谷歌 DeepMind 开源 WeatherNext 3 数据集：SatWeave 卫星影像与 PARDIG 降水数据

SatWeave 聚合 GOES-East、GOES-West、Meteosat 0、Meteosat 印度洋星及 Himawari 共 5 颗卫星的观测，统一解决了地图投影、文件格式、传感器和扫描节奏差异，每小时更新一次，并配有十年以上历史存档；相较传统分析数据每 6 小时刷新一次，时效显著提升。PARDIG 采用与 WeatherNext 3 相似的球形图网格 Transformer 架构，以 NASA 全球降水测量核心观测台的星载雷达观测为训练目标，空间分辨率约 10 公里，时间分辨率 15 分钟，平均延迟约 5 小时。

在美国、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中，PARDIG 在所有雨强档位上均优于 NASA IMERG-Final，轻到中度降水的小时级识别技巧提升 30% 以上。由于模型直接从卫星观测学习，在缺乏地面雷达与雨量计的地区同样保持可靠精度。谷歌还开放了 1999 年至 2026 年的 PARDIG 历史档案，并建议社区将其拓展至太阳能功率预测、野火监测等场景。

谷歌开源 WeatherNext 3 气象模型所用数据集：含 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水信息

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。

本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Google DeepMind、WeatherNext 3、开源数据集、气象预测，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。