачає температуру та точку роси на висоті 2 метри в будь‑якому місці та часі, з урахуванням місцевих географічних особливостей, таких як висота над рівнем моря.

Для опадів модель навчена на двох джерелах: продукт NASA Integrated Multi-satellite Retrievals for GPM (IMERG) та власна глобальна реаналітика опадів команди, назва якої PARDIG, яку стаття описує як експериментальну оцінку, створену окремою AI‑моделлю, навчаною передбачати розріджені радарні дані з орбітального спостереження GPM.

WeatherNext 3 також впроваджує прогнози, орієнтовані на виробництво відновлюваної енергії. Google зазначив, що модель прогнозує швидкість вітру на висоті 100 метрів, приблизно на рівні турбіни, для виробництва вітрової енергії, а також високороздільне покриття хмарами та рівні сонячного випромінювання, щоб допомогти сонячним електростанціям оцінювати інсоляцію на рівні землі.

Зазначені результати оцінювання

У середньо-термінових глобальних прогнозах опадів Google повідомив про покращення CRPS до 60 % у порівнянні з IMERG, 30 % щодо радарного продукту MRMS та 10 % у порівнянні з вимірюваннями дощометрами для ранніх часових інтервалів. У статті зазначено, що в оцінках проти метеостанцій, які не використовувалися під час навчання, блок станції покращує CRPS для температури на 2 метри до 30 % у порівнянні з WeatherNext 2 і до 40 % у порівнянні з системою ECMWF ENS при коротких часових інтервалах.

У статті також описується квазі‑реальний час оцінювання протягом шести тижнів з 1 липня по 11 серпня 2026 року, використовуючи операційні потоки даних. За результатами цього оцінювання автори повідомляють, що WeatherNext 3 перевершив ECMWF AIFS ENS v2 за всіма верхньорівневими змінними, зі середнім покращенням приблизно 10 % у першому тижні прогнозу, і продемонстрував невеликі, але стабільні покращення порівняно з WeatherNext 2 у середньому ансамблевому відхиленні траєкторії та інтенсивності тропічних циклони.

У статті також документуються обмеження. Автори зазначають видимі просторові та часові артефакти в окремих зразках прогнозу, включаючи шестику́тні патерни, що відображають структуру mesh‑моделі, часові розриви через шести‑годинні межі в деяких вихідних блоках та глобальне тепле або холодне упередження для кожного члена в блоці станції. Вони стверджують, що гранична статистика, така як квантили ансамблю, в основному вільна від артефактів, за винятком Антарктиди, де дані станцій розріджені.

Доступність у продуктах Google

WeatherNext 3 починає забезпечувати погодні сервіси у Google Search, застосунку Gemini, Google Maps, Weather API платформи Google Maps та Google Earth Engine з 3 вересня 2026 року. Google зазначив, що коли користувачі планують день чи довший період наперед, вони отримають до 50 % точніші прогнози опадів, причому найбільші покращення спостерігаються в регіонах, де прогнози історично були менш надійними.

Дослідники, розробники та компанії можуть запитувати дані у BigQuery та Earth Engine або масово завантажувати їх з Google Cloud Storage у форматі Zarr. Документація для розробників Google описує модель як таку, що надає 15‑денні глобальні ймовірнісні прогнози, ініціалізовані щогодини, у 64‑членному ансамблі, і перераховує власну опцію інференції у Google Cloud, яка дозволяє клієнтам створювати індивідуальні прогнози на спеціалізованих прискорювачах з контролем розміру ансамблю та горизонту прогнозу. Прогнози також можна переглядати в реальному часі через Weather Lab, інтерактивний візуалізаційний сайт Google DeepMind.

У заяві Google є застереження, що WeatherNext є автоматизованою, експериментальною AI‑системою, і користувачі повинні звертатися до місцевих метеорологічних агентств або національних служб погоди за офіційними прогнозами, попередженнями про небезпечні погодні явища та рекомендаціями щодо громадської безпеки.