Lilith.
⌕
Ilustración editorial: Google abre los datos que enseñan a WeatherNext 3 a ver la lluvia cada 15 minutos
Ilustración de Lilith · remezcla editorial

Google DeepMind ha abierto los archivos históricos y live feeds de dos datasets utilizados por WeatherNext 3. SatWeave unifica imágenes de satélites geoestacionarios y PARDIG usa AI para inferir la precipitación global a partir de observaciones de radar espacial dispersas.

SatWeave recompone el cielo cada hora y PARDIG mapea la lluvia cada 15 minutos

SatWeave convierte imágenes con distintos satélites, proyecciones y calendarios de captura en un mosaico global de 17 canales visibles, infrarrojos y de vapor de agua. El live feed se renueva cada hora y el archivo histórico abarca más de 10 años. WeatherNext 3 puede así producir una nueva predicción global cada hora en lugar de esperar datos de análisis actualizados cada 6 horas.

PARDIG, siglas de Precipitation AI Reanalysis: Densely Inferred GPM, aprende de las mediciones de radar del satélite GPM de NASA. Utiliza SatWeave y campos atmosféricos de ECMWF como entrada. El resultado ofrece unos 10 km de resolución, intervalos de 15 minutos y una latencia media cercana a 5 horas. El archivo va de 1999 a 2026.

Los datos abiertos pueden acelerar aplicaciones de inundaciones, energía y agricultura

El valor supera al modelo de Google. Los equipos de investigación pueden usar las mismas entradas para modelos de inundaciones, deslizamientos y sequías, además de aplicaciones solares y de incendios. Los datos en vivo y los archivos están disponibles en Google Cloud Storage, y el PARDIG histórico también en Google Earth Engine.

El beneficio resulta especialmente relevante en regiones sin redes densas de radar terrestre. Un equipo local obtiene una base global actualizada con regularidad que puede combinar con mediciones propias, sin dedicar primero años a construir la infraestructura de datos.

El mapa global aún depende de puntos de control repartidos de forma desigual

Google evaluó PARDIG frente a redes de radar de Estados Unidos, Europa y Japón y más de 36.000 estaciones meteorológicas del mundo. Según la empresa, mejora en más de un 30 % la detección de lluvia horaria ligera o moderada frente a NASA IMERG Final. Es un resultado sólido, pero la comparación regional con radar no cubre todo el planeta.

PARDIG también tiene una latencia media cercana a 5 horas. Puede servir para hidrología, análisis climático y entrenamiento, pero no sustituye al radar local para alertar de una lluvia torrencial en los próximos minutos. Equipos independientes de regiones poco observadas deberán comprobar la expectativa de Google sobre una precisión fiable en cualquier lugar de la Tierra.

Los modelos locales fuera de las regiones mejor medidas revelarán su valor

La siguiente señal útil serán pruebas reproducibles en África, América Latina, zonas oceánicas y terreno montañoso. También habrá que vigilar la fiabilidad de los live feeds, la licencia, los costes de transferencia y la diferencia entre el archivo histórico y los datos disponibles en operaciones.

Si SatWeave y PARDIG mejoran las predicciones locales donde escasea el radar, abrir los datos será más importante que el propio WeatherNext 3. Si las mejoras solo aparecen en regiones bien observadas, los desarrolladores habrán recibido una capa global vistosa con puntos ciegos locales.

El veredicto de Lilith

Google ha puesto un mapa de lluvia ante meteorólogos que a menudo dibujan con muy pocos puntos. Ahora los equipos locales deben averiguar si realmente ve la tormenta entre ellos o solo pinta un cielo uniforme sobre los huecos.