谷歌WeatherNext 3：更精准的预报，每小时更新

多年来，AI天气模型一直在追赶传统的基于物理的预报。然而，两个顽固的问题仍然存在：它们的视野过于粗糙，无法捕捉到山脉和海岸线等局部特征；而且它们更新太慢——通常滞后于最新观测约6小时。现在，谷歌DeepMind和谷歌研究院发布了WeatherNext 3，一个旨在同时解决这两个问题的模型。

全新视角：从头学习

大多数AI预报员从再分析数据中学习——这是过去观测和模型输出的混合体，可能会平滑掉对准确预测至关重要的局部变化。WeatherNext 3打破了这种模式。它不单纯依赖再分析网格，而是直接训练于原始气象站测量数据，使用专门的观测头将其温度和露点输出校准到实际仪器读数。

然而，真正让它与众不同的是其输入。该模型摄取来自全球地球静止卫星的实时拼图，每小时刷新一次预报。这种持续不断的最新数据流使其能够捕捉到旧模型可能遗漏的快速发展的天气系统。据谷歌称，Brightband的独立评估已经将其评为迄今为止最准确的全球天气模型。

更清晰、更快、更详细

WeatherNext 3的单次前向传播可生成三种分辨率的预报。最精细的为0.05度（约5公里），覆盖2米温度和露点。中档的0.1度网格（约10公里）处理地面风、气压、海面温度、云量、太阳辐射和每小时降水。最粗糙的0.25度（约25公里）提供13个气压层的大气场。

与其前身WeatherNext 2相比，后者每六小时仅能输出0.25度的结果。清晰度的飞跃令人震惊——谷歌称其为五倍的改进。

但分辨率并不是唯一的升级。WeatherNext 3每天初始化24次。其中四次运行——在00、06、12和18 UTC——将预报扩展到15天，包含64个集合成员，而其余每小时运行覆盖未来48小时。对于快速移动的风暴，基于实时卫星图像的每小时刷新可能产生巨大差异。

降水：解决阿喀琉斯之踵

全球模型长期以来在降水方面表现不佳，经常产生模糊、不清晰的雨场，错过风暴边界。WeatherNext 3通过训练三个数据源来解决这个问题：ECMWF再分析、NASA的IMERG卫星估计以及谷歌自己的卫星雷达降水再分析。结果令人印象深刻。在短期预报中，模型的CRPS（一种预报准确度指标）相比IMERG提高了高达60%，相比MRMS提高了30%，相比雨量计提高了10%。当与IMERG评估时，Brier分数和CRPS相对于传统NWP基线下降了高达50%。

推动可再生能源革命

对于能源行业来说，WeatherNext 3是一个改变游戏规则的产品。它输出典型涡轮机轮毂高度处的100米风速，完整的低、中、高层云量数据，以及太阳辐照度的两个分量——SSRD和FDIR。这正是电网运营商预测风能和太阳能发电所需的组合，帮助他们更有效地平衡供需。

访问与限制

WeatherNext 3的预报数据可通过Google Cloud的BigQuery、Earth Engine和Cloud Storage获取。然而，模型的权重并未开源，自定义推理仍在WeatherNext 2上运行。这意味着尽管技术令人印象深刻，但其全部潜力仍被谷歌的专有壁垒所限制。

要点：

WeatherNext 3提供高达5公里分辨率的预报，每小时刷新。
它训练于实时卫星数据和直接站点观测，而不仅仅是再分析。
降水预报显示出显著改进，CRPS增益高达60%。
该模型通过详细的风、云和太阳数据支持可再生能源规划。
数据可通过Google Cloud访问，但模型权重未开源。