原文標題:Opening the datasets behind our AI weather models

Google DeepMind於11月13日開放SatWeave與PARDIG兩項資料集,提供歷史檔案及持續更新資料流,供研究者開發氣象、水文與氣候應用。兩者也是WeatherNext 3的重要資料基礎:SatWeave提供衛星觀測拼接,PARDIG則是以AI推估的全球降雨資料,曾用於訓練模型的降雨預報。

SatWeave把不同衛星的投影、格式、感測與掃描排程整合成全球觀測,每小時更新,歷史資料跨越十年以上。PARDIG結合SatWeave影像與ECMWF大氣場,以NASA全球降水觀測任務的稀疏太空雷達資料訓練,提供約十公里空間解析度、十五分鐘時間解析度,平均約五小時延遲。時間解析度與資料到手速度是不同指標,不能寫成十五分鐘內即時預警。

研究團隊以美國、歐洲、日本雷達網及全球超過三萬六千個氣象站驗證,並報告在輕至中度降雨的每小時偵測技巧上,較IMERG-Final改善逾30%。這是指定指標與驗證範圍,不代表所有地區和用途都提升相同比例。資料已放上Google Cloud Storage,PARDIG的1999至2026年歷史目錄也可在Earth Engine取得;洪水、山崩及乾旱模型仍是希望拓展的應用方向。

發生了什麼事

DeepMind公開衛星拼接SatWeave與降雨推估PARDIG的歷史及更新資料,讓氣象與水文社群使用WeatherNext 3背後的觀測及訓練資源。

為什麼重要

衛星與地面觀測的格式、涵蓋與更新速度不同,整理成可取用資料有助模型開發。降雨推估也可補充地面站稀疏地區資訊,但仍需驗證當地表現。

影響哪些人

氣象、水文、氣候及能源研究人員與應用開發者可取得資料評估用途。涉及防災的部署仍須考慮延遲、解析度與當地驗證,不能直接等同官方即時警報。

已確認與未確認

已確認公開位置與PARDIG平均五小時延遲。原文對SatWeave衛星數的正文與圖說有差異,本稿不採該數字;全球一致準確性是期待,並非逐地證明。