谷歌发布 WeatherNext 3：弃用物理模拟，直接学习实时卫星数据

核心事实

谷歌研究院与 DeepMind 联合发布 WeatherNext 3 人工智能天气模型。据谷歌介绍，该模型不再依赖传统数值天气预报（NWP）物理模拟，而是直接处理实时地球静止卫星数据，每小时生成一次最新预报。模型提供多种分辨率输出：温度与湿度为五公里网格，其他地表变量为十公里，风速等大气数值为二十五公里，整体分辨率约为前代 WeatherNext 2 的五倍。

背景与影响

此前包括 WeatherNext 2 在内的 AI 天气模型均基于数值天气预报数据训练，这类模拟在超级计算机上运行，据谷歌称存在约六小时延迟，容易在降雨、气温等快速变化变量上引入误差。WeatherNext 3 转而学习实时卫星数据，并额外纳入气象站观测，以捕捉海岸线、山谷与山脉等地形细节。谷歌表示，拉丁美洲、非洲及亚太地区因传统区域模型计算成本高昂而服务不足，有望从新模型中获益最多。

在降水预报方面，谷歌称模型在中长期全球预报的连续排名概率分数（CRPS）上，较 IMERG 数据改进最高达 60%，较 MRMS 改进 30%，较雨量计短期预报改进 10%。模型还预测百米高度（约风机轮毂高度）风速以估算风电场出力，并通过更准确的云量与太阳辐照度辅助光伏发电预测。谷歌表示，WeatherNext 3 现已支持谷歌搜索、Gemini 应用、谷歌地图及地图平台天气 API，并可通过 BigQuery 与 Earth Engine 查询或从云存储批量下载。官方称用户规划未来一天以上行程时，可见降水预报准确率最高提升 50%。

限制与来源

谷歌承认大气始终存在一定不可预测性，并建议用户以各国国家气象部门发布的官方预报、恶劣天气警报与安全提示为准。上述性能数据均出自谷歌官方表述，尚未经独立第三方验证。具体功能、可用地区及数据访问方式，请以谷歌官网当前信息为准。来源：the-decoder.com 报道，原文链接见素材。