Nyílt adatkészletekkel segíti a Google az AI-alapú időjárás-előrejelzést

A Google DeepMind és a Google Research csapata két alapvető adatkészletet tett nyilvánossá, a SatWeave-et és a PARDIG-ot, hogy kutatók és fejlesztők időjárási, hidrológiai és klímaalkalmazásokat építhessenek. Mindkettő szerepet játszott a közelmúltban bemutatott WeatherNext 3 modell fejlesztésében – írja a Google DeepMind.

SatWeave: a Föld egységes képe a világűrből

A SatWeave öt műholdról származó felvételeket egyesít: a GOES-East és GOES-West, a Meteosat 0 és a Meteosat Indiai-óceán műholdjait, valamint a Himawarit. A rendszer hat geostacionárius műhold megfigyeléseit illeszti globális mozaikba 17 látható, vízgőz- és infravörös csatornán. Mivel az egyes műholdak eltérő vetületeket, fájlformátumokat és 10–30 perces pásztázási ciklust használnak, a különbségek kiegyenlítése komoly mérnöki feladat volt. A SatWeave óránként frissül, míg a hagyományos, hatóránként frissülő elemzési adatokra épülő modellek csak ritkábban adnak új előrejelzést.

Az adatkészlet élő adatfolyamban és egy tíz évnél hosszabb történeti archívumban érhető el. A WeatherNext 3 középtávú előrejelzéseit már ezzel támogatták, a Google szerint a kutatói közösséggel a napenergia-termelés előrejelzésében és az erdőtűz-figyelésben is szeretnének együttműködni.

PARDIG: pontos, nagy felbontású csapadékadatok

A PARDIG a Precipitation AI Reanalysis: Densely Inferred GPM rövidítése. A WeatherNext 3-hoz hasonló AI-architektúrára épül, és a NASA Global Precipitation Measurement (GPM) Core Observatory ritka űrradar-megfigyeléseivel tanult, bemenetként a SatWeave képeit és az ECMWF légköri adatait használja. Az eredmény 15 perces időbeli és nagyjából 10 kilométeres térbeli felbontású globális csapadéktérkép, átlagosan körülbelül öt órás késleltetéssel.

A Google szerint a PARDIG-ot az Egyesült Államok, Európa és Japán három kontinentális radarhálózatával, valamint a világ több mint 36 000 meteorológiai állomásával is összevetette. A cég saját értékelése alapján a modell minden vizsgált csapadékintenzitásnál felülmúlja a vezető globális referenciaadatokat, köztük a NASA IMERG-Final adatkészletét.

Az értékelés szerint az órás csapadékdetektálás a fényes és közepes csapadék esetén több mint 30 százalékkal javult az IMERG-Finalhoz képest, és különösen jól találja meg a szélsőséges csapadékot is. Mivel a PARDIG közvetlenül a műholdas mérésekből tanul, a Google szerint olyan területeken is megbízható lehet, ahol nincs sűrű földi mérőhálózat.

Az élő adatfolyam mellett a PARDIG 1999 és 2026 közötti történeti archívuma is elérhető, a WeatherNext 3 pedig ezt használta a középtávú előrejelzésekhez. A Google az árvizek, földcsuszamlások és aszályok modellezésében is együttműködést ajánl, különösen olyan régiókban, ahol nincsenek sűrű radarhálózatok.

A SatWeave és a PARDIG élő és történeti adatai már nyilvánosan elérhetők a Google Cloud Storage-on, a PARDIG történeti katalógusa pedig a Google Earth Engine-ben is megtalálható. Az adatkészleteket a Google Earth AI portfóliójának legújabb elemeként mutatta be.