Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型

2026年9月3日

|

我们的旗舰AI天气预报模型现已纳入实时卫星数据、每小时刷新、更高分辨率、精准降水预报以及清洁能源变量。它现已集成到搜索、Gemini、地图、Google Maps Platform和Cloud中。

WeatherNext团队

收听文章

[[duration]]分钟

此内容由Google AI生成。生成式AI仍处于实验阶段

每天，天气影响着数十亿个决策。有些决策很简单，比如出门前顺手拿把伞，但另一些则影响深远得多。风、雨以及热浪和干旱等极端天气事件，会对农业、全球供应链、清洁能源生产和国家经济产生连锁影响。

近年来，AI已经彻底改变了天气预报，它利用历史记录做出比传统方法更快、更准确的预测。然而，预测高度局部化且快速变化的天气仍然是一项挑战。此前的模型往往缺乏足够的空间分辨率，并且难以纳入来自卫星等来源的实时天气数据。

今天，Google DeepMind和Google Research推出了WeatherNext 3，根据Brightband的独立实时评估，这是迄今为止最先进、最准确的全球天气模型。我们的模型直接从实时观测中学习，使其能够针对对人们影响最大的天气事件提供及时且更本地化的预测。通过使用原始卫星数据以高分辨率每小时生成一次预报，我们的模型让可靠预报能够在全球范围内的Google产品中获取。

以前所未有的分辨率进行快速天气预报

预报的实用性往往取决于细节，以及它在时间和空间上的解析精细程度。WeatherNext 3以多种空间分辨率生成逐小时预报，从大范围全球风型一直保持到局部地形的物理一致性。

借助WeatherNext 3，我们可以以5公里分辨率可视化关键地表变量——如温度和湿度，以10公里分辨率可视化其他地表变量，并以25公里分辨率可视化大气变量，如风速。总体而言，这提供了比我们此前的模型WeatherNext 2清晰约五倍的全球天气图景，后者以25公里网格、每6小时增量生成预报。

图1：端到端WeatherNext 3系统架构。该模型将实时1小时地球静止卫星拼接图与传统历史分析一并输入一个单一、灵活的功能生成网络（FGN）网格Transformer。它输出密集网格场、离散气旋路径，并原生预测站点级稀疏坐标。

图2：英国上空2米温度预报对比。WeatherNext 2（左）为25公里（0.25°）分辨率，而WeatherNext 3（右）为原生5公里（0.05°）分辨率。WeatherNext 3解析出复杂的局部地形，避免了旧模型中出现的像素化、过度平滑的热力表示。

连续全球尺度的真实世界数据

WeatherNext 3 最大的飞跃在于它的学习来源。大多数 AI 天气模型，包括 WeatherNext 2，都是基于数值天气预报（NWP）模型的数据训练的。尽管这些数据有用，但 NWP 模型是由超级计算机驱动的复杂物理模拟，存在六小时的数据滞后。这种滞后可能导致对降雨或地表温度等快速变化的变量产生偏差。

通过摄取全球地球同步卫星的实时数据拼图，我们的新模型获得了丰富且持续更新的大气视图。这使模型能够每小时生成一次新的预报，每次预报都基于最新的卫星观测数据，分辨率最高可达 5 公里。

这一点很重要，因为关键天气发展迅速。当风暴、锋面或降水系统突然形成时，我们的快速更新周期和更高分辨率能提供更早、更详细的洞察，帮助推动有效响应。

有些变量，如温度和湿度，在短短几公里内就可能剧烈波动，这对沿海、山谷或山脉附近的社区尤为重要。传统模型在这方面表现不佳，因为它们训练所用的大气表征缺乏细节，会遗漏极端的局部变化。

为解决这一问题，WeatherNext 3 改为直接在稀疏的气象站观测数据上进行训练。这使我们能够在 5 公里网格上生成全球预报，并纳入地形等区域细节。

这一突破对拉丁美洲、非洲和亚太地区尤为关键，这些地区由于传统区域模型所需的巨大超级计算成本，历史上一直未能获得高分辨率预报服务。它为这些地区的数十亿人和本地企业带来了本地化、高保真的预报。

除了改进的分辨率和预报频率，我们的模型还引入了专为可再生能源生产设计的预测。该模型可预报 100 米风速（大致为风机轮毂高度），用于精确估算风能输出，同时提供高分辨率云量和太阳辐射水平，帮助太阳能电站估算其在地面接收到的光照量。

这些数据对全球清洁能源规划至关重要，使电网运营商和可再生能源开发商能够准确预测其清洁能源资产的发电量，并将其与消费者需求相匹配。

降水预报精度实现突破

全球天气模型在准确预测降水方面一向表现不佳。雨雪系统由小尺度上快速移动的云过程驱动，传统基于物理的模拟很难准确建模。因此，AI 预报往往产生模糊的估计，或完全遗漏强风暴的边界。

为解决这一问题，我们使用两个极高质量的降水数据源来训练模型：NASA 基于卫星的 GPM 综合多卫星反演（IMERG），以及我们自己的基于卫星雷达的全球降水再分析数据。

结果是降水预报精度的大幅跃升。在中程全球预报中，与基线相比的评估显示，在早期预报时效内，连续排名概率得分（CRPS）相对于 IMERG 提升高达 60%，相对于 MRMS 提升 30%，相对于雨量计测量提升 10%。

图 3：中期降水概率（PoP > 1mm）预报对比。25 公里分辨率的 WeatherNext 2（左）显示出高度扩散且像素化的降水足迹。11 公里分辨率的 WeatherNext 3（中）与实际的卫星地面真值（右）高度吻合，准确捕捉到天气系统中锐利的对流带。

研究成果应用于整个生态系统

我们的首要目标是推进天气智能，使其具有普遍实用性——无论是帮助应急响应人员追踪突发的风向变化、空中交通管制员规划飞行路径，还是农民管理农作物。

为了让这些突破走出实验室、走向现实世界，我们正在将 WeatherNext 3 整合到 Google 的核心生态系统及更广泛的领域：

• 高分辨率预报数据：我们正在提供全球天气预报，每小时更新一次，无需任何模型设置即可集成到你的工作流程中。这使研究人员、开发者和企业能够在 BigQuery 和 Earth Engine 中查询数据，或从 Google Cloud Storage 批量下载。
• 全球可用：从今天起，WeatherNext 3 将开始为 Google 搜索、Gemini 应用、Google 地图、Google 地图平台天气 API 和 Google Earth Engine 中的天气体验提供支持。此次更新大幅改善了较长期的预报。在提前一天或更长时间进行规划时，人们将看到降水预报准确率提升高达 50%——在历史上预报可靠性较低的地区改善最为显著。因此，无论你是在为周末旅行打包行李，还是在决定进行户外活动的最佳日期，现在都能获得更准确的预测来帮助你规划。

大气始终会保留一定程度的不确定性。然而，通过基于真实世界观测进行训练并绕过传统建模的约束，WeatherNext 3 让我们更接近一个预报真正与实际地面情况相符的未来。

要了解更多关于 Google 地理空间平台和 AI 工作的信息，请查看 Google Earth Engine、AlphaEarth Foundations 和 Earth AI。

免责声明：如需官方天气预报、恶劣天气预警和公共安全公告，请参阅当地气象机构或国家气象部门。

进一步了解 WeatherNext 3

• 阅读我们的论文
• 使用 WeatherNext 3 进行构建
• 探索 Weather Lab，实时查看 WeatherNext 3 的可视化效果
• 查看 WeatherNext 3 在 Brightband 独立实时排行榜上的排名。

在您的收件箱中获取 Google 的最新资讯

订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。

您的信息将按照 Google 隐私政策使用。您可以随时选择退出。