Google DeepMind ja Google Research julkaisivat WeatherNext 3:n, yhtiön tarkimman globaalin sääennustemallin. Malli lukee geostationaaristen satelliittien havaintoja suoraan ja tuottaa uuden ennusteen joka tunti. Edeltäjä WeatherNext 2 päivittyi kuuden tunnin välein.
Ero ei ole vain nopeudessa. Malli ennustaa pintasuureita viiden kilometrin ruudulla, kun aiempi versio toimi 25 kilometrin hilassa. Googlen mukaan maailmanlaajuinen säätilannekuva on noin viisi kertaa tarkempi kuin aiemmin. Ennuste ulottuu 15 vuorokauden päähän.
Satelliittidata korvaa supertietokoneen viiveen
Useimmat tekoälyyn perustuvat sääennustemallit oppivat numeerisen sääennustuksen tuottamasta datasta. Nämä fysiikkasimulaatiot pyörivät supertietokoneilla, ja niiden analyysi laahaa noin kuusi tuntia todellisuuden perässä. Viive näkyy erityisesti nopeasti muuttuvissa suureissa.
Sade ja pintalämpötila kärsivät viiveestä eniten. WeatherNext 3 kiertää ongelman lukemalla geostationaaristen satelliittien mosaiikkia suoraan mallin syötteenä. Ilmakehästä syntyy jatkuvasti päivittyvä kuva, ja jokainen ennuste perustuu tuoreimpiin havaintoihin.
Käytännössä malli alustetaan 24 kertaa vuorokaudessa. Lisäksi se on koulutettu suoraan sääasemien raakahavainnoilla eikä pelkästään uudelleenanalyysihiloilla. Tämä sitoo ennusteen siihen, mitä maassa oikeasti mitataan.
Arkkitehtuurina on Functional Generative Network -pohjainen mesh-transformer. Malli on noin 2,4 kertaa edeltäjäänsä suurempi, ja jokaisessa ennusteessa on 64 rinnakkaista ensemble-jäsentä.
Ensimmäisyys ei silti ole kiistaton. Sääalan startup WindBorne kertoo käyttäneensä raakahavaintoja omassa WeatherMesh 6 -mallissaan jo vuoden 2025 lopulta. Molemmat nojaavat yhä kansallisiin havaintoaineistoihin, joten täyteen suoraan data-assimilaatioon on vielä matkaa.
Viisi kilometriä ja tunnin välein
Ennusteen hyöty ratkeaa usein sillä, kuinka tarkasti se erottelee ajan ja paikan. WeatherNext 3 tuottaa eri suureet eri tarkkuuksilla. Lämpötila ja kastepiste tulevat viiden kilometrin ruudulla, muut pintasuureet kymmenen kilometrin tarkkuudella.
Ilmakehän suureet, kuten ylätuulet, lasketaan 25 kilometrin hilassa. Jako on käytännöllinen. Paikallinen topografia vaikuttaa eniten juuri lämpötilaan ja kosteuteen, kun taas ylätuulet muuttuvat hitaammin paikan mukaan.
Malli pitää samalla yllä fysikaalista johdonmukaisuutta globaaleista virtauksista yksittäiseen laaksoon. Kuuden tunnin pääajot ennustavat 15 vuorokautta eteenpäin, ja niiden välissä ajettavat tuntikohtaiset ajot kattavat 48 tuntia.
Riippumaton vertailu tukee väitteitä. Brightbandin ylläpitämässä Operational WeatherBench -vertailussa WeatherNext 3 ohitti Googlen, Microsoftin ja Nvidian mallit sekä Euroopan keskipitkien sääennusteiden keskuksen ECMWF:n. Se päihitti myös perinteiset ennusteet.
Sadeennusteissa suurin harppaus
Sade on pitkään ollut sääennustuksen vaikein suure. Se syntyy pienessä mittakaavassa ja muuttuu nopeasti, joten karkea hila hukkaa siitä olennaisen. WeatherNext 3 koulutettiin kolmella erillisellä sadeaineistolla.
Aineistot ovat ECMWF:n uudelleenanalyysi, NASAn satelliittipohjainen IMERG ja Googlen oma tutkahavaintoihin nojaava sadeanalyysi. Kolmen lähteen yhdistäminen antaa mallille tarkemman kuvan siitä, milloin ja missä sade osuu maahan.
Tulokset paranivat selvästi. Keskipitkillä ennustejaksoilla CRPS-mittari parani IMERG-vertailussa jopa 60 prosenttia, MRMS-aineistoa vasten 30 prosenttia ja sademittareita vasten 10 prosenttia lyhyillä ennustepituuksilla.
Käyttäjälle muutos näkyy suoraan. Vuorokautta tai pidempää aikaväliä suunnitteleva näkee Googlen mukaan jopa 50 prosenttia tarkempia sadeennusteita. Suurin parannus osuu Latinalaiseen Amerikkaan, Afrikkaan sekä Aasian ja Tyynenmeren alueelle.
Tuuli- ja aurinkovoimalle omat muuttujat
Malliin lisättiin muuttujia, jotka on suunniteltu uusiutuvan energian tuotannon ennakointiin. Se ennustaa tuulen nopeuden sadan metrin korkeudella, mikä vastaa suunnilleen turbiinin napakorkeutta.
Aurinkovoimaa varten malli tuottaa korkean tarkkuuden pilvipeitteen ja auringon säteilytehon. Voimalan operaattori voi arvioida, paljonko valoa kentälle todella osuu. Sähkömarkkinoilla ero tunnin ja kuuden tunnin päivitysvälissä on tuntuva.
Uusiutuvan energian osuus sähköverkoissa kasvaa, ja tuotannon vaihtelu on tasattava jatkuvasti. Ennusteen päivitysväli vaikuttaa suoraan siihen, kuinka paljon säätövoimaa verkkoyhtiön on pidettävä varalla. Tarkempi tuuliennuste pienentää tätä puskuria.
Data on saatavilla myös suoraan kehittäjille. Tunneittain päivittyvät ennusteet löytyvät BigQuerystä ja Earth Enginestä, ja ne voi ladata massana Google Cloud Storagesta. Mallia ei tarvitse asentaa itse.
Yhteenveto
WeatherNext 3 siirtää tekoälyyn perustuvan sääennustuksen askeleen lähemmäs havaintoja. Raakadatan lukeminen poistaa kuuden tunnin viiveen, ja viiden kilometrin ruutu tuo ennusteen paikallistasolle. Google Cloudin oma dokumentaatio suosittelee mallia kaikkiin uusiin projekteihin.
Riippumaton arviointi on tässä olennaista. Kun mallin kehittäjä valitsee itse vertailunsa, tulokset painottuvat helposti sinne, missä malli on vahvimmillaan. Brightbandin ulkopuolinen vertailu antaa väitteille katetta.
Malli on jo käytössä Googlen haussa, Mapsissa ja Gemini-sovelluksessa. Suurin merkitys on kuitenkin alueilla, joilla alueellisten ennustemallien vaatima laskentateho on ollut liian kallista. Niille korkean tarkkuuden ennuste tulee nyt ilman omaa supertietokonetta.