谷歌开放 WeatherNext 3 两大基础数据集：小时级卫星云图与全球降水数据

据 IT之家 11 月 13 日报道，谷歌 DeepMind 开放了 WeatherNext 3 气象模型所依托的 SatWeave 与 PARDIG 两大基础数据集，为全球研究者和开发者提供历史归档及实时数据流。两者分别聚焦全球卫星影像拼接与降水再分析，可用于天气、水文、气候及相关下游应用建模。对 AI 气象研究而言，此次开放的重点是支撑模型训练和应用开发的数据基础，并不等同于 WeatherNext 3 模型本身开源。

从多颗卫星到统一云图，降低数据处理门槛

SatWeave 将 GOES-East、GOES-West、Meteosat 0、Meteosat 印度洋星及 Himawari 共五颗静止气象卫星的观测整合为全球影像拼接产品。不同卫星原本存在地图投影、文件格式、传感器和扫描节奏差异，统一处理这些数据，是开发全球气象模型的一项基础工作。

该数据集每小时更新，并提供超过十年的历史存档。据介绍，WeatherNext 3 能据此利用实时云图和风暴动态生成逐小时全球预报；作为对照，传统分析数据通常每六小时刷新一次。需要注意，数据刷新更快并不直接等于所有预报任务都更准确，但能为模型提供更及时的天气变化信息。

• SatWeave：整合多源卫星影像，兼顾小时级更新与长期历史数据。
• PARDIG：提供约 10 公里空间分辨率、15 分钟时间分辨率的全球降水信息，平均延迟约五小时。
• 开放方式：数据托管于 Google Cloud Storage，采用 CC BY 4.0 许可。

PARDIG 用 AI 补足全球降水观测

PARDIG 采用与 WeatherNext 3 相似的球形图网格 Transformer 架构，以 NASA 全球降水测量核心观测台的稀疏星载雷达观测作为训练目标，输入则包括 SatWeave 影像和欧洲中期天气预报中心的大气场。它的核心思路，是让模型从卫星观测中学习降水特征，生成更连续的全球降水再分析数据。

据谷歌公布的评估，研究团队使用美国、欧洲、日本的陆基雷达网络及全球 3.6 万余座气象站进行对照，PARDIG 在各雨强档位均优于 NASA IMERG-Final 等基线产品。其中，轻到中度降水的小时级识别技巧较 IMERG-Final 提升超过 30%，对极端降水的捕捉也表现突出。这些结论来自谷歌披露的评估，不宜直接推定其在所有地区和任务中都有相同收益。

产业解读：开放数据比单一预报结果更有延展性

此次开放还包括据报道覆盖 1999 年至 2026 年的 PARDIG 历史档案。历史数据与持续更新的数据流相结合，使开发者有机会沿用相近的数据基础开展训练、回测和后续应用，减少重复整理多源观测的工作。

对中文 AI 与科技开发者而言，值得关注的不只是天气预报。谷歌希望研究社区将 SatWeave 拓展至太阳能功率预测、野火监测等方向；降水数据也可为水文建模提供输入。尤其在地面雷达和雨量计不足的地区，卫星驱动方案具有补充观测的价值。不过，数据开放不代表应用可以直接落地，实际部署仍需验证区域适用性、数据延迟与具体业务需求。