Решение двух главных проблем ИИ-прогнозов
За последние три года ИИ-модели прогнозирования погоды сократили отставание от физико-математических моделей, но две критические проблемы оставались нерешенными: слишком низкое разрешение для учета локального рельефа и зависимость от анализа численного прогноза погоды (NWP), который поступает с задержкой около шести часов. Google DeepMind и Google Research решили обе проблемы в новой модели WeatherNext 3.
Ключевое отличие — использование живых геостационарных спутниковых мозаик в качестве прямого входа. Это позволяет модели инициализироваться каждый час, а не раз в сутки, и выдавать прогнозы с разрешением 0.05° (~5 км). По данным независимых тестов от Brightband, это самая точная глобальная погодная модель на сегодняшний день.
Архитектура и обучение на реальных данных
WeatherNext 3 — это Functional Generative Network (FGN) mesh transformer, масштабированная для вывода мульти-разрешения. В отличие от большинства ИИ-прогностов, которые учатся на сглаженных данных NWP-реанализа (что стирает локальные вариации, создаваемые побережьями, долинами и горами), WeatherNext 3 обучает специализированные «головы» наблюдений напрямую на сырых измерениях метеостанций.
Это означает, что выходные данные по температуре и точке росы калибруются под то, что фиксируют реальные приборы, а не под представление атмосферы другой модели. Обучение проводилось на данных ERA5/HRES-fc0, NASA IMERG, наблюдениях станций и спутниковых мозаиках.
Технические характеристики и разрешения
Один прямой проход модели генерирует три уровня детализации одновременно. Это обеспечивает резкое улучшение по сравнению с WeatherNext 2, которая выдавала поля только на уровне 0.25° с шагом в 6 часов.
| Параметр | WeatherNext 3 | WeatherNext 2 (для сравнения) |
|---|---|---|
| Разрешение температуры/точки росы | 0.05° (~5 км) | Не применялось |
| Разрешение поверхностных данных (ветер, давление, осадки) | 0.1° (~10 км) | Не применялось |
| Разрешение атмосферных полей (13 уровней давления) | 0.25° (~25 км) | 0.25° (~25 км) |
| Частота инициализации | Каждый час (24 раза в сутки) | Каждые 6 часов |
| Горизонт прогноза (синтетические циклы) | До 15 дней (360 часов) | До 15 дней |
| Горизонт прогноза (ежечасные запуски) | 48 часов | Информация отсутствует |
Прорыв в прогнозе осадков и возобновляемой энергетике
Исторически глобальные модели плохо справлялись с осадками, создавая размытые поля, которые не улавливают границы штормов. WeatherNext 3 обучалась на трех источниках: ECMWF reanalysis, NASA IMERG и собственной спутниково-радарной реанализе Google. Результаты впечатляют:
- CRPS (Continuous Ranked Probability Score): улучшение до 60% против IMERG на ранних горизонтах, 30% против MRMS и 10% против дождемеров.
- Brier Score: снижение до 50% по сравнению с базовыми NWP-моделями при оценке против IMERG.
Для сектора возобновляемой энергетики модель предоставляет критически важные данные: скорость ветра на высоте 100 м (примерно высота лопастей турбины), полные распределения облачности (низкие/средние/высокие) и компоненты солнечной иррадиации (SSRD и FDIR). Это прямо указывает на то, что релиз ориентирован на операционных покупателей, а не только на научные бенчмарки.
Доступность и ограничения
Несмотря на технические достижения, модель не является open-source. Веса WeatherNext 3 закрыты. Прогнозные данные доступны через BigQuery, Earth Engine и Cloud Storage после запроса в allowlist. Для кастомного инференса по запросу пока используется старая версия WeatherNext 2. Это первый шаг к интеграции ИИ-прогнозов в реальные операционные процессы, но полная открытость пока остается под вопросом.
Источник: MarkTechPost ↗