A Google bemutatta a WeatherNext 3 globális időjárási AI-modellt

Óránként frissülő előrejelzések nagyobb részletességgel

A Google DeepMind közlése szerint a WeatherNext 3 a vállalat eddigi legfejlettebb és legpontosabb globális időjárási modellje. A bejelentés szerint ezt független, élő értékelésekben a Brightband mérései is alátámasztják.

Az új modell óránként készít nagy felbontású előrejelzéseket, és a Google szerint a korábbi WeatherNext 2-höz képest nagyjából ötször élesebb globális időjárási képet ad. A WeatherNext 2 25 kilométeres rácson, 6 órás lépésekben dolgozott, míg a WeatherNext 3 egyes felszíni változókat, például a hőmérsékletet és a nedvességet 5 kilométeres felbontásban jelenít meg. Más felszíni változókat 10 kilométeres, légköri változókat, például a szélsebességet 25 kilométeres felbontásban kezel.

A vállalat szerint a részletesség azért fontos, mert az időjárási folyamatok térben és időben is gyorsan változhatnak. A hőmérséklet és a páratartalom például néhány kilométeren belül is jelentősen eltérhet, különösen partvidékek, völgyek és hegységek közelében.

A modell közvetlenül élő műholdas adatokból tanul

A Google szerint a WeatherNext 3 legnagyobb előrelépése az, hogy milyen adatokból dolgozik. A cég közlése alapján a legtöbb AI-alapú időjárási modell, köztük a WeatherNext 2 is, numerikus időjárás-előrejelző modellekből származó adatokon tanul. Ezek a hagyományos, fizikai szimulációkra épülő rendszerek hasznosak, de szuperszámítógépeket igényelnek, és 6 órás adatkéséssel járnak.

A WeatherNext 3 ezzel szemben élő, globális geostacionárius műholdas adatok mozaikját használja. A bejelentés szerint így minden órában olyan új előrejelzés készülhet, amely a legfrissebb elérhető műholdas megfigyelésekre támaszkodik, akár 5 kilométeres felbontásban.

A Google azt írja, hogy ez különösen a gyorsan kialakuló időjárási helyzeteknél számít. Viharok, frontok vagy csapadékrendszerek hirtelen megjelenésekor a sűrűbb frissítési ciklus és a nagyobb felbontás korábbi és részletesebb képet adhat a helyzetről.

A modell emellett ritka időjárásállomási megfigyelési adatokon is tanul. A Google szerint ez segít abban, hogy a globális, 5 kilométeres rácson készült előrejelzések figyelembe vegyék a regionális részleteket, például a domborzatot.

Pontosabb csapadék-előrejelzés és megújuló energiás változók

A Google külön kiemeli a csapadék-előrejelzést, mert a globális időjárási modelleknek hagyományosan nehéz pontosan kezelniük az esőt és a havat. A vállalat szerint ezek a rendszerek gyorsan mozgó felhőfolyamatoktól függnek, kis térléptékben, ami a fizikai szimulációk számára nehezen modellezhető.

A WeatherNext 3 két nagy minőségű csapadékadat-forráson tanul: a NASA műholdas Integrated Multi-satellite Retrievals for GPM, vagyis IMERG adatkészletén, valamint a Google saját, műholdas radaron alapuló globális csapadék-reanalízisén. A középtávú globális előrejelzésekben a bázismodellekkel szembeni értékelések alapján a Continuous Ranked Probability Score, vagyis CRPS javulása az IMERG esetében akár 60%, az MRMS esetében 30%, a csapadékmérő állomások adataihoz mérve pedig a korai előrejelzési időtávoknál 10%.

Az új modell a megújulóenergia-termeléshez kapcsolódó változókat is előre jelez. A Google szerint a rendszer 100 méteres magasságban, nagyjából szélturbina-magasságban becsüli a szélsebességet, valamint nagy felbontású felhőborítottsági és napsugárzási adatokat ad. Ezek a naperőművek és szélerőművek termelésének tervezésében lehetnek hasznosak, mert a hálózatüzemeltetők és a megújulós fejlesztők pontosabban becsülhetik, mennyi energiát termelnek majd az eszközeik, és ezt hogyan illeszthetik a fogyasztói igényekhez.

Google-alkalmazásokban és felhős integrációban jelenik meg

A bejelentés szerint a WeatherNext 3 már integrálódik a Google Search, a Gemini, a Maps, a Google Maps Platform és a Cloud szolgáltatásokba. A Google azt írja, hogy a cél az időjárási intelligencia fejlesztése és elérhetővé tétele a vállalat termékein keresztül világszerte.

A felhasználók számára a változás a forrás alapján pontosabb, helyibb és gyakrabban frissülő időjárási információkat jelenthet a Google felületein. A nagyobb felbontás a mindennapi tervezésben, például eső vagy hó várható alakulásánál lehet fontos, míg a mezőgazdaság, az ellátási láncok és a tisztaenergia-termelés számára a gyorsabban frissülő előrejelzések üzleti döntéseket is támogathatnak.

A Google szerint a fejlesztés különösen fontos lehet Latin-Amerika, Afrika és az ázsiai, csendes-óceáni térség olyan régióiban, amelyeket korábban kevésbé szolgáltak ki a nagy felbontású előrejelzések, részben a hagyományos regionális modellek jelentős szuperszámítógépes költségei miatt.