Google DeepMind 发布 WeatherNext 3：直接引入卫星观测实现逐小时天气预报

Google DeepMind 与 Google Research 于 2026 年 9 月发表论文推出全球气象预测模型 WeatherNext 3，通过直接摄入近实时卫星观测数据将预报刷新频率提升至每小时一次。

• 架构上基于函数生成网络（FGN）网格 Transformer，改变了此前 AI 气象模型仅依赖 6 小时一次的再分析数据（如 ERA5）进行初始化的范式，直接接入低延迟地球静止卫星拼接数据与地面站点原始观测。
• 空间分辨率有所提升，地表变量达到 5 公里分辨率，其他地表网格为 10 公里，大气层变量为 25 公里，较上一代 WeatherNext 2 的精细度提升约 5 倍。
• 支持由 64 个成员组成的 15 天全球概率天气预报集合，官方论文显示其在中期降水预测精度上相比传统方法改善幅度最高达 50%。
• 该模型已开始接入 Google Search、Gemini、Google 地图及 Earth Engine 等实际产品生态中。
• 影响/看点：直接从原始遥感观测中端到端学习预报，有助于减少物理同化误差并提升强对流等突发天气的预警时效，但其全球部署效果仍受限于极端地理区域观测数据的密度与质量。
• 资料依据:
• DAIR.AI 官方 X 账号（2026-09-06）：https://x.com/dair_ai/status/2096644646780973297
• arXiv 预印本平台（2026-09-06）：https://arxiv.org/abs/2609.03582

本内容由 AI 生成，仅供参考，请注意甄别