开放 AI 天气模型背后的数据集
本文目录
2026 年 11 月 13 日 科学
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。
要理解和预测地球的天气与水循环，首先要看我们当下能多好地观测地球。卫星和地面仪器持续且高精度地监测地球。但要把这些原始测量转化为连贯的全球图景并快速提供出去，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近期发布的 WeatherNext 3 模型的进展至关重要。SatWeave 是地球静止卫星影像的全球拼图，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。我们提供这两个数据集的历史档案和实时数据流，使研究人员和开发者能将其用于建模和下游应用。
SatWeave：统一的太空地球视图#
SatWeave 合并了五颗卫星的影像，它们覆盖全球不同区域：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（10 到 30 分钟不等），要形成连贯的全球地图十分困难。现有大多数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。
SatWeave 将六颗地球静止卫星的观测融合为全球拼图，涵盖 17 个可见光、水汽和红外通道。
SatWeave 每小时更新一次，因此 WeatherNext 3 能生成新的全球预测；相比之下，基于每六小时更新一次的分析数据初始化的模型则做不到。我们发布这一每小时实时数据流，以及跨度超过十年的历史档案。
虽然我们已在 WeatherNext 3 的中期天气预报中使用 SatWeave，但我们期待与更广泛的研究和开发者社区一起探索太阳能发电和野火监测等预报应用。
PARDIG：全球准确、高分辨率降水#
降水影响着从食物和供水到洪涝与干旱风险的一切，但在全球范围内准确追踪降水仍是一大挑战。虽然地面雷达和密集雨量计网络提供高质量数据，但它们并非随处可用，也并非所有地区都有良好覆盖。
为帮助弥合这一缺口，我们开发了 PARDIG（Precipitation AI Reanalysis: Densely Inferred GPM，降水 AI 再分析：稠密推断 GPM）。PARDIG 基于与 WeatherNext 3 相似的 AI 架构，直接使用 NASA 全球降水测量（Global Precipitation Measurement, GPM）核心观测站的稀疏星载雷达观测进行训练，并以 SatWeave 影像和 ECMWF 的大气场作为输入。其成果是时间分辨率为 15 分钟、空间分辨率约 10 公里的高精度全球降水图，平均延迟约五小时更新。
2025 年 7 月得克萨斯丘陵地区山洪期间的每小时降雨量，对比基于地面的 NOAA MRMS 雷达（左，约 1 公里）、近实时 PARDIG（中，约 10 公里）与 IMERG-Final（右，约 10 公里）。
我们已在美国、欧洲和日本三个大陆雷达网络，以及全球 36,000 多个气象站上对 PARDIG 进行评估。在所有分析的降雨强度上，PARDIG 均优于领先的全球基线，包括 NASA 的 IMERG-Final——一个对无数应用极其重要的研究级降水估算数据集。在小到中等降水上，PARDIG 的每小时降水检测技能比 IMERG-Final 提升 30% 以上。它在捕捉极端降水方面尤为有效，而现有全球产品往往难以检测极端降水。
2016 至 2023 年在美国、欧洲和日本地面雷达网络上评估的每小时降水检测技能（临界成功指数，Critical Success Index）。降水强度阈值按对数刻度从 0.2 到 25 mm/h 绘制，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 直接从卫星学习，而非仅依赖地面测量，我们预计它在地球上任何地方都具有可靠精度，即使是这些测量不可用的地区。
除实时数据流外，我们还发布 1999 至 2026 年的 PARDIG 历史档案。虽然 WeatherNext 3 将 PARDIG 用于中期天气预报，但我们也很高兴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，尤其是在没有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 的实时与历史数据集现已在 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 地球 AI 产品组合的最新成员，我们希望这些数据集能赋能全球研究人员，开辟将天气观测与关键现实应用连接起来的新方式。
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 历史档案
致谢#
这项工作由 Google DeepMind 和 Google Research 的多个团队完成，并与 Google Cloud 和 Google Geo 合作。我们感谢那些开放卫星项目和数据集使这项工作成为可能的组织，包括 ECMWF、NASA、JAXA、NOAA、EUMETSAT、KMA、JMA、KNMI 和 Synoptic Data。
相关文章#
推出 WeatherNext 3，我们最先进、最准确的全球天气 AI 模型
2026 年 9 月 科学
了解更多