2026年11月13日 科学开放我们AI天气模型背后的数据集

WeatherNext团队

分享Abstract 3D illustration of a globe segmented by layered transparent panes showing different weather and climate datasets, including satellite imagery and precipitation grids.

我们正在发布PARDIG和SatWeave,以帮助研究人员和开发者构建新的天气、水文和气候应用。

理解和预测地球的天气与水循环,首先要看我们当下能多好地观测地球。卫星和地面仪器持续、高细节地监测着这颗星球。但要把这些原始测量转化为一致的全球图景并快速提供使用,是一项重大的科学与工程挑战。

今天,我们发布两个基础数据集SatWeave和PARDIG,以支持全球社区构建天气、水文和气候应用。这两个数据集对于我们近期发布的 WeatherNext 3 模型的进展至关重要。SatWeave是地球静止卫星影像的全球拼图,为模型提供发展中的云和风暴的实时视图。PARDIG是一个基于AI的全球降水数据集,用于训练该模型的降水预报。我们正在提供这两个数据集的历史存档和实时数据流,以便研究人员和开发者能将其用于建模和下游应用。

SatWeave:来自太空的统一地球视图

SatWeave融合了五颗卫星的影像,这些卫星覆盖全球不同区域:GOES-East和GOES-West、Meteosat 0和Meteosat Indian Ocean,以及Himawari。由于每颗卫星使用不同的地图投影、文件格式、传感器和扫描时间表(从10到30分钟不等),要形成一致的全球地图十分困难。大多数现有的全球合成产品会舍弃不兼容的方面,仅提供四个或更少的通道,或者每隔几小时才更新一次。

SatWeave将六颗地球静止卫星的观测融合为覆盖17个可见光、水汽和红外通道的全球拼图。

SatWeave每小时更新一次,从而使WeatherNext 3能够生成新的全球预测,这与基于每六小时刷新一次的分析数据初始化的模型形成对比。我们正在发布这一逐小时实时数据流,以及跨越十余年的历史存档。

虽然我们已在WeatherNext 3的中期天气预报中使用了SatWeave,但我们渴望与更广泛的研究和开发者社区一起探索太阳能发电和野火监测等预报应用。

PARDIG:全球范围内准确、高分辨率的降水

降水影响着从我们的食物和水供应到洪水和干旱风险的一切,然而在全球范围内准确追踪降水仍是一项重大挑战。虽然地面雷达和密集的雨量计网络能提供高质量数据,但它们并非在所有地区都可用或具有良好的覆盖。

为帮助弥合这一差距,我们开发了PARDIG(降水AI再分析:密集推断GPM)。PARDIG基于与WeatherNext 3相似的AI架构构建,直接使用NASA全球降水测量(GPM)核心观测站的稀疏星载雷达观测进行训练,并以SatWeave影像和ECMWF的大气场作为输入。其结果是时间分辨率为15分钟、空间分辨率约10公里的高精度全球降水图,平均延迟约五小时更新。

2025年7月得克萨斯丘陵地区山洪暴发期间的逐小时降雨量,比较了基于地面的NOAA MRMS雷达(左,约1公里)与近实时的PARDIG(中,约10公里)和IMERG-Final(右,约10公里)。

我们已将PARDIG与美国、欧洲和日本的三个大陆雷达网络以及全球超过36,000个气象站进行了评估对比。在所有分析的降雨强度下,PARDIG均优于领先的全球基线,包括NASA的IMERG-Final——一个对无数应用极其重要的研究级降水估算数据集。在轻至中度降水方面,PARDIG将逐小时降水检测能力较IMERG-Final提升了30%以上。它在捕捉极端降水方面尤为有效,而现有全球产品在检测极端降水时可能面临挑战。

Three graphs comparing the precipitation detection skill (CSI) of three models—PARDIG (near-real-time), IMERG-Final, and IMERG-Early—across light, moderate, and heavy precipitation intensities in the United States, Europe, and Japan. In all regions, the PARDIG model consistently demonstrates the highest accuracy.Three graphs comparing the precipitation detection skill (CSI) of three models—PARDIG (near-real-time), IMERG-Final, and IMERG-Early—across light, moderate, and heavy precipitation intensities in the United States, Europe, and Japan. In all regions, the PARDIG model consistently demonstrates the highest accuracy.

2016年至2023年针对美国、欧洲和日本地面雷达网络评估的逐小时降水检测能力(临界成功指数)。降水强度阈值以对数刻度从0.2到25毫米/小时绘制,轴上标有轻(0.3毫米/小时)、中(2.5毫米/小时)和重(20毫米/小时)。

由于PARDIG直接从卫星学习,而非仅依赖地面测量,我们预计它在地球上任何地方都具有可靠的准确性,即使在这些测量不可用的地区也是如此。

除实时数据流外,我们还发布1999年至2026年的PARDIG历史数据存档。虽然WeatherNext 3将PARDIG用于中期天气预报,但我们很高兴与社区合作并赋能社区,探索改进的洪水、滑坡和干旱模型,尤其是在没有密集地面雷达网络的地区。

赋能天气和气候生态系统

SatWeave和PARDIG的实时与历史数据集现已在Google Cloud Storage上公开提供。PARDIG的历史目录也可在Google Earth Engine中获取。作为Google Earth AI 产品组合的最新成员,我们希望这些数据集能赋能世界各地的研究人员,开辟将天气观测与关键的现实应用相连接的新方式。

了解更多

WeatherNext开发者文档 访问历史数据和实时数据 阅读PARDIG研究论文 访问PARDIG历史存档

致谢

这项工作由Google DeepMind和Google Research的多个团队与Google Cloud和Google Geo合作开发。我们感谢那些开放卫星项目和数据集使这项工作得以实现的组织,包括ECMWF、NASA、JAXA、NOAA、EUMETSAT、KMA、JMA、KNMI和Synoptic Data。