谷歌WeatherNext 3：更精准的预报，每小时更新

三年来，AI天气模型一直在追赶传统的基于物理的预报。但仍有两大顽固问题：预报过于模糊，无法捕捉局部地形；相比传统分析，滞后约六小时。现在，谷歌DeepMind和谷歌研究院发布了WeatherNext 3，一个直接针对这两个问题的模型。

全新视角看天空

WeatherNext 3并非仅依赖再分析数据（这些数据可能会平滑掉海岸线、山谷和山脉的细微差别），而是直接基于实时卫星拼图和地面站测量进行训练。这意味着它能看到世界的真实面貌，而不仅仅是平滑的网格。该模型每小时重新初始化，以0.05度（约5公里）的分辨率生成预报。据谷歌称，Brightband的独立评估已将其评为迄今为止最准确的全球天气模型。

工作原理

在架构上，WeatherNext 3是一个网格Transformer，属于与其前身WeatherNext 2相同的概率家族，但扩展到了多分辨率输出。其输入包括实时地球静止卫星图像和ECMWF HRES分析，而训练数据来自ERA5、NASA的IMERG、站点观测和卫星拼图。一个专门的观测头将温度和露点输出与实际仪器读数进行校准，这不同于仅从再分析网格学习的常见做法。

更清晰、更快、更好

单次前向传播即可产生三个级别的细节：5公里分辨率的2米温度和露点，10公里分辨率的地面风、气压、海面温度、云量、太阳辐射和每小时降水，以及覆盖13个气压层的更广泛的25公里大气场。相比之下，WeatherNext 2每六小时仅能生成25公里的场，因此声称“清晰度提升五倍”。

刷新频率是另一个游戏规则改变者。该模型每天运行24次，其中四个主要周期（00、06、12和18 UTC）将预报延长至15天，包含64个集合成员。其余每小时运行覆盖48小时。对于快速发展的风暴，这种基于当前卫星数据的每小时刷新与缓慢的六小时周期相比，意义重大。

降水与可再生能源

降水一直是全球模型的弱点，经常产生模糊、不清晰的暴风雨边界。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卫星数据和谷歌自己的基于雷达的降水估计。在短期预报中，谷歌报告称，与IMERG相比，CRPS分数提高高达60%，与MRMS相比提高30%，与雨量计相比提高10%。当与IMERG评估时，Brier分数和CRPS相对于传统NWP基线下降高达50%。

对于可再生能源，模型输出涡轮机轮毂高度处的100米风速、低中高层的完整云量，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。

可用性与局限性

预报数据可通过谷歌云的BigQuery、Earth Engine和Cloud Storage请求。然而，模型权重未开源，自定义推理目前仍依赖WeatherNext 2。因此，虽然技术令人印象深刻，但尚未完全掌握在公众手中。

要点

• WeatherNext 3提供5公里分辨率，比前代提升五倍。
• 模型每小时更新，使用实时卫星和地面数据。
• 在降水预报和可再生能源变量方面显示出显著改进。
• 数据可通过谷歌云访问，但权重仍为专有。

本文基于AIbase和谷歌公告的信息。