谷歌公开 WeatherNext 3 背后的两套数据集：五颗卫星拼成的全球云图，加一份 15 分钟级降水数据

谷歌 DeepMind 把 WeatherNext 3 天气模型背后的两份「原料」公开了，叫 SatWeave 和 PARDIG，科研人员和开发者都能拿到实时数据流和历史存档。

SatWeave 解决的是一个很琐碎但很要命的问题。全球覆盖要靠五颗静止气象卫星拼起来：美国的 GOES 东星、GOES 西星，欧洲的两颗 Meteosat，日本的向日葵。每颗卫星的地图投影、文件格式、传感器和扫描节奏都不一样，以前谁想用全球云图，得自己先花大量时间做对齐。

现在这份数据每小时更新一次，存档超过十年。WeatherNext 3 能做逐小时的全球预报，靠的就是它。传统的分析数据六小时才更新一次。

PARDIG 是一份全球降水的再分析数据，本身也是 AI 做出来的：用球面图网格 Transformer，拿 NASA 降水测量卫星的雷达观测当答案，输入是 SatWeave 的卫星图加上欧洲中期天气预报中心的大气数据。空间分辨率约 10 公里，时间分辨率 15 分钟，平均延迟约 5 小时。

谷歌拿美国、欧洲、日本的地基雷达网和全球 3.6 万多座气象站做了对比，说它在各档降水强度上都好过 NASA 的 IMERG-Final 等主流数据集，小时级的小雨、中雨识别提升三成以上，极端降水也抓得更准。

这份数据最大的用处可能在没有雷达的地方。非洲、南美很多地区缺地面雷达，过去只能靠粗糙的卫星估算降水；PARDIG 直接从卫星观测里学，这些地区的洪涝预警、农业保险、光伏出力预测都能用上。