IT之家 11 月 13 日消息，谷歌 DeepMind 今天正式开放 WeatherNext 3 气象模型所依托的两大基础数据集 SatWeave 与 PARDIG，相应数据集面向全球研究者与开发者提供实时数据流及历史归档，可用于天气、水文、气候及相关下游应用建模。
据介绍，SatWeave 是一套整合多颗静止气象卫星的全球影像拼接产品，聚合了 GOES-East、GOES-West、Meteosat 0、Meteosat 印度洋星以及 Himawari 共 5 颗卫星的观测数据，解决了不同卫星在地图投影、文件格式、传感器与扫描节奏上的差异难题。该数据集每小时更新一次，并提供跨越十年以上的历史存档，能够让 WeatherNext 3 基于实时云图与风暴动态生成逐小时全球预报，而传统分析数据通常每六小时才刷新一次。谷歌还希望研究社区将其拓展至太阳能功率预测、野火监测等场景。
而 PARDIG 是一套基于 AI 架构的全球降水再分析数据集，采用与 WeatherNext 3 相似的球形图网格 Transformer 架构，直接以 NASA 全球降水测量核心观测台的稀疏星载雷达观测为训练目标，输入使用 SatWeave 影像与欧洲中期天气预报中心的大气场。其空间分辨率约 10 公里（0.1°），时间分辨率 15 分钟，平均延迟约 5 小时。
谷歌通过对照美国、欧洲、日本三大陆基雷达网络及全球 3.6 万余座气象站的评估显示，PARDIG 在所有雨强档位上均优于 NASA IMERG-Final 等主流基线产品；对轻到中度降水的小时级识别技巧较 IMERG-Final 提升 30% 以上，对极端降水的捕捉能力尤为突出。由于模型直接从卫星观测学习，其在缺乏地面雷达与雨量计的地区同样具备可靠精度。
除此之外，谷歌本次还同步开放 1999 年至 2026 年的 PARDIG 历史档案以及 SatWeave 与 PARDIG 的实时数据流。相应数据托管在 Google Cloud Storage 上，以 CC BY 4.0 许可开放。
