Google DeepMind представляет WeatherNext 3: почасовые глобальные прогнозы с разрешением 5 км

Модели искусственного интеллекта для прогнозирования погоды тратили три года на догоняние физических методов прогнозирования, но две проблемы оставались нерешенными: низкое разрешение и неспособность учитывать локальный рельеф; а также задержка инициализации примерно на 6 часов по сравнению с анализом численного прогноза погоды (NWP). WeatherNext 3, совместно выпущенный Google DeepMind и Google Research, напрямую решает эти две проблемы.

Обучение непосредственно на измерениях метеорологических станций, а не только на данных реанализа

WeatherNext 3 использует глобальные мозаики геостационарных спутников в реальном времени в качестве прямого входа модели, которая обновляется каждый час, и выдает максимальное разрешение 0,05° (около 5 километров). Модель обучается на исходных данных наблюдений метеорологических станций, а не полагается только на сетки реанализа. По данным Google AI, независимая оценка Brightband в реальном времени назвала его самой точной глобальной моделью погоды на сегодняшний день.

С архитектурной точки зрения WeatherNext 3 представляет собой сетевой трансформатор с функциональным генератором (FGN) и относится к тому же семейству вероятностных моделей, что и WeatherNext 2, но расширен до вывода с несколькими разрешениями. Входные данные включают мозаики геостационарных спутников в реальном времени и анализ ECMWF HRES. Данные для обучения включают ERA5/HRES-fc0, IMERG от NASA, данные наблюдений на местах и спутниковые мозаики.

Большинство моделей прогнозирования на основе ИИ обучаются на данных реанализа NWP, которые могут сглаживать локальные различия, вызванные береговыми линиями, долинами и горами. WeatherNext 3, однако, обучается непосредственно на исходных данных измерений на местах с использованием специального заголовка наблюдений, калибруя свои выходы температуры и точки росы с разрешением 0,05° согласно фактическим показаниям приборов.

Ежечасные обновления, значительное улучшение переменных осадков и возобновляемой энергии

Одно прямое вычисление может дать три уровня результатов: температура и точка росы на высоте 2 метров с разрешением 0,05° (около 5 км) для моделей, обученных на данных станций; скорость и направление ветра на высотах 10 и 100 метров, давление, температура поверхности моря, облачность, солнечная радиация и осадки за 1 час с разрешением 0,1° (около 10 км); а также атмосферное поле с разрешением 0,25° (около 25 км), охватывающее 13 уровней давления. В сравнении с WeatherNext 2, который выдает поле с разрешением 0,25° каждые 6 часов, это объясняет утверждение о «пятикратном улучшении четкости».

Частота обновления — еще одно важное изменение: модель инициализируется 24 раза в день, четыре цикла погоды в 00, 06, 12 и 18 часов по UTC могут прогнозировать до 15 дней (360 часов) с 64 ансамблевыми членами, в то время как оставшиеся ежечасные запуски охватывают 48 часов. Для быстро развивающихся конвективных погодных условий ежечасное обновление на основе текущих спутниковых наблюдений вносит существенные изменения по сравнению с 6-часовым циклом отстающего анализа.

Осадки всегда были слабым местом глобальных моделей, вывод часто бывает размытым и не способен уловить границы штормов. WeatherNext 3 обучается с использованием трех источников данных: реанализа ECMWF, спутниковой инверсии NASA IMERG и собственного реанализа осадков по спутниковым радарам Google. Google утверждает, что в краткосрочных прогнозах его CRPS улучшается до 60% по сравнению с базовым уровнем (по сравнению с IMERG), на 30% (по сравнению с MRMS) и на 10% (по сравнению с дождемерами); исследования также показывают, что при оценке по IMERG балл Бриера и CRPS снижаются до 50% по сравнению с базовым уровнем NWP.

Для возобновляемой энергии модель выдает скорость ветра на высоте 100 метров (на уровне ступиц турбин), полную низкую/среднюю/высокую облачность и две компоненты солнечной облученности — SSRD и FDIR, — которые именно та комбинация, которая требуется операторам энергосетей для прогнозирования выработки энергии от ветра и солнца.

В настоящее время данные прогноза можно запросить через BigQuery, Earth Engine и Cloud Storage, но веса WeatherNext 3 не являются открытыми, и пользовательский вывод по запросу все еще использует WeatherNext 2.