Google DeepMind Blog

Introducing WeatherNext 3, our most advanced and accurate global weather AI model

8.5内容质量
Introducing WeatherNext 3, our most advanced and accurate global weather AI model

TL;DR · AI 摘要

Google推出WeatherNext 3,使用实时卫星数据提升天气预测精度,集成到多平台,适用于农业和能源领域。

核心要点

  • WeatherNext 3使用实时卫星数据替代传统物理模拟,精度提升5倍
  • 模型集成至Google Search、Maps、Gemini及Cloud平台
  • 支持农业、可再生能源领域精准决策

结构提纲

按章节快速跳转。

  1. 介绍WeatherNext 3作为最新全球天气AI模型的核心价值

  2. 采用实时卫星数据替代传统物理模拟,实现每小时更新和5倍分辨率提升

  3. 在农业、可再生能源领域提供精准的降水和极端天气预测

  4. 已整合至Google Search、Maps、Gemini及Cloud平台

  5. 通过高分辨率和实时数据处理,提升局部天气预测准确性

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • WeatherNext 3模型
    • 技术特性
      • 实时卫星数据
      • 5倍分辨率提升
      • 每小时更新
    • 应用场景
      • 农业规划
      • 可再生能源
      • 日常决策
    • 集成平台
      • Google Search
      • Maps
      • Gemini
      • Cloud

金句 / Highlights

值得收藏与分享的关键句。

#AI#天气预测#Google#DeepMind
打开原文

WeatherNext 3:我们最先进的全球天气AI模型

重磅推出 WeatherNext 3,我们最先进的全球天气AI模型

2026年9月3日

|

分享 下拉菜单

  • x.com
  • Facebook
  • LinkedIn
  • 邮件
  • 复制链接

我们的旗舰AI天气预报模型现已整合实时卫星数据、每小时更新、更高分辨率、精确降水预测以及清洁能源变量。该模型现已全面集成至搜索、Gemini、地图、Google Maps Platform 和 Cloud 服务中。

WeatherNext 团队

分享

Safari 浏览器解决方案:当通过 <use> 引用外部SVG精灵中定义的线性渐变时,Safari 无法正确解析。此处内联这些渐变可使其在DOM中可用。

您的浏览器不支持音频元素。

收听文章

[[时长]] 分钟

此内容由Google AI生成。生成式AI为实验性功能

语音

速度

0.75X

1X

1.5X

2X

阅读AI生成的摘要

Google推出了WeatherNext 3,这是一个先进的AI模型,通过使用实时卫星数据而非传统物理模拟,提供更准确、更高分辨率的天气预报。此次更新带来五倍于之前版本的清晰度的每小时本地化预测,为农业、可再生能源和日常规划带来显著改进。您现在可以通过Google Search、Maps和Gemini直接获取这些增强的预测,或通过Google Cloud将数据集成到自己的项目中。

摘要由Google AI生成。生成式AI为实验性功能。

  • 了解我们最先进的全球天气AI模型 "Introducing WeatherNext 3"
  • 我们现在提供五倍于之前的高分辨率每小时预测
  • 我们的模型使用实时卫星数据以惊人的精度追踪快速变化的天气
  • 您将获得更精准的降雨和降雪预测,帮助您自信规划每一天
  • 这些更新正在Google应用中全面推出,帮助每个人做出更优决策

Google刚刚发布了WeatherNext 3,这是一个使天气预报更快更准确的AI模型。它使用实时卫星数据每小时更新,为您提供更清晰的外部环境画面。这帮助人们更好地规划应对风暴或晴天等天气情况。现在该模型正在为Google Search和Maps中显示的天气信息提供支持。

#### 探索其他风格:

  • 一般摘要
  • 项目符号列表
  • 基础说明

文章正文

每天,天气都会影响数十亿人的决策。有些决策简单如出门前拿伞,但有些则影响深远。风、雨以及极端天气事件(如热浪和干旱)会对农业、全球供应链、清洁能源生产和国家经济产生连锁反应。

近年来,AI彻底革新了天气预报领域,通过历史记录实现比传统方法更快更准确的预测。然而,预测高度本地化且快速变化的天气仍然是一项挑战。之前的模型往往缺乏足够的空间分辨率,且难以整合来自卫星等来源的实时天气数据。

今天,Google DeepMind 与 Google Research 联合推出 WeatherNext 3,这是目前最先进且精确的全球天气模型。根据 Brightband 进行的独立实时评估,该模型直接从实时观测数据中学习,能够为对人们影响最大的天气事件提供更及时、更本地化的预测。通过使用原始卫星数据每小时生成高分辨率的预测,我们的模型使可靠的预测在全球 Google 产品中触手可及。

前所未有的高分辨率快速天气预测

预测的实用性往往取决于细节以及时间与空间的精细度。WeatherNext 3 可在多个空间分辨率下生成每小时预测,从宏观的全球风场模式到局部地形,始终保持物理一致性。

借助 WeatherNext 3,我们能够以 5 公里分辨率可视化关键地表变量(如温度和湿度),以 10 公里分辨率呈现其他地表变量,并以 25 公里分辨率呈现大气变量(如风速)。总体而言,这提供了比我们之前的 WeatherNext 2 模型(以 25 公里网格每 6 小时生成预测)大约五倍清晰度的全球天气图。

图 1:端到端 WeatherNext 3 系统架构。该模型整合实时 1 小时静止卫星拼图与传统历史分析数据,输入单个灵活的功能生成网络(FGN)网格变压器。输出包括密集网格字段、离散气旋轨迹,并原生预测站点级稀疏坐标。

图 2:英国 2 米温度预测对比。WeatherNext 2(左)以 25 公里(0.25°)分辨率 vs. WeatherNext 3(右)以原生 5 公里(0.05°)分辨率。WeatherNext 3 能解析复杂的局部地形,避免了旧模型中常见的像素化、过度平滑的热力表示。

持续全球规模的真实世界数据

WeatherNext 3 最显著的突破在于其学习的数据来源。大多数 AI 天气模型(包括 WeatherNext 2)都基于数值天气预测(NWP)模型的数据进行训练。虽然这些模型具有实用性,但它们是依赖超级计算机的复杂物理模拟,存在 6 小时的数据滞后。这种滞后可能导致对快速变化变量(如降雨或地表温度)的偏差。

通过整合实时全球静止卫星数据拼图,我们的新模型获得了丰富且持续更新的大气视图。这使模型能够每小时生成一次预测,每次预测都基于最新可用的卫星观测数据,分辨率高达 5 公里。

这一点非常重要,因为关键天气变化往往发生得非常迅速。当风暴、锋面或降水系统突然出现时,我们快速的更新周期和更高分辨率能够提供更早、更详细的洞察,从而帮助制定有效的应对措施。

某些变量(如温度和湿度)可能仅在几公里范围内发生剧烈波动,这对沿海地区、山谷或山区的社区尤其重要。传统模型在此类场景中表现不佳,因为它们基于缺乏细节且忽略极端局部变化的大气表示进行训练。

为了解决这一问题,WeatherNext 3 直接基于稀疏的气象站观测数据进行训练。这使我们能够在全球 5 公里网格上进行预报,充分考虑地形等区域性细节特征。

这一突破对拉丁美洲、非洲和亚太地区尤为重要,这些地区由于传统区域模型需要耗费巨大的超级计算资源,历史上一直缺乏高分辨率预报服务。这项技术使数十亿人和当地企业首次获得精准的本地化高保真度预报服务。

除了分辨率和预报频率的提升,我们的模型还专门针对可再生能源生产进行了优化设计。模型可预测 100 米高度(约风力涡轮机高度)的风速,用于精确计算风电输出;同时提供高分辨率云层覆盖和太阳辐射水平数据,帮助太阳能电站估算地表接收的光照量。

这些数据对全球清洁能源规划至关重要,使电网运营商和可再生能源开发商能够准确预测清洁能源资产的发电量,并与用户需求实现精准匹配。

突破性精度的降水预报

全球天气模型在准确预测降水方面一直面临巨大挑战。降雨和降雪系统由快速移动的微观尺度云过程驱动,这些过程很难通过传统物理模拟准确建模。因此,AI 预报往往产生模糊的估计值,甚至完全遗漏强风暴的边界。

为解决这一问题,我们基于两种特别高质量的降水数据源训练模型:NASA 基于卫星的 GPM(全球降水测量)综合多卫星检索(IMERG)数据,以及我们基于卫星雷达的全球降水再分析数据。

这一改进显著提升了降水预报精度。在中程全球预报中,与基准数据对比显示,与 IMERG 相比连续排名概率评分(CRPS)提升高达 60%,与 MRMS 相比提升 30%,与雨量计测量数据相比在早期预测时段提升 10%。

图 3:中程降水概率(PoP > 1mm)预报对比。WeatherNext 2(左)在 25 公里分辨率下显示高度弥散且像素化的降水分布。WeatherNext 3(中)在 11 公里分辨率下与实际卫星观测数据(右)高度吻合,准确捕捉了天气系统中锋利的对流带特征。

跨生态系统应用的研究成果

我们的核心目标是推动天气智能技术的普及,使其对各类用户都具有实用价值——无论是追踪突发风向变化的应急响应人员、规划航线的空管调度员,还是管理农作物的农民。

为将这些突破从实验室带入现实世界,我们正在将 WeatherNext 3 集成到谷歌的核心生态系统及更广泛的领域:

  • 高分辨率预报数据:我们提供全球天气预测数据,每小时更新且无需模型配置即可直接集成到您的工作流程中。研究人员、开发者和企业可通过 BigQuery 和 Earth Engine 查询数据,或从 Google Cloud Storage 批量下载。
  • 全球可用性:从今天起,WeatherNext 3 将开始为 Google 搜索、Gemini 应用、Google 地图、Google 地图平台天气 API 以及 Google Earth Engine 提供天气服务。此次更新显著提升了长期天气预报的准确性。在规划一天或更长时间的行程时,用户将看到降水预报的准确率提升高达 50%,在历史上预报可靠性较低的地区,改进效果尤为明显。因此,无论是为周末旅行打包行李,还是决定户外活动的最佳日期,您现在都能获得更准确的预测信息来辅助规划。

大气层始终存在一定程度的不可预测性。然而,通过基于真实世界观测数据进行训练,并突破传统建模的限制,WeatherNext 3 让我们更接近一个天气预报真正与地面实际情况一致的未来。

想了解 Google 在地理空间平台和人工智能领域的更多工作,欢迎访问 Google Earth EngineAlphaEarth FoundationsEarth AI

免责声明:如需获取官方天气预报、极端天气预警和公共安全提示,请参考您当地的气象机构或国家气象服务机构。

了解更多关于 WeatherNext 3 的信息

订阅 Google 最新资讯

通过我们的通讯获取产品更新、活动信息、特别优惠等。

订阅完成,只需再完成一步。

请查看您的邮箱确认订阅。

您也可以使用其他电子邮件地址进行订阅。

您的信息将按照 Google 的隐私政策使用。您随时可以取消订阅。

发布于: /