應用研究
WeatherNext 3 直接納入即時衛星觀測,將全球 AI 天氣預報提升至每小時、5 公里網格
Google 的 WeatherNext 3 不再只依賴延遲的數值天氣再分析資料,而以全球衛星觀測持續更新預報。新模型提高降雨與局地變化解析度,但仍仰賴國家氣象資料,尚非完全端到端的直接資料同化。

Google DeepMind 與 Google Research 發布 WeatherNext 3,把全球 AI 天氣預報由 WeatherNext 2 的 25 公里、每六小時更新,推進至部分變數最高 5 公里解析度與每小時重新預報。核心改變是納入即時地球同步衛星影像,讓模型接觸較新的大氣觀測,而不只學習傳統數值天氣預報(NWP)產生、通常已有約六小時延遲的分析資料。
這是一項資料路徑上的重要變化。快速形成的降雨、地表溫度與雲系,容易在低頻率輸入中被平滑掉;WeatherNext 3 以全球衛星拼接資料補足時間解析度,並針對測站位置訓練額外輸出,使網格預測可直接對照地面觀測。模型參數量約為前代的 2.4 倍,解碼頭也針對不同目標調整。Google 表示降雨評測相對 WeatherNext 2 改善約 60%,但沒有把這個比例等同於所有地區或極端事件都降低六成誤差。
第三方 Operational WeatherBench 的即時比較顯示,它在溫度、風速及濕度等指標上領先多個 AI 與傳統預報系統;不過排行榜會受起報時間、變數、區域與驗證資料影響,單一綜合排名不足以證明颱風路徑、短延時強降雨或罕見極端事件皆更可靠。Google 所稱首個直接使用原始觀測進行高解析全球預報,也受到 WindBorne 質疑;後者表示 WeatherMesh 6 已使用氣球與其他即時觀測。兩套系統目前仍利用國家氣象機構資料,因此「直接觀測」不代表已完全取代 NWP 資料同化。
WeatherNext 3 已開始供應 Search、Gemini、Maps、Google Maps Platform 與 Earth Engine。對能源、農業和物流工程師而言,下一步應關注可下載輸出的授權、集合預報與不確定性表示、區域回測,以及每小時更新在實際 API 中的延遲與服務等級,而非只採用全球平均分數。