Newshot 开放我们 AI 气象模型背后的数据集
WeatherNext 团队
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，始于我们此刻对地球的观测能力。卫星和地面仪器持续且高细节地监测着这颗星球。但将这些原始测量数据转化为连贯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 模型的进步至关重要。SatWeave 是地球静止卫星图像的全球拼接图，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 融合了五颗卫星的图像，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），形成连贯的全球地图十分困难。大多数现有的全球合成产品舍弃了不兼容的方面，仅提供四个或更少的通道，或每隔几小时才更新一次。
SatWeave 将六颗地球静止卫星的观测数据融合成一张覆盖 17 个可见光、水汽和红外通道的全球拼接图。
SatWeave 每小时更新一次，从而使 WeatherNext 3 能够生成新的全球预测，这与基于每六小时更新一次的分析数据初始化的模型形成对比。我们正在发布这一每小时的实时数据流，以及跨越十多年的历史存档。
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，然而准确追踪全球降水仍然是一项重大挑战。虽然地面雷达和密集的雨量计网络提供高质量数据，但这些数据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，直接使用来自 NASA 全球降水测量（GPM）核心观测站的稀疏星载雷达观测数据进行训练，并以 SatWeave 图像和来自 ECMWF 的大气场作为输入。其结果是高精度的全球降水图，时间分辨率为 15 分钟，空间分辨率约为 10 公里，平均延迟约五小时更新。
2025年7月德克萨斯州丘陵地区山洪暴发期间的每小时降雨量，比较了地面NOAA MRMS雷达（左，约1公里）、近实时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。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——这是一个研究质量的降水估算数据集，对无数应用至关重要。在小到中等强度降水方面，PARDIG将每小时降水检测技巧较IMERG-Final提升了30%以上。它在捕捉极端降水方面尤其有效，而现有全球产品在检测此类降水时可能面临挑战。
2016年至2023年基于美国、欧洲和日本地面雷达网络评估的每小时降水检测技巧（关键成功指数）。降水强度阈值以对数刻度绘制，从0.2到25 mm/h，轴上标记了小雨（0.3 mm/h）、中雨（2.5 mm/h）和大雨（20 mm/h）。
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，即使是在没有这些测量的地区。
除了实时数据流，我们还发布了1999年至2026年的PARDIG历史数据档案。虽然WeatherNext 3使用PARDIG进行中期天气预报，我们很高兴能与社区合作并赋能社区，探索改进的洪水、滑坡和干旱模型，尤其是在缺乏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的实时及历史数据集现已在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现实应用相连接的新方式。
了解更多
致谢
这项工作由Google DeepMind和Google Research的团队开发，并与Google Cloud和Google Geo合作完成。我们感谢那些通过开放卫星计划和数据集使这项工作成为可能的组织，包括ECMWF、NASA、JAXA、NOAA、EUMETSAT、KMA、JMA、KNMI和Synoptic Data。
相关文章
推出WeatherNext 3，我们最先进、最准确的全球天气AI模型
