北京
天气预报的时效性，正在被Google用一套新思路重新定义。Google DeepMind与研究部门联合发布了新一代AI气象模型WeatherNext 3，核心变化在于：它不再依赖传统数值预报的滞后数据，而是直接读取实时卫星观测，把预报更新频率从6小时一次压缩到1小时一次。
这个改动解决了一个长期存在的痛点。大多数AI气象模型，包括上一代WeatherNext 2，训练和运行都依赖超级计算机算出的数值预报数据。但Google指出，这类数据存在约6小时的延迟。对于暴雨、寒潮这类快速变化的天气系统，6小时足以让预报和现实之间拉开明显差距。
WeatherNext 3的路径是绕开这个中间环节。它直接接入全球各地静止气象卫星的实时观测数据，把大气当前状态直接喂给模型，从而做到每小时刷新一次预报。对于沿海、山区这类地形复杂、局地天气变化快的区域，这种高频更新意味着预报能更贴近实际正在发生的天气。
空间分辨率提升5倍，地形细节更清晰
除了时间维度，空间精度也在同步升级。WeatherNext 2的预测网格是约25公里间隔、每6小时输出一次；WeatherNext 3则把地表附近的温度、湿度预测精细到最小5公里间隔，空间分辨率提升了约5倍。
Google公布的对比图直观展示了这种差异：在英国地表气温的预测上，WeatherNext 2的25公里网格显得粗糙，而WeatherNext 3的5公里网格能沿着海岸线、山谷地形呈现出更细致的温度变化。对局部天气预报来说，几公里的差距往往就是晴雨两重天。
降水预测是另一个重点改进方向。降水受小范围快速变化的云层影响，一直是全球气象模型公认的难点。WeatherNext 3在训练中引入了NASA的卫星降水数据，让模型对雨云形态和范围的刻画更精细。对比图中可以看到，WeatherNext 3预测的狭长降水带形状，比WeatherNext 2更接近卫星实际观测的结果。
已接入搜索和地图，开发者可调用数据
这款模型并非停留在论文阶段。Google表示，WeatherNext 3已经开始在Google搜索、Gemini应用和Google Maps中落地。研究人员和开发者则可以通过BigQuery、Google Earth Engine以及Google Cloud Storage获取预报数据。
Google还上线了一个名为Weather Lab的实验性服务，可以在交互地图上查看WeatherNext 3的预报结果。不过截至发稿，该服务在日本地区访问时会提示"当前国家或地区暂不可用"，国内用户暂时无法直接体验。
Google在官方说明中承认，大气中始终存在无法完全预测的部分。但通过直接从真实观测数据中学习，WeatherNext 3的目标是让预报更准确地反映地面上实际发生的气象现象。从1小时更新频率和5公里分辨率这两个指标来看，AI气象模型正在从"宏观趋势预测"走向"实时局地预报"的新阶段。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
