WeatherNext 3 от Google отказалась от физических симуляций и учится прогнозировать погоду по данным спутников в реальном времени

Главное

WeatherNext 3 от Google Research и DeepMind отказывается от традиционных физических моделей и использует данные геостационарных спутников в реальном времени. Google заявляет о пятикратном увеличении детализации и ежечасном обновлении прогнозов.

Предыдущие ИИ-модели погоды, включая WeatherNext 2, обучались на данных численного прогноза погоды. Такие симуляции выполняются на суперкомпьютерах и поступают с задержкой до шести часов. По словам Google, это приводит к ошибкам в быстро меняющихся параметрах, таких как осадки и температура.

WeatherNext 3 вместо этого обрабатывает свежие данные геостационарных спутников. Модель каждый час строит новый прогноз на основе последних наблюдений с разрешением до 5 км. При быстро развивающихся грозах и осадках более короткий цикл обновления позволяет раньше получать прогнозы и повышает их точность.

В пять раз подробнее

WeatherNext 3 формирует почасовые прогнозы с несколькими разрешениями:

У WeatherNext 2 была сетка 25 км, а обновление выполнялось раз в шесть часов. Новая модель даёт примерно в пять раз более детализированный прогноз.

Google показывает разницу на примере прогноза температуры для Великобритании. Карта WeatherNext 2 с разрешением 25 км выглядит пиксельной, тогда как WeatherNext 3 с сеткой 5 км отображает особенности местного рельефа.

WeatherNext 3 использует сетку с шагом пять километров для температуры у поверхности, различая горные хребты и береговые линии, которые в сетке WeatherNext 2 с шагом 25 километров размываются в блочные формы

Источник: the-decoder.com

Модель также обучается на данных отдельных метеостанций. Это помогает учитывать береговые линии, долины и горы и строить более детальные глобальные прогнозы с учётом региональных условий. По оценке Google, наибольшую пользу WeatherNext 3 может принести регионам Латинской Америки, Африки и Азиатско-Тихоокеанского региона: высокие вычислительные затраты на традиционные региональные модели оставляли их без достаточного покрытия.

Для осадков над Тихоокеанским Северо-Западом WeatherNext 3 гораздо чётче различает узкие полосы дождя, чем его предшественник, и ближе соответствует радиолокационным наблюдениям

Источник: the-decoder.com

Точнее осадки и данные для энергетики

Глобальные погодные модели давно испытывают трудности с прогнозированием осадков: дождь и снег зависят от быстрых процессов в облаках, происходящих на малых масштабах.

Google обучила WeatherNext 3 на двух источниках:

Для глобальных прогнозов на средний срок показатель CRPS, или непрерывный вероятностный балл ранжирования, демонстрирует улучшение до 60% по сравнению с IMERG, до 30% по сравнению с MRMS и до 10% по сравнению с данными дождемеров на коротких горизонтах прогноза.

Модель получает данные с геостационарных спутников и традиционные аналитические данные, а затем формирует плотные поля атмосферы и осадков на сетке, а также точечные прогнозы для метеостанций и траекторий циклонов

Источник: the-decoder.com

WeatherNext 3 также прогнозирует скорость ветра на высоте 100 м — примерно на уровне ветряных турбин. Это позволяет оценивать будущую выработку ветряных электростанций. Более точные данные об облачности и солнечном излучении помогают солнечным электростанциям рассчитывать ожидаемую генерацию. Google считает, что такие данные должны помочь операторам энергосистем балансировать производство и потребление.

Выход в Search, Maps и Gemini

Google обновляет данные прогнозов каждый час. Исследователи, разработчики и компании могут запрашивать их через BigQuery и Earth Engine либо скачивать большими массивами из Google Cloud Storage.

WeatherNext 3 уже используется в погодных функциях следующих продуктов:

При планировании на день и более вперёд пользователи должны получать прогнозы осадков с точностью до 50% выше. Наибольший прирост ожидается в регионах, где прогнозы раньше были менее надёжными.

Google признаёт, что атмосфера всегда будет в некоторой степени непредсказуемой. Для официальных прогнозов, предупреждений об опасной погоде и рекомендаций по безопасности компания советует обращаться к национальным метеорологическим службам.

Google DeepMind представила WeatherNext 2 в ноябре 2025 года. Эта модель превзошла первое поколение WeatherNext в 99,9% всех метеорологических параметров и временных интервалов прогнозирования, а работала в восемь раз быстрее. Она обрабатывала сотни погодных сценариев менее чем за минуту на одном TPU.

WeatherNext 2 построили на базе Functional Generative Network — той же архитектуры, которая лежит в основе WeatherNext 3. Предыдущая модель уже использовалась в Google Search, Gemini, Pixel Weather и Weather API.

В августе 2026 года DeepMind выпустила WeatherNext 2 и WeatherNext Cyclones по открытой лицензии. Модель для циклонов в одной системе прогнозирует траекторию и силу тропического шторма. Она заглядывает примерно на сутки дальше, чем ведущие оперативные модели, хотя использует сетку примерно в 100 раз менее детальную.

В конце 2024 года DeepMind представила GenCast — первую вероятностную ИИ-модель погоды, которая превзошла ансамблевую систему ECMWF.