Google DeepMind 推出 WeatherNext 3，提供每小时 5 公里分辨率的天气预报

Google DeepMind 与 Google Research 于 2026 年 9 月 3 日 推出 WeatherNext 3，是一款全球 AI 天气预报模型，可生成最高 5 公里分辨率的每小时预报，并已集成至 Google Search、Gemini 应用、Google Maps、Google Maps Platform Weather API 以及 Google Earth Engine。

The teams described WeatherNext 3 as their most advanced and accurate global weather model to date, pointing to independent 实时评估 by Brightband. A 技术论文 authored by researchers at Google DeepMind, Google Research, and Google accompanied the release and states that the model is running operationally.

更高分辨率的每小时预报

WeatherNext 3 可在多种空间分辨率下生成每小时预报。关键的地表变量如温度和湿度以 5 公里分辨率生成，其他地表变量以 10 公里分辨率生成，大气变量如风速则以 25 公里分辨率生成。Google 表示，这相当于比其前一代模型 WeatherNext 2（该模型以 25 公里网格、六小时间隔生成预报）提供的全球天气图像清晰度提升约五倍。

根据论文，WeatherNext 3 基于支撑 WeatherNext 2 的功能生成网络（Functional Generative Network）方法，生成 15 天、64 成员的集合预报，并通过最小化连续排名概率分数（CRPS）进行训练，CRPS 是衡量概率预报技能的标准指标。相较于 WeatherNext 2，模型将潜在维度从 768 增至 1024，网格变换器深度从 24 层提升至 32 层，生产版本的训练数据截至 2026 年 6 月 30 日。系统在摄取实时一小时地球同步卫星马赛克的同时，结合传统的历史分析，使用单一网格变换器输出密集网格场、离散气旋轨迹以及站点级预测。

基于原始观测进行训练

大多数 AI 天气模型（包括 WeatherNext 2）都是基于数值天气预报模型的数据进行训练的，这类模型是物理模拟，存在六小时的数据延迟。Google 表示，这种延迟会导致对降雨和地表温度等快速变化变量产生偏差。WeatherNext 3 则摄取全球实时地球同步卫星数据马赛克，提供持续更新的大气视图，使其能够每小时生成一次新预报，且每次预报均基于最新的卫星观测。

论文指出，卫星马赛克涵盖 11 个波段，分辨率为 0.1 度，运行时延约为一小时。WeatherNext 3 还直接在稀疏的气象站观测上进行训练，结合了三类地表数据集——METAR 机场站、区域 Mesonet 网络以及 ICOADS 船舶和浮标测量——数据起始于 2001 年。论文报告称，该站点输出模块能够预测任意位置和时间的 2 米温度和露点，并以当地海拔等地理特征为条件。

在降水方面，模型使用了两个来源进行训练：NASA 基于卫星的全球降水测量（Integrated Multi-satellite Retrievals for GPM，IMERG）产品，以及团队自行的全球降水再分析数据集 PARDIG，论文将其描述为由另一套 AI 模型训练而成的实验性估计，用于预测来自 GPM 核心观测站的稀疏空间雷达数据。

WeatherNext 3 还引入了面向可再生能源生产的预测。Google 表示，该模型预测 100 米高度（约为风机高度）的风速，以评估风能产出，并提供高分辨率的云量和太阳辐射水平，帮助光伏电站估算地面阳光照射。

报告的评估结果

在中程全球降水预报中，Google 报告称相较于 IMERG，CRPS 提升最高可达 60%；相较于 MRMS 基于雷达的产品提升 30%；在早期预报时相较于雨量计测量提升 10%。论文进一步指出，在对未参与训练的气象站进行评估时，站点模块对 2 米温度的 CRPS 提升最高可达 30%（相较于 WeatherNext 2），在短期预报时相较于 ECMWF ENS 系统提升 40%。

论文还描述了 2026 年 7 月 1 日至 8 月 11 日为期六周的准实时评估，使用运营数据流。在该评估中，作者报告称 WeatherNext 3 在所有高层变量上均优于 ECMWF 的 AIFS ENS v2，首周预报的平均提升约为 10%；在集合平均的热带气旋轨迹和强度误差方面，也相较于 WeatherNext 2 显示出小幅但持续的改进。

论文亦记录了模型的局限性。作者指出在单个预报样本中可见空间和时间伪影，包括反映模型网格结构的六边形模式、某些输出模块在六小时边界处的时间不连续性，以及站点模块在每个成员上的全球冷热偏差。他们说明，除南极因站点数据稀疏外，边际统计如集合分位数基本不存在伪影。

在 Google 产品中的可用性

自 2026 年 9 月 3 日起，WeatherNext 3 将为 Google Search、Gemini 应用、Google Maps、Google Maps Platform Weather API 以及 Google Earth Engine 提供天气体验。Google 表示，当用户提前一天或更久进行规划时，降水预报的准确度可提升最高 50%，在历史上预报可靠性较低的地区提升幅度最大。

研究人员、开发者和企业可以在 BigQuery 和 Earth Engine 中 查询数据，或从 Google Cloud Storage 以 Zarr 格式批量下载。Google 的开发者文档将该模型描述为提供 15 天的全球概率预报，按小时初始化，包含 64 个集合成员，并列出了在 Google Cloud 上的自定义推理选项，允许客户在专用加速器上生成定制预报，并可控制集合规模和预报时段。用户还可以通过 Weather Lab——Google DeepMind 的交互式可视化站点——实时查看这些预报。

Google 的公告中附有免责声明，指出 WeatherNext 是一套自动化、实验性的 AI 系统，用户应参考当地气象机构或国家气象服务获取官方预报、严峻天气警报以及公共安全提示。