Google WeatherNext 3:跳过物理模拟,直学卫星数据
结论前置 / TL;DR
Google Research与DeepMind联合发布WeatherNext 3气象模型,摒弃传统基于物理方程的数值模拟方法,转而直接从实时卫星观测数据中学习天气模式。该模型可生成分辨率高达5公里的逐小时预报,精度是前代产品的5倍。非洲、拉美及亚太等长期缺乏精准气象服务的地区将获显著改善。
全新范式:数据驱动替代物理建模
WeatherNext 3由Google Research与DeepMind共同研发,其核心突破在于完全绕过传统气象预报依赖的大气物理方程求解流程。模型不调用任何预设物理参数或动力学约束,而是端到端地从海量实时地球同步与极轨卫星图像中学习天气演变规律。
性能跃升与覆盖重点
该模型支持最高5公里空间分辨率的逐小时预报,相较上一代提升5倍。Google指出,因地面观测站稀疏、计算资源受限等原因,非洲、拉丁美洲及亚太部分区域长期面临预报不准、更新滞后等问题;WeatherNext 3有望在这些地区带来最显著的准确率提升。
本文为企业智脑(优秘智能)编译整理自公开资讯,信息与观点以原文为准,仅供参考。阅读原文(The Decoder) →