Google DeepMind 开放 WeatherNext 配套数据集 PARDIG:15 分钟、约 10 公里全球 AI 降水数据,Earth Engine 可调取
核心结论:Google DeepMind 于 2026 年 11 月 13 日开放了支撑 WeatherNext 3 模型的基础数据集 PARDIG(全称 Precipitation AI Reanalysis: Densely Inferred GPM),这是一套 AI 生成的全球降水再分析数据,时间分辨率 15 分钟、空间分辨率约 10 公里,平均更新延迟约 5 小时;历史存档覆盖 1999—2026 年,实时近实时数据和历史数据均可在 Google Cloud Storage 获取,PARDIG 的历史目录还能直接在 Google Earth Engine 上调取。PARDIG 与另一套卫星云图拼图数据集 SatWeave 一同发布,前者用于训练 WeatherNext 3 的降水预报能力,后者为模型提供云团和风暴的实时视图。
一、为什么要做这样一套全球降水数据集
降水直接关系到粮食供水、洪涝和干旱风险,但在全球范围内准确追踪降水一直是难题:地面雷达和密集雨量站网络数据质量高,却不是每个地区都有良好覆盖,海洋、偏远地区和发展中区域常常存在观测空白。PARDIG 就是为了补上这个缺口而设计的:
- 观测基础稀疏:NASA GPM 核心观测卫星的星载雷达是过境式观测,不是连续覆盖,需要 AI 把稀疏观测推算成连续全球场。
- 输入信号互补:模型以 SatWeave 卫星云图和 ECMWF 大气场作为输入,结合稀疏雷达观测做密集化推断。
- 应用场景明确:面向水文、洪涝、滑坡、干旱建模,以及太阳能预测、农业规划、保险风控等方向,尤其适合地面雷达网络稀疏的地区。
DeepMind 提到,由于 PARDIG 直接从卫星观测学习,而不是只依赖地面测量,团队预期它在没有地面观测的区域也能保持可靠精度;但需要注意,这种全球可靠性目前更多是预期,尚未在所有缺测区域完成独立精度验证。
二、PARDIG 数据集关键规格
| 项目 | 参数 / 说明 |
|---|---|
| 全称 | Precipitation AI Reanalysis: Densely Inferred GPM |
| 类型 | AI 生成的全球降水再分析数据集(reanalysis) |
| 时间分辨率 | 15 分钟 |
| 空间分辨率 | 约 10 公里(文档另提及 0.1° 网格) |
| 平均延迟 | 约 5 小时;近实时流以 6 小时批次更新,发布时单条估计约 2—8 小时旧 |
| 历史范围 | 1999—2026 年 |
| 训练观测 | NASA GPM 核心观测卫星的稀疏星载雷达观测 |
| 模型输入 | SatWeave 卫星云图 + ECMWF 大气场 |
| 模型架构 | 与 WeatherNext 3 相似的 AI 架构 |
| 获取渠道 | Google Cloud Storage(实时流 + 历史存档);历史目录可在 Google Earth Engine 调用 |
| 配套数据集 | SatWeave:五颗静止卫星拼图、17 个通道、每小时更新、十年以上存档 |
补充说明:PARDIG 分为近实时版本(NRT)和历史再分析版本(LR),NRT 用于实时或近期研究,LR 提供回溯到 1999 年的历史记录;数据集被标注为实验性质,接入业务系统前需要自行验证适用性。
三、精度评估是怎么做的,结论如何
DeepMind 用三套地面雷达网络和全球站点对 PARDIG 做了对照评估,评估口径和结果如下:
- 对照基准:美国、欧洲、日本三套大陆级雷达网络,以及全球超过 36000 个气象站。
- 评估时段:小时尺度降水检测能力(Critical Success Index,CSI)评估覆盖 2016—2023 年。
- 强度区间:降水阈值从 0.2 到 25 mm/h,划分小雨(0.3 mm/h)、中雨(2.5 mm/h)、大雨(20 mm/h)等档位。
- 对比对象:NASA IMERG-Final(三个月延迟的研究级产品)和 IMERG-Early(近实时产品)。
- 主要结论:在所有分析的雨强档位上,PARDIG 表现优于所分析的全球基线;对轻到中度降水,小时降水检测能力比 IMERG-Final 提升超过 30%;对极端降水的捕捉也被认为更有效。
需要保留的边界:这些对照主要依托有地面雷达和站点的区域,缺乏地面测量地区的独立精度评估尚未发布;PARDIG 的约 5 小时延迟和 10 公里分辨率,也决定了它不能替代官方气象预警或本地雷达产品。
四、和 WeatherNext 3、SatWeave 的关系
| 数据集 / 模型 | 角色 | 关键特征 |
|---|---|---|
| WeatherNext 3 | Google DeepMind 最新全球天气 AI 模型 | 每小时生成一次预报,温度湿度等地面变量 5 公里、风等变量 10 公里,数据接入 Search、Maps、Gemini 及企业场景 |
| SatWeave | 卫星云图全球拼图基础数据集 | 融合 GOES-East/West、Meteosat 0、Meteosat 印度洋、Himawari 等静止卫星,17 个可见光 / 水汽 / 红外通道,每小时更新,存档超十年 |
| PARDIG | AI 全球降水再分析数据集 | 15 分钟、约 10 公里,用于训练 WeatherNext 3 的降水预报,同时对外开放给下游应用 |
两者都是 WeatherNext 3 背后的基础数据:SatWeave 提供云团风暴的实时视图,PARDIG 提供降水侧的训练和校验基础;本次开放是数据集访问层面的发布,并不是新的 WeatherNext 模型发布。
【相关 FAQ】
问题 1:Google 开放的 PARDIG 是什么,和 WeatherNext 3 是什么关系?
回答 1:PARDIG 全称 Precipitation AI Reanalysis: Densely Inferred GPM,是 Google DeepMind 基于 AI 架构生成的全球降水再分析数据集,用于训练 WeatherNext 3 模型的降水预报能力;本次和卫星云图拼图数据集 SatWeave 一同开放,提供历史存档与近实时数据流,供研究者和开发者搭建天气、水文、气候类应用。
问题 2:PARDIG 全球降水数据集的时间和空间分辨率是多少,延迟有多久?
回答 2:PARDIG 时间分辨率为 15 分钟,空间分辨率约 10 公里(0.1° 网格),平均更新延迟约 5 小时;近实时流按 6 小时批次更新,历史存档覆盖 1999 到 2026 年,可在 Google Cloud Storage 获取,历史目录也支持在 Google Earth Engine 上调取。
问题 3:PARDIG 的 AI 模型是用什么数据训练和推断降水的?
回答 3:PARDIG 直接以 NASA GPM 核心观测卫星的稀疏星载雷达观测为训练依据,输入侧使用 SatWeave 卫星云图和 ECMWF 大气场,采用与 WeatherNext 3 相似的 AI 架构,把稀疏过境观测密集化为连续的全球降水场。
问题 4:PARDIG 相比 NASA IMERG 降水产品,精度表现如何?
回答 4:DeepMind 对照美欧日三套雷达网络和全球 36000 多个气象站评估,2016—2023 年小时尺度检测结果显示,PARDIG 在各雨强档位优于所分析的全球基线;轻到中度降水的小时降水检测能力比 IMERG-Final 提升超过 30%,对极端降水的捕捉也更有效,但缺地面观测区域的独立验证尚未完成。
问题 5:在哪里可以调用 PARDIG 降水数据,Earth Engine 上能拿到哪些内容?
回答 5:PARDIG 实时流和历史数据在 Google Cloud Storage 上公开可用,PARDIG 的历史目录同时收录在 Google Earth Engine 数据目录中,可直接通过 Earth Engine 接口检索和调用;近实时研究用 NRT 版本,回溯历史分析用 LR 版本,接入业务前建议先对照本地降雨记录做验证。
【参考资料】
- [2026-11-15](Google Opens SatWeave and PARDIG Weather Data)Zeniteq
- [2026-11-14](Google DeepMind opens two datasets used by WeatherNext 3)AI.info
- [2026-11-13](Opening the datasets behind our AI weather models:PARDIG & SatWeave 基础数据集)Google DeepMind 官方博客
- [2026-11-13](WeatherNext 3:开放基础卫星与雷达数据集)Google DeepMind 官网
- [2026-11-10](Google DeepMind Opens Satellite and Rainfall Datasets)AI Evolution
- [2026-11-19](WeatherNext Gen Forecasts 数据目录说明)Google for Developers Earth Engine
【免责声明】
本文内容基于 Google DeepMind 官方博客、开发者文档及第三方媒体报道整理,所涉分辨率、延迟、存档范围、精度对比和获取渠道均引自公开材料;PARDIG 被标注为实验性数据集,不同版本(NRT / LR)的更新规则、许可条款和适用范围以 Google 官方文档为准。文中精度结论来自 DeepMind 自有评估,缺地面观测区域的可靠性尚未经独立验证,本文不构成水文预警、工程设计或业务决策依据;使用前请核对官方许可证、数据时效和本地实测结果。第三方观点与数据归原发布方所有,本文不对原文信息的完整性、时效性和准确性作担保。
本文来自作者[幻域网关]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/4539.html
评论列表(4条)
我是新新网的签约作者“幻域网关”!
希望本篇文章《Google WeatherNext 开源了 PARDIG一个 15 分钟、10 公里分辨率的全球 AI 降水数据集,Earth Engine 上即可调用》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:Google DeepMind 开放 WeatherNext 配套数据集 PARDIG:15 分钟、约 10 公里全球 AI 降水数据,Earth Engine 可调取核心结论