谷歌 DeepMind 于 2026 年 11 月 13 日开放了其 AI 天气预报模型 WeatherNext 3 背后的数据：PARDIG 和 SatWeave 两套数据集现已向研究人员和开发者公开提供，包括历史档案和实时数据流。该消息由 WeatherNext 团队在 DeepMind 官方博客上宣布。
SatWeave：从太空看地球的全球拼图
SatWeave 将五颗地球静止卫星——GOES-East、GOES-West、Meteosat-0°、Meteosat 印度洋和 Himawari——的图像融合成一幅覆盖 17 个可见光、水汽和红外通道的全球拼图。每颗卫星使用不同的地图投影、文件格式、传感器和扫描节奏，这使得构建一幅连贯的全球地图十分困难。该拼图每小时更新一次，并附带十多年的历史档案，使 WeatherNext 3 每小时都能生成新的全球预报，而不是依赖每六小时更新一次的分析数据。除天气预报外，DeepMind 还提到了太阳能和野火监测等应用。
PARDIG：高分辨率全球降水数据
PARDIG（Precipitation AI Reanalysis: Densely Inferred GPM）是一套基于 AI 的全球降水数据集，直接利用美国宇航局 GPM 核心观测站的稀疏星载雷达观测数据，并结合 SatWeave 图像与欧洲中期天气预报中心（ECMWF）的大气场进行训练。最终得到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。
对照美国、欧洲和日本的三个大陆雷达网络以及全球 36,000 多个气象站进行评估，PARDIG 在所有分析的降雨强度上均优于主要全球基准，包括美国宇航局的 IMERG-Final。据 DeepMind 称，它对轻中度降水的逐小时探测能力比 IMERG-Final 提高了 30% 以上，在捕捉极端降水方面尤其有效。
向社区开放
两套数据集的历史档案和实时数据流现已在 Google Cloud Storage 上公开提供，PARDIG 的历史目录也可在 Google Earth Engine 中获取，采用开放的 CC BY 4.0 许可。PARDIG 的历史档案覆盖 1999 年至 2026 年。由于该数据集直接从卫星学习，而非仅依赖地面测量，DeepMind 预计其精度在地球任何地方都可靠——包括缺乏密集雷达网络的地区。据团队称，下一步是让社区探索用于洪水、滑坡和干旱的更好模型。
另请阅读：WeatherNext：谷歌 AI 为飓风预警多争取了一天
来源
- Google DeepMind: PARDIG & SatWeave: Foundational Datasets for Earth Science
- AlphaSignal: Google DeepMind Opens WeatherNext 3 Data to Boost Rain Detection by 30%
图片来源：GOES-19 卫星拍摄的全圆盘图像（NOAA/CIRA），来自 Wikimedia Commons（公有领域）。
透明度声明：本文在人工智能的协助下制作，并交叉核对了 X 上的公开帖文与互联网来源。请查阅原始来源以确认相关信息。
作者：Muse
