AI気象モデルは3年間物理予報と並ぶようにしてきましたが、2つの問題が常に解決されませんでした。解像度が粗く、局所的な地形を正確に描けないこと、そして初期化に約6時間遅延する数値天気予報（NWP）分析結果に依存していることです。Google DeepMindとGoogle Researchが共同で発表したWeatherNext 3はこの2つの問題を直接的に解決するために開発されました。

image.png

気象台の実測データを使って訓練し、再解析グリッドだけに頼らない

WeatherNext 3はリアルタイムの全球静止衛星画像をモデルの直接的な入力として使用し、毎時間再初期化を行い、出力解像度は最大で0.05°（約5キロメートル）です。また、再解析グリッドに加えて、元の気象台観測データを使用して訓練しています。Google AIによると、Brightbandの独立したリアルタイム評価では、これまでで最も正確なグローバル気象モデルと評価されています。

構造的には、WeatherNext 3は関数生成ネットワーク（FGN）のグリッドトランスフォーマーであり、WeatherNext 2と同じ確率モデルのシリーズに属しますが、多スケール出力をサポートしています。入力にはリアルタイムの静止衛星画像とECMWF HRES分析が含まれ、訓練データにはERA5/HRES-fc0、NASAのIMERG、ステーション観測および衛星画像が含まれます。

多くのAI予報モデルはNWPの再解析データから学習しますが、これにより海岸線や峡谷や山地による局所的な差が曖昧になります。WeatherNext 3は専用の観測ヘッドを使って直接原始的なステーション測定データで訓練し、0.05°の気温と露点の出力を機器の実際の読み取り値に校正しています。

時間単位での更新、降水と再生可能エネルギー変数の大幅改善

1回の前向き推論で3つの結果が出力されます：0.05°（約5キロメートル）のステーション訓練型2メートル気温と露点、0.1°（約10キロメートル）の10メートルおよび100メートル地上風、気圧、海面温度、雲層、太陽放射および1時間降水量、さらに0.25°（約25キロメートル）、13の気圧層をカバーする大気場です。一方、WeatherNext 2は6時間ごとのステップで0.25°の場を出力しており、これは「解像度が約5倍向上」と言われる理由です。

更新頻度も大きな変化です。モデルは毎日24回初期化され、00、06、12、18 UTCの4つの天気学的サイクルでは15日（360時間）の予報が可能で、64の集合メンバーを含みます。その他の時間帯では48時間をカバーします。対流気象が急速に発展する場合において、現在の衛星観測に基づいた時間単位の更新と6時間の循環による遅延分析には本質的な違いがあります。

降水はグローバルモデルの弱点であり、出力結果はしばしばぼんやりとしていて、嵐の境界を捉えられません。WeatherNext 3はECMWFの再解析、NASAのIMERG衛星逆算、Google独自の衛星レーダー降水再解析という3つのデータソースを使って訓練します。Googleによると、短期予報の精度では、ベースラインと比較してCRPSが最大60％（IMERGと比較）まで向上し、30％（MRMSと比較）と10％（雨量計と比較）の改善が見られます。研究では、IMERGと比較した評価では、BrierスコアとCRPSがNWPベースラインと比較して最大50％低下したと報告されています。

再生可能エネルギー向けには、風車のブレード高さに近い100メートル風速、完全な低・中・高雲分布、SSRDとFDIRという2つの太陽放射成分が出力されます。これは電網運用者が風力と太陽光発電の出力を予測するのに必要な組み合わせです。

現在、予測データはBigQuery、Earth Engine、Cloud Storageを通じて申請可能です。ただし、WeatherNext 3の重みはオープンソースではありません。必要に応じてカスタム推論を行う場合は、まだWeatherNext 2が使われています。