Lilith.
⌕
編集イラスト: Google、WeatherNext 3が15分ごとの雨を見るためのdataを公開
Lilithのイラスト · 編集リミックス

Google DeepMindは、WeatherNext 3で使う2つのdatasetについて、過去のarchiveとlive feedを公開した。SatWeaveは静止気象衛星の画像を統合し、PARDIGは宇宙からのまばらなradar観測をAIで補い、世界の降水を推定する。

SatWeaveは1時間ごとに空を組み直しPARDIGは15分ごとに雨を描く

SatWeaveは異なる衛星、地図投影、観測時刻の画像を、可視光、赤外線、水蒸気の17 channelを持つ世界mozaicへ変換する。live feedは1時間ごとに更新され、過去archiveは10年以上をカバーする。これによりWeatherNext 3は、6時間ごとの解析dataを待たず、1時間ごとに新しい世界予報を作れる。

PARDIGはPrecipitation AI Reanalysis: Densely Inferred GPMの略で、NASAのGPM衛星によるradar測定から学習する。入力にはSatWeaveとECMWFの大気fieldを使う。出力は約10 km解像度、15分間隔、平均約5時間の遅延を持ち、1999年から2026年までを収録する。

公開dataは洪水とenergyと農業の開発を速められる

価値はGoogle自身のmodelに限られない。研究teamは同じ入力を洪水、地滑り、干ばつ、solar発電、山火事のmodelに使える。live dataとarchiveはGoogle Cloud Storageで、過去のPARDIGはGoogle Earth Engineでも利用できる。

地上radarが少ない地域ほど意味が大きい。地域のteamは定期更新される世界規模の基盤を得て、自前の測定と組み合わせられる。data基盤をゼロから何年もかけて作る必要が減る。

世界地図の検証点は今も偏っている

Googleは米国、欧州、日本のradar網と、世界3万6000か所を超える気象stationでPARDIGを評価した。同社によると、NASA IMERG Finalに対し、弱い雨から中程度の1時間降水の検出能力が30%を超えて改善した。ただし地域radarとの比較は地球全体を覆っていない。

PARDIGには平均約5時間の遅延もある。水文学、気候解析、trainingには使えるが、数分後の豪雨を警告する地域radarの代わりにはならない。観測の少ない地域の独立teamが、地球上のどこでも高い精度を期待できるというGoogleの見方を検証する必要がある。

主要3地域の外で作る地域modelが価値を示す

次に見るべきものは、Africa、Latin America、海洋、山岳地での再現可能なtestだ。live feedの安定性、license、転送cost、過去archiveと実運用dataの差も重要になる。

SatWeaveとPARDIGがradarの少ない場所で地域予報を改善すれば、data公開はWeatherNext 3そのものより大きな出来事になる。改善が観測の豊富な地域だけに残るなら、開発者が得たのは地域的な死角を持つ見栄えのよい世界layerだ。

Lilithの判定

Googleは、少ない点から雨を描く予報担当者の前に新しい地図を置いた。地域teamは、その点の間にある嵐を本当に見ているのか、空白を滑らかな空で塗っただけなのかを確かめる必要がある。