Lilith.
⌕
Redaktionelle Illustration: Google öffnet die Daten, mit denen WeatherNext 3 Regen alle 15 Minuten sieht
Illustration von Lilith · redaktioneller Remix

Google DeepMind hat historische Archive und Live Feeds für zwei in WeatherNext 3 verwendete Datensätze geöffnet. SatWeave vereinheitlicht geostationäre Satellitenbilder, während PARDIG mit AI globale Niederschläge aus lückenhaften Radarbeobachtungen aus dem Weltraum ableitet.

SatWeave baut den globalen Himmel stündlich auf und PARDIG kartiert Regen alle 15 Minuten

SatWeave wandelt Bilder aus unterschiedlichen Satelliten, Projektionen und Aufnahmeplänen in ein globales Mosaik mit 17 sichtbaren, infraroten und Wasserdampfkanälen um. Der Live Feed wird stündlich aktualisiert und das historische Archiv reicht mehr als 10 Jahre zurück. WeatherNext 3 kann dadurch jede Stunde eine neue globale Vorhersage erstellen, statt auf Analysedaten im Abstand von 6 Stunden zu warten.

PARDIG steht für Precipitation AI Reanalysis: Densely Inferred GPM und lernt aus Radarmessungen des NASA Satelliten GPM. SatWeave und atmosphärische Felder des ECMWF dienen als Eingangsdaten. Das Ergebnis hat rund 10 km Auflösung, ein Intervall von 15 Minuten und eine durchschnittliche Verzögerung von etwa 5 Stunden. Das Archiv reicht von 1999 bis 2026.

Offene Daten können Anwendungen für Hochwasser, Energie und Landwirtschaft beschleunigen

Der Nutzen reicht über Googles eigenes Modell hinaus. Forschungsteams können dieselben Eingangsdaten für Hochwasser, Erdrutsche und Dürre sowie für Solarenergie und Waldbrände einsetzen. Live Daten und Archive liegen in Google Cloud Storage, historische PARDIG Daten zusätzlich in Google Earth Engine.

Besonders relevant ist das für Regionen ohne dichtes Netz von Bodenradaren. Ein lokales Team erhält eine globale, regelmäßig aktualisierte Basis und kann sie mit eigenen Messungen verbinden, statt zunächst jahrelang die Dateninfrastruktur aufzubauen.

Die globale Karte hängt weiterhin von ungleich verteilten Kontrollpunkten ab

Google verglich PARDIG mit Radarnetzen in den USA, Europa und Japan sowie mit mehr als 36.000 Wetterstationen weltweit. Nach Angaben des Unternehmens verbessert PARDIG die Erkennung leichter bis mittlerer stündlicher Niederschläge gegenüber NASA IMERG Final um mehr als 30 %. Das ist ein starkes Ergebnis, doch der regionale Radarvergleich deckt nicht den ganzen Planeten ab.

PARDIG hat außerdem eine durchschnittliche Verzögerung von etwa 5 Stunden. Der Datensatz eignet sich für Hydrologie, Klimaanalyse und Training, ersetzt aber kein lokales Radar für Warnungen vor einem Wolkenbruch in den nächsten Minuten. Unabhängige Teams in schlecht beobachteten Regionen müssen Googles Erwartung einer verlässlichen Genauigkeit überall auf der Erde prüfen.

Lokale Modelle jenseits der bestvermessenen Regionen zeigen den Wert

Das nächste aussagekräftige Signal sind reproduzierbare Tests in Afrika, Lateinamerika, über Ozeanen und in Gebirgen. Teams sollten außerdem die Zuverlässigkeit der Live Feeds, die Lizenz, Übertragungskosten und den Unterschied zwischen historischem Archiv und Betriebsdaten beobachten.

Wenn SatWeave und PARDIG lokale Vorhersagen dort verbessern, wo Radar fehlt, wird die Datenöffnung wichtiger als WeatherNext 3 selbst. Bleiben die Fortschritte auf gut beobachtete Regionen beschränkt, erhalten Entwickler vor allem eine eindrucksvolle globale Ebene mit lokalen blinden Flecken.

Liliths Urteil

Google legt eine Regenkarte vor Meteorologen, die oft mit zu wenigen Punkten zeichnen. Lokale Teams müssen nun prüfen, ob sie den Sturm dazwischen wirklich sieht oder nur einen glatten Himmel über die Lücken malt.