WeatherNext 3. Jak działa nowy model pogody Google

Czym jest WeatherNext 3

WeatherNext 3 to kolejna generacja modeli pogodowych Google opartych na uczeniu maszynowym. Klasyczne numeryczne prognozy pogody rozwiązują równania fizyki atmosfery na superkomputerach, a ich punktem wyjścia jest tzw. analiza, czyli uzgodniony obraz stanu atmosfery przygotowywany co kilka godzin. WeatherNext 3 omija część tego procesu i uczy się bezpośrednio z surowych obserwacji.

Według pracy opublikowanej 3 września 2026 roku w serwisie arXiv model korzysta z mozaik obrazów z satelitów geostacjonarnych, danych o opadach, trasach cyklonów tropikalnych i pomiarach ze stacji meteorologicznych. Dzięki temu może startować co godzinę, zamiast czekać na kolejny cykl analizy. Autorami publikacji jest 25 badaczy, a jej pierwszym autorem jest Stephan Rasp. Praca ma status preprintu i nie przeszła jeszcze recenzji naukowej.

Co zmienia się względem WeatherNext 2

Najbardziej widoczna zmiana to rozdzielczość w czasie i przestrzeni. Poniżej zestawiamy parametry podane przez Google w ogłoszeniu i dokumentacji dla deweloperów.

• częstotliwość - WeatherNext 2 podawał prognozy w krokach 6-godzinnych, WeatherNext 3 startuje co godzinę i liczy kroki godzinowe,
• siatka - WeatherNext 2 pracował w siatce 25 km, WeatherNext 3 ma 5 km dla temperatury i wilgotności przy gruncie, 10 km dla innych zmiennych powierzchniowych i 25 km dla poziomów atmosfery,
• horyzont i niepewność - 15 dni naprzód i 64 warianty prognozy, z których wynika rozkład prawdopodobieństwa,
• dane wejściowe - bieżące obrazy satelitarne, pomiary stacji i dane o opadach zamiast wyłącznie analizy numerycznej,
• energetyka - prognoza prędkości wiatru na wysokości 100 m, czyli mniej więcej na wysokości gondoli turbiny, oraz zachmurzenia i promieniowania słonecznego.

Opady i temperatura w liczbach

Największy postęp Google opisuje przy opadach, które są dla modeli AI trudne, bo w klasycznych danych treningowych są odwzorowane słabo. WeatherNext 3 uczono na danych satelitarnych NASA IMERG oraz na własnej, globalnej reanalizie opadów Google opartej na radarze satelitarnym. W prognozach średnioterminowych poprawa miary CRPS, która ocenia trafność prognoz probabilistycznych, sięga według Google do 60 proc. względem danych IMERG, 30 proc. względem radarowych danych MRMS i 10 proc. względem deszczomierzy w krótkim wyprzedzeniu.

Dla użytkownika Google przekłada to na deklarację do 50 proc. trafniejszych prognoz opadów przy planowaniu z wyprzedzeniem dnia lub więcej. Przy temperaturze i punkcie rosy na wysokości 2 m autorzy pracy piszą o wyraźnie mniejszym błędzie niż w konkurencyjnych modelach globalnych, także na stacjach, których model nie widział w trakcie treningu. W streszczeniu nie ma jednak liczbowego porównania z operacyjnymi prognozami europejskiego centrum ECMWF.

Gdzie działa i jak uzyskać dostęp do danych

Google podaje, że WeatherNext 3 zasila informacje o pogodzie w wyszukiwarce Google, aplikacji Gemini, Mapach Google, interfejsie Weather API w Google Maps Platform oraz w Google Earth Engine. Ogłoszenie nie precyzuje, czy dotyczy to wszystkich krajów, więc nie można przesądzić, że prognoza wyświetlana w Polsce pochodzi już z nowego modelu.

Dla firm i badaczy Google udostępnia bieżące i archiwalne prognozy w BigQuery, Earth Engine oraz jako pliki w formacie Zarr w Google Cloud Storage. Dokumentacja wspomina też o prognozach liczonych na zamówienie w Google Cloud, z wyborem liczby wariantów i horyzontu. Wizualizację na żywo można obejrzeć w serwisie Weather Lab. Ani ogłoszenie, ani strona dla deweloperów nie podają cen, warunków licencji do zastosowań komercyjnych ani ograniczeń regionalnych.

Ograniczenia i niewiadome

Wyniki pochodzą od samego Google i z preprintu, który nie przeszedł recenzji. Procentowe poprawy opisują miary statystyczne na wybranych zbiorach referencyjnych, a nie odsetek dni z trafną prognozą. Rozdzielczość 5 km dotyczy tylko części zmiennych, a warunki w skali pojedynczej ulicy, burzy czy doliny górskiej nadal mogą odbiegać od prognozy.

Model zależy od ciągłego dopływu danych satelitarnych i ze stacji, a więc także od infrastruktury, którą utrzymują instytucje publiczne. Nie zastępuje ostrzeżeń meteorologicznych wydawanych przez krajowe służby, w Polsce przez Instytut Meteorologii i Gospodarki Wodnej - Państwowy Instytut Badawczy. Przy decyzjach dotyczących bezpieczeństwa ludzi rozstrzygające pozostają oficjalne komunikaty i ostrzeżenia.

Co to oznacza dla polskich firm

Najwięcej mogą zyskać branże, w których godzinowa prognoza przekłada się na pieniądze: energetyka wiatrowa i słoneczna, handel energią, rolnictwo, logistyka i budownictwo. Prognoza wiatru na wysokości 100 m oraz promieniowania słonecznego odpowiada bezpośrednio na potrzebę szacowania produkcji z farm, co ma znaczenie przy rosnącym udziale odnawialnych źródeł w polskim systemie energetycznym.

W naszej ocenie rozsądny pierwszy krok to porównanie danych WeatherNext 3 z BigQuery z dotychczasowym źródłem prognoz na historycznych danych z własnych lokalizacji, na przykład z pomiarów farmy wiatrowej lub stacji w gospodarstwie. Przed wdrożeniem trzeba ustalić z Google warunki licencji i koszt zapytań, których oficjalne materiały nie podają. Alternatywę rozwijają instytucje europejskie - Europejskie Centrum Prognoz Średnioterminowych (ECMWF) od lutego 2025 roku prowadzi operacyjnie własny model AI o nazwie AIFS.