谷歌发布WeatherNext3，天气预测将迎来哪些变革？

WeatherNext3模型的发布背景

传统气象模型的局限

以往的一些气象模型，如数值天气预报（NWP）模型，虽有一定作用，但存在明显不足。它是复杂的、依靠超级计算机驱动的物理模拟，数据滞后达6小时。这对于像降雨、地表温度等快速变化的变量会产生偏差，影响预报的及时性与准确性。

人工智能在气象领域的发展趋势

近年来，气象预测正从传统基于复杂物理方程数值模拟向人工智能驱动范式转变。基于深度学习的新一代模型优势显著，计算效率大幅提升，在预测精度等地展现出更好表现，WeatherNext3正是这一趋势下的成果。

WeatherNext3模型的特点

数据来源与学习方式

WeatherNext3使用“马赛克”般的全球静止卫星实时数据，直接从实时观测中学习。这种方式能让模型拥有不断更新的大气层视图，进而为天气事件提供及时、更本地化的预测。

高分辨率预报能力

该模型能生成高分辨率预报。温度、湿度等关键地表变量分辨率可达5公里，其他地表变量为10公里，风速等大气变量为25公里。相比之前的WeatherNext2模型，天气图像清晰度提升5倍，且更新速度更快。

WeatherNext3模型的应用与意义

对谷歌产品的支持

即日起，WeatherNext3正式为谷歌搜索、Gemini应用、谷歌地图等产品提供气象支撑。比如在谷歌地图中，能为用户提供更精准的天气信息，方便出行规划；在搜索中，能更准确地呈现当地天气情况。

对气象预测领域的推动

它采用稀疏气象站观测数据训练，可在5公里网格上生成全球预报并兼顾地形细节，对一些长期缺乏高分辨率预报的地区意义重大。还针对可再生能源引入专项预测，可预估风电产量等，推动气象预测在多领域发展。

相关问答

WeatherNext3模型相比传统气象模型有哪些优势？

WeatherNext3使用实时卫星数据，数据滞后短，能直接从实时观测学习，提供更及时、本地化预测，且分辨率高，天气图像更清晰，更新速度更快。

WeatherNext3模型的数据来源是什么？

它使用“马赛克”般的全球静止卫星实时数据，通过这种数据直接从实时观测中学习，以获取不断更新的大气层视图。

WeatherNext3模型能生成多高分辨率的预报？

温度、湿度等关键地表变量分辨率可达5公里，其他地表变量为10公里，风速等大气变量为25公里。

WeatherNext3模型对谷歌产品有什么作用？

可为谷歌搜索、Gemini应用、谷歌地图等产品提供气象支撑，比如在谷歌地图中提供精准天气信息，方便用户出行规划。

WeatherNext3模型在气象预测领域还有哪些特别意义？

采用稀疏气象站观测数据训练，能在5公里网格上生成全球预报并兼顾地形细节，对部分地区意义重大，还针对可再生能源引入专项预测。