Google DeepMind 开源 WeatherNext 3 背后的气象数据集
Google DeepMind 的 WeatherNext 团队发布 SatWeave 与 PARDIG 两个基础数据集，用于支撑气象、水文与气候应用开发。二者是近期发布的 WeatherNext 3 模型取得进展的关键数据基础，此次开放旨在降低全球研究者的数据获取门槛。
报道正文
本文目录6 个章节
2026年11月13日 科学
开放我们 AI 天气模型背后的数据集
WeatherNext 团队
我们发布 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，首先要看我们能在当下多好地观测地球。卫星和地面仪器持续、高细节地监测这颗行星。但要把这些原始测量转化为一致的全球图景，并快速提供出来，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。这两个数据集对我们最近发布的 WeatherNext 3 模型的进展至关重要。SatWeave 是地球静止卫星图像的全球镶嵌图，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将其用于建模和下游应用。
SatWeave：来自太空的地球统一视图
SatWeave 汇集了五颗卫星的图像，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），要形成一致的全球地图很困难。大多数现有的全球合成产品会舍弃不兼容的方面，只提供四个或更少的通道，或者每隔几小时才更新一次。
您的浏览器不支持 video 标签。
SatWeave 将六颗地球静止卫星的观测融合为一张全球镶嵌图，涵盖 17 个可见光、水汽和红外通道。
SatWeave 每小时更新一次，因此使 WeatherNext 3 能够生成新的全球预测，而相比之下，基于每六小时刷新一次的分析数据初始化的模型则无法做到这一点。我们正在发布这一每小时实时数据流，以及一个跨越十多年的历史档案。
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，然而在全球范围内准确追踪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能够提供高质量数据，但它们并非在所有地区都可用，或者覆盖范围不够好。
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 类似的 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 影像和 ECMWF 的大气场作为输入。其结果是生成一张高度准确的全球降水图，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。
您的浏览器不支持 video 标签。
2025 年 7 月得克萨斯丘陵地区山洪暴发期间的每小时降雨量，比较了基于地面的 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）。
我们已针对美国、欧洲和日本的三个大陆雷达网络，以及全球超过 36,000 个气象站对 PARDIG 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，对无数应用极为重要。在轻至中度降水方面，PARDIG 将每小时降水检测技能相比 IMERG-Final 提高了 30% 以上。它在捕捉极端降水方面尤为有效，而现有全球产品在检测极端降水时可能面临挑战。
逐小时降水检测能力（临界成功指数），基于 2016 至 2023 年美国、欧洲和日本的地面雷达网络进行评估。降水强度阈值以对数刻度绘制，范围为 0.2 至 25 mm/h，坐标轴上标注了小雨（0.3 mm/h）、中雨（2.5 mm/h）和大雨（20 mm/h）。
由于 PARDIG 直接从卫星数据中学习，而非仅依赖地面测量，我们预期它在地球上任何地方都能保持可靠的准确率，即使是在没有这些地面测量数据的地区也是如此。
除了实时数据流之外，我们还发布了 1999 至 2026 年的 PARDIG 历史数据存档。虽然 WeatherNext 3 使用 PARDIG 进行中期天气预报，但我们很高兴能与社区合作并赋能社区，探索用于洪水、滑坡和干旱的改进模型，尤其是在缺乏密集地面雷达网络的地区。
赋能天气与气候生态系统
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够赋能全球研究人员，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
WeatherNext 开发者文档访问历史数据和实时数据阅读 PARDIG 研究论文访问 PARDIG 历史存档
致谢
本工作由 Google DeepMind 和 Google Research 的多个团队共同开发，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得以实现的机构，包括 ECMWF、NASA、JAXA、NOAA、EUMETSAT、KMA、JMA、KNMI 和 Synoptic Data。