Zusammenfassung:
Google DeepMind hat kürzlich offiziell die beiden Basisdatensätze von SatWeave und PARDIG veröffentlicht, auf denen das meteorologische Modell WeatherNext 3 basiert. Es öffnet Echtzeit-Datenströme und historisch archivierte Daten für globale wissenschaftliche Forscher und Entwickler und bietet Datenunterstützung für Wetter, Hydrologie, Klimaforschung und Anwendungsmodellierung in verwandten Bereichen.
SatWeave ist ein globaler Satellitenbild-Spleißdatensatz, der Beobachtungsdaten von fünf geostationären meteorologischen Satelliten integriert: GOES-East, GOES-West, Meteosat 0, Meteosat Indian Ocean Star und Himawari, um die Datenunterschiede zwischen verschiedenen Satelliten in Kartenprojektion, Dateiformat, Sensoren, Scanrhythmus usw. zu überwinden. Dieser Datensatz wird stündlich aktualisiert und speichert historische Archive für mehr als zehn Jahre. Es kann WeatherNext 3 unterstützen, um stundenweise globale Wettervorhersagen auf der Grundlage von Echtzeit-Wolkenbildern und Sturmänderungen durchzuführen. Im Vergleich zum sechsstündigen Aktualisierungszyklus herkömmlicher Analysedaten wird die Aktualität erheblich verbessert. Die wissenschaftliche Forschungsgemeinschaft kann den Datensatz auch erweitern und auf verschiedene Szenarien wie die Schätzung der Photovoltaik-Stromerzeugung und die Überwachung von Waldbränden anwenden.
PARDIG ist ein globaler Niederschlags-Reanalysedatensatz, der auf der Architektur künstlicher Intelligenz basiert. Es verwendet eine sphärische Graph-Grid-Transformer-Architektur, nutzt NASA-Satellitenradarbeobachtungsdaten zur globalen Niederschlagsmessung als Trainingsreferenz und gibt SatWeave-Satellitenbilder und atmosphärische Felddaten des Europäischen Zentrums für mittelfristige Wettervorhersagen ein und integriert diese. Die räumliche Auflösung des Datensatzes beträgt etwa 10 Kilometer, die zeitliche Auflösung beträgt bis zu 15 Minuten und die durchschnittliche Datenverzögerung beträgt etwa 5 Stunden.
Verglichen und bewertet von drei kontinentalen Radarnetzwerken in den Vereinigten Staaten, Europa und Japan und mehr als 36.000 Wetterstationen auf der ganzen Welt ist die Erkennungsleistung der Niederschlagsintensität von PARDIG besser als die von gängigen ähnlichen Datensätzen wie NASA IMERG-Final. Unter anderem ist die Fähigkeit, stündliche leichte und mäßige Niederschläge zu identifizieren, um mehr als 30 % höher als bei IMERG-Final, und seine Leistung bei der Erfassung extremer Niederschläge ist herausragend. Dank der technischen Eigenschaften des direkten Lernens von Satellitenbeobachtungsinformationen kann dieser Datensatz in Gebieten ohne Bodenradar und ohne Niederschlagsbeobachtungsstellen immer noch eine relativ zuverlässige Datengenauigkeit aufrechterhalten.
Es versteht sich, dass Google dieses Mal gleichzeitig die historischen PARDIG-Archive von 1999 bis 2026 sowie die Echtzeit-Datenströme der beiden Sätze von SatWeave- und PARDIG-Datensätzen für die Außenwelt öffnen wird. Alle Daten werden auf der Google Cloud Storage Platform gehostet und im Rahmen der CC BY 4.0-Lizenzvereinbarung veröffentlicht. (Chun Jun)
Verwandte Artikel:
DeepMind veröffentlicht Gemini Robotics 2.5: 96 % Erfolgsquote bei der Pilotensortierung im Mercedes-Benz-Werk
DeepMind veröffentlicht AlphaGenome 2, um tief in einzelne Zellen zu schauen und den Zusammenhang zwischen genetischer Variation und Krankheit zu finden
Kommentare