- 发布日期
谷歌DeepMind的WeatherNext 3模型通过气象站观测数据训练，可提供5公里分辨率全球预报，每小时更新
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
谷歌 DeepMind 和 Google Research 推出了 WeatherNext 3，这是一个新型 AI 天气预报模型，承诺提供显著更高的分辨率和更频繁的更新。该模型旨在克服 AI 天气预测中两个长期存在的挑战：解析精细尺度的局部地形影响以及减少数据初始化的滞后。它通过直接摄取实时卫星图像并每小时刷新其预报来实现这一点，这与传统上依赖较慢数值天气预报分析的六小时周期相比，是一个重大转变。根据 Brightband 的独立评估，WeatherNext 3 现在是可用的最准确的全球天气模型。多年来，AI 模型已迅速缩小与基于物理的预报系统之间的差距。然而，它们通常依赖于经过平滑的再分析数据，这些数据错过了海岸线、山脉和山谷造成的复杂局部变化。WeatherNext 3 通过使用来自实际气象站的原始测量数据进行训练来解决这一问题。这种方法使其温度和露点等变量的高分辨率输出能够根据现实世界的仪器读数进行校准，而不是根据简化的大气模型表示。在技术上，WeatherNext 3 是其前身 WeatherNext 2 所使用的功能生成网络架构的扩展版本。一次前向传播生成三个层级的数据：用于站点变量的超高 0.05° 分辨率、用于地表网格的 0.1° 分辨率以及用于大气压力层的 0.25° 分辨率。这代表了与上一代模型相比大约五倍的清晰度提升。其节奏同样具有变革性，模型每天从实时地球静止卫星马赛克中初始化 24 次。该系统的预报能力很强。它针对主要天气周期运行长达 15 天的 64 个成员集合预测，并为每次每小时刷新提供 48 小时预报。一个关键改进在于降水预报，这是全球模型历来薄弱的环节。谷歌报告称，WeatherNext 3 显示出显著的技能提升，在早期预报时效内，针对 NASA 的 IMERG 数据集，关键成功指数最高提升了 60%。此次发布显然针对实际应用，特别是在可再生能源领域。该模型输出电网管理至关重要的特定变量，包括 100 米处的风速——大约是涡轮机轮毂的高度——以及详细的云和太阳辐射数据。这种组合使得更准确地预测风能和太阳能发电以匹配电力需求成为可能。虽然现在可以通过 BigQuery 和 Earth Engine 等谷歌云服务按需获取预报数据，但模型的权重并非开源。这意味着研究界可以使用其输出，但不能自由修改或重新训练核心架构。展望未来，WeatherNext 3 为 AI 天气预报设定了新的基准，推动该领域朝着实时、超本地化的预测发展，这可能会改变从灾难响应到能源交易等各个领域。
