Google DeepMind und Google Research haben offiziell das fortschrittliche Modell WeatherNext 3 vorgestellt, das laut unabhängigen Bewertungen von Brightband das bislang fortschrittlichste und präziseste globale Wettermodell darstellt. Das Modell lernt direkt aus realen Beobachtungen und liefert schnelle, lokale Vorhersagen für Wetterereignisse.

Hauptmerkmale von WeatherNext 3:
Unpräzedenzlose räumliche und zeitliche Genauigkeit: Das Modell erstellt stündliche Vorhersagen in mehreren räumlichen Auflösungen und bewahrt dabei das physikalische Gleichgewicht zwischen globalen Winden und lokaler Topografie.

Fortschrittliche Darstellung: Wichtige Variablen wie Temperatur und Luftfeuchtigkeit werden mit einer Auflösung von 5 km, andere Oberflächenvariablen mit 10 km und atmosphärische Variablen wie die Windgeschwindigkeit mit 25 km dargestellt. Dies bietet ein globales Bild, das fast fünfmal schärfer ist als die vorherige Version (WeatherNext 2).

Verlass auf reale globale Daten: Durch die Verwendung eines Mosaiks aus globalen Satellitendaten erhält WeatherNext 3 jede Stunde eine neue Vorhersage, anstatt sich ausschließlich auf traditionelle numerische Wettervorhersagemodelle (NWP) zu verlassen, die Abweichungen aufweisen.

Wetterstationsdaten: Das Modell wurde direkt mit Daten von Wetterstationen trainiert, was dazu beiträgt, Vorhersagen für Regionen in Lateinamerika, Afrika und im Asien-Pazifik-Raum zu liefern, die zuvor aufgrund der hohen Kosten von Supercomputern vernachlässigt wurden.

Entwicklung sauberer Energien (Renewable Energy): Das Modell sagt die Windgeschwindigkeit in 100 Metern Höhe (für Windkraftanlagen) sowie die Bewölkung und die Sonneneinstrahlung voraus, um Netzbetreiber bei der Planung erneuerbarer Energien zu unterstützen.

Präzision der Niederschlagsvorhersage: Durch das Training mit NASA IMERG-Daten und Radarnetzwerken erzielt das Modell eine erhebliche Verbesserung bei der Niederschlagsvorhersage und zeigt eine Verbesserung von bis zu 60 % beim CRPS im Vergleich zu IMERG.

Verfügbarkeit in verschiedenen Bereichen:
Daten können über BigQuery und Earth Engine abgefragt oder direkt aus dem Google Cloud Storage heruntergeladen werden.

Ab heute beginnt das Modell zudem mit der Bereitstellung von Wettererfahrungen in der Google-Suche, der Gemini-App, Google Maps, der Google Maps Weather API-Plattform und der Google Earth Engine, sodass Nutzer bei der Planung für einen Tag oder länger im Voraus bis zu 50 % genauere Niederschlagsvorhersagen sehen.