2026-11-10 · ← Aktualności
Google otworzył dane, które uczą WeatherNext 3 widzieć deszcz co 15 minut
Google udostępnił SatWeave i PARDIG, dwa zbiory danych stojące za WeatherNext 3. PARDIG mapuje globalne opady w rozdzielczości około 10 km co 15 minut, a SatWeave łączy obrazy satelitarne w 17 kanałów i odświeża je co godzinę.
Nie udało się wczytać obrazu.
Google DeepMind otworzył archiwa historyczne i live feedy dwóch datasetów używanych przez WeatherNext 3. SatWeave ujednolica geostacjonarne obrazy satelitarne, a PARDIG wykorzystuje AI do odtwarzania globalnych opadów na podstawie rzadkich pomiarów radarowych z kosmosu.
SatWeave składa globalne niebo co godzinę, a PARDIG mapuje deszcz co 15 minut
SatWeave przekształca obrazy z różnych satelitów, projekcji i harmonogramów skanowania w globalną mozaikę obejmującą 17 kanałów światła widzialnego, podczerwieni i pary wodnej. Live feed odświeża się co godzinę, a archiwum historyczne obejmuje ponad 10 lat. Dzięki temu WeatherNext 3 może tworzyć nową prognozę globalną co godzinę, zamiast czekać na dane analityczne aktualizowane co 6 godzin.
PARDIG, czyli Precipitation AI Reanalysis: Densely Inferred GPM, uczy się z pomiarów radarowych satelity NASA GPM. Jako wejście wykorzystuje SatWeave i pola atmosferyczne ECMWF. Wynik ma rozdzielczość około 10 km, krok czasowy 15 minut i średnie opóźnienie około 5 godzin. Archiwum obejmuje lata 1999 do 2026.
Otwarte dane mogą przyspieszyć modele powodzi, energii i rolnictwa
Znaczenie wykracza poza własny model Google. Zespoły badawcze mogą użyć tych samych danych do prognozowania powodzi, osuwisk i suszy oraz do zastosowań związanych z energią słoneczną i pożarami. Live feedy i archiwa są dostępne w Google Cloud Storage, a historyczny PARDIG także w Google Earth Engine.
Najwięcej zyskują regiony bez gęstej sieci radarów naziemnych. Lokalny zespół otrzymuje globalną, regularnie aktualizowaną bazę, którą może połączyć z własnymi pomiarami, zamiast najpierw przez lata budować całą infrastrukturę danych.
Globalna mapa nadal opiera się na nierówno rozmieszczonych punktach kontroli
Google ocenił PARDIG względem sieci radarowych w USA, Europie i Japonii oraz ponad 36 000 stacji pogodowych na świecie. Według firmy skuteczność wykrywania lekkich i umiarkowanych opadów godzinowych wzrosła o ponad 30 % wobec NASA IMERG Final. Wynik jest mocny, lecz regionalne porównanie radarowe nie obejmuje całej planety.
PARDIG ma też średnie opóźnienie około 5 godzin. Przyda się w hydrologii, analizie klimatu i treningu, ale nie zastąpi lokalnego radaru przy ostrzeganiu przed ulewą w ciągu najbliższych minut. Niezależne zespoły w słabo obserwowanych regionach muszą więc sprawdzić oczekiwanie Google dotyczące wiarygodnej dokładności na całej Ziemi.
Lokalne modele poza najlepiej zmierzonymi regionami pokażą wartość danych
Kolejnym ważnym sygnałem będą powtarzalne testy w Afryce, Ameryce Łacińskiej, na oceanach i w terenie górskim. Trzeba również obserwować niezawodność live feedów, licencję, koszty transferu oraz różnicę między archiwum historycznym a danymi dostępnymi w codziennej pracy.
Jeżeli SatWeave i PARDIG poprawią lokalne prognozy tam, gdzie brakuje radaru, otwarcie danych okaże się ważniejsze niż sam WeatherNext 3. Jeżeli poprawa utrzyma się tylko w dobrze mierzonych regionach, deweloperzy dostali efektowną warstwę globalną z lokalnymi martwymi polami.
Werdykt Lilith
Google położył mapę deszczu przed synoptykami, którzy często rysują ze zbyt małej liczby punktów. Lokalne zespoły muszą sprawdzić, czy między nimi naprawdę widać burzę, czy system tylko gładko domalował niebo.