نسخه ۳ WeatherNext گوگل دیپ‌مایند
گوگل دیپ‌مایند نسخه سوم مدل پیش‌بینی آب‌وهوایی WeatherNext را معرفی کرده که به‌جای تکیه صرف بر داده‌های بازتحلیل‌شده، مستقیماً روی مشاهدات پراکنده ایستگاه‌های زمینی و تصاویر ماهواره‌ای زمین‌ثابت آموزش دیده است. نتیجه، تصویری از وضعیت جهانی هواست که تقریباً پنج برابر نسخه قبلی شفاف‌تر است.
گوگل دیپ‌مایند نسخه سوم مدل پیش‌بینی آب‌وهوایی WeatherNext را معرفی کرده که به‌جای تکیه صرف بر داده‌های بازتحلیل‌شده، مستقیماً روی مشاهدات پراکنده ایستگاه‌های زمینی و تصاویر ماهواره‌ای زمین‌ثابت آموزش دیده است. نتیجه، تصویری از وضعیت جهانی هواست که تقریباً پنج برابر نسخه قبلی شفاف‌تر است.
چرا داده خام مهم‌تر از مدل بزرگ‌تر شد
نکته‌ای که WeatherNext 3 را از نسخه قبلی جدا می‌کند این نیست که مدل بزرگ‌تر شده، بلکه این است که منبع داده‌اش تغییر کرده. این مدل مستقیماً روی مشاهدات پراکنده ایستگاه‌های هواشناسی آموزش می‌بیند، نه صرفاً روی نسخه‌های تصفیه‌شده و بازتحلیل‌شده آن‌ها، و همزمان داده زنده ماهواره‌های زمین‌ثابت جهانی را هم می‌بلعد. این تغییر منبع، مستقیماً روی وضوح خروجی اثر گذاشته: پیش‌بینی دما و رطوبت اکنون در وضوح ۵ کیلومتری تولید می‌شود، سایر متغیرهای سطحی در ۱۰ کیلومتر، و متغیرهای اتمسفری در ۲۵ کیلومتر. گوگل دیپ‌مایند می‌گوید حاصل نهایی، تصویری از آب‌وهوای جهانی است که تقریباً پنج برابر نسخه WeatherNext 2 شفاف‌تر است. اما وضوح بالاتر فقط نیمی از داستان است؛ نیم دیگر به این برمی‌گردد که این تصویر هر چند وقت یک‌بار به‌روزرسانی می‌شود.
از تصویر ساعتی تا عدد قابل استناد در بارش
WeatherNext 3 پیش‌بینی‌های خود را هر ساعت بازتولید می‌کند، یعنی خروجی مدل دائماً با تازه‌ترین مشاهدات همگام می‌شود. این تازگی وقتی به سنجش دقیق‌تر بارش می‌رسد، اعداد مشخصی به همراه دارد. مدل با استفاده از داده‌های بارش NASA IMERG آموزش دیده و در پیش‌بینی‌های میان‌بُرد جهانی، شاخص CRPS را تا ۶۰٪ نسبت به همین منبع بهبود داده است. در مقایسه با داده‌های رادار MRMS این بهبود ۳۰٪ است، و در برابر مشاهدات مستقیم بارانسنج‌ها برای بازه‌های زمانی کوتاه‌تر، ۱۰٪. جمع این بهبودها به این معناست که برای برنامه‌ریزی یک یا چند روز جلوتر، پیش‌بینی بارش تا ۵۰٪ دقیق‌تر شده است؛ رقمی که برای هر کاربردی که به بارندگی حساس است، از کشاورزی تا مدیریت آب، مستقیماً قابل استناد است.
چرا این وضوح برای انرژی بادی و خورشیدی حرف تازه‌ای دارد
همین ترکیب وضوح بالا و به‌روزرسانی ساعتی است که WeatherNext 3 را به ابزاری برای صنایع انرژی تجدیدپذیر تبدیل کرده. مدل سرعت باد را در ارتفاع ۱۰۰ متری پیش‌بینی می‌کند، همان ارتفاعی که توربین‌های بادی در آن کار می‌کنند، و همزمان پوشش ابر و تابش خورشیدی را هم برآورد می‌کند، دو متغیری که مستقیماً روی خروجی پنل‌های خورشیدی اثر می‌گذارند. این یعنی همان زیرساخت پیش‌بینی که برای عموم مردم آب‌وهوای فردا را نشان می‌دهد، در پس‌زمینه، داده‌ای تولید می‌کند که برای برنامه‌ریزی شبکه برق هم قابل استفاده است. اما این داده‌ها به چه شکل به دست کاربر می‌رسد؟
مسیر واقعی دسترسی به این داده‌ها
WeatherNext 3 از طریق چند کانال در دسترس است که هرکدام برای نیاز متفاوتی طراحی شده‌اند. کاربر عادی این پیش‌بینی‌ها را در جست‌وجوی گوگل، جمینای، گوگل مپ و Google Maps Platform Weather API می‌بیند، یعنی این مدل همین حالا زیرساخت چند سرویس شناخته‌شده گوگل شده است. برای کسی که نیاز تحلیلی دارد، داده‌های خام از دو مسیر قابل پرس‌وجو است: BigQuery و Google Earth Engine، و برای کسی که به مجموعه کامل داده نیاز دارد، امکان دانلود دسته‌ای از طریق Google Cloud Storage هم فراهم شده. این یعنی فاصله میان دیدن یک آیکون آب‌وهوا در گوشی و ساخت یک خط‌لوله تحلیلی روی همین داده‌ها، فقط چند خط کد در BigQuery یا Earth Engine است؛ دقیقاً همان نوع مهارتی که در کار روزمره تیم‌های داده و محصول کاربرد پیدا می‌کند.
مشخصات
- فاصله به‌روزرسانی پیش‌بینی: هر ساعت
- وضوح دما و رطوبت: ۵ کیلومتر
- وضوح سایر متغیرهای سطحی: ۱۰ کیلومتر
- وضوح متغیرهای اتمسفری: ۲۵ کیلومتر
- ارتفاع پیش‌بینی باد: ۱۰۰ متر
- بهبود CRPS نسبت به IMERG: تا ۶۰٪
- بهبود CRPS نسبت به MRMS: ۳۰٪
- بهبود CRPS نسبت به داده‌های بارانسنج: ۱۰٪
منابع
- WeatherNext 3 — Google DeepMind