Google DeepMind en Google Research hebben WeatherNext 3 geïntroduceerd, beschreven als het meest geavanceerde en nauwkeurige wereldwijde weermodel tot nu toe volgens onafhankelijke live-evaluaties van Brightband. Het vlaggenschip-AI-model voor weersvoorspellingen omvat realtime satellietdata, elk uur vernieuwingen, hogere resolutie, nauwkeurige neerslagvoorspellingen en nieuwe variabelen voor schone energie. Het is nu geïntegreerd in Google Search, de Gemini-app, Google Maps, Google Maps Platform en Google Cloud.

Elke dag beïnvloedt het weer miljarden beslissingen. Sommige zijn zo eenvoudig als een paraplu meenemen voordat je de deur uitgaat, maar andere zijn veel ingrijpender. Wind, regen en extreme weersomstandigheden zoals hittegolven en droogte hebben gevolgeffecten op de landbouw, wereldwijde toeleveringsketens, de productie van schone energie en nationale economieën.

In de afgelopen jaren heeft AI de weersvoorspelling getransformeerd door historische gegevens te gebruiken om snellere en nauwkeurigere voorspellingen te doen dan traditionele methoden. DeepMinds eigen GraphCast, uitgebracht in 2023, presteerde op veel meetwaarden beter dan conventionele numerieke systemen en hielp machine learning te vestigen als een geloofwaardig alternatief voor op natuurkunde gebaseerde voorspellingen, naast inspanningen van andere organisaties zoals het European Centre for Medium-Range Weather Forecasts (ECMWF) en zijn open-source AIFS-model. Toch blijft het voorspellen van sterk lokaal en snel veranderend weer een uitdaging. Eerdere modellen hadden vaak onvoldoende ruimtelijke resolutie en hadden moeite om realtime weersdata uit bronnen zoals satellieten te verwerken.

WeatherNext 3 leert rechtstreeks van realtime observaties, waardoor tijdige en meer gelokaliseerde voorspellingen mogelijk zijn voor de weersgebeurtenissen die de meeste impact op mensen hebben. Door ruwe satellietdata te gebruiken om elk uur een hoogresolute voorspelling te produceren, maakt het model betrouwbare voorspellingen toegankelijk in Google-producten wereldwijd.

Snelle weersvoorspellingen met ongekende resolutie

Het nut van een weersvoorspelling komt vaak neer op detail — hoe fijn het model zowel tijd als ruimte oplost. WeatherNext 3 genereert elk uur voorspellingen op meerdere ruimtelijke resoluties, waarbij fysieke consistentie behouden blijft van brede wereldwijde windpatronen tot lokale topografie.

Het model visualiseert belangrijke oppervlaktevariabelen zoals temperatuur en vochtigheid met een resolutie van 5 kilometer, andere oppervlaktevariabelen op 10 kilometer, en atmosferische variabelen zoals windsnelheid op 25 kilometer. In totaal levert dit een wereldwijd weerbeeld op dat ruwweg vijf keer scherper is dan zijn voorganger WeatherNext 2, die voorspellingen produceerde op een raster van 25 kilometer met stappen van 6 uur.

Architectonisch neemt WeatherNext 3 live geostationaire satellietmozaïeken van 1 uur op, naast traditionele historische analyses, om één flexibel Functional Generative Network (FGN) mesh-transformer te voeden. Het levert dichthe gridvelden, discrete cycloonbanen en voorspellingen op stationsniveau direct uit.

In een vergelijking van temperatuurvoorspellingen op 2 meter hoogte boven het VK lost de oorspronkelijke resolutie van 5 kilometer (0,05°) van WeatherNext 3 de fijne lokale topografie op, waardoor de gepixeleerde, overafgevlakte thermische representaties van WeatherNext 2 bij 25 kilometer (0,25°) resolutie worden vermeden.

Realtime data op continue wereldwijde schaal

De grootste sprong vooruit zit in wat het model leert. De meeste AI-weermodellen, waaronder WeatherNext 2, worden getraind op data van numerieke weersvoorspellingsmodellen (NWP). Hoewel nuttig, zijn NWP-modellen complexe, op supercomputers draaiende natuurkundesimulaties met een datavertraging van zes uur — een vertraging die vertekeningen kan veroorzaken bij snel veranderende variabelen zoals regen of oppervlaktetemperatuur.

Door een mozaïek van live, wereldwijde geostationaire satellietdata te verwerken, krijgt WeatherNext 3 een continu bijgewerkt beeld van de atmosfeer. Hierdoor kan het model elk uur een nieuwe voorspelling genereren, telkens gebaseerd op de meest recente beschikbare satellietwaarnemingen, met een resolutie tot 5 kilometer.

Deze snelle vernieuwing is belangrijk omdat kritiek weer zich snel ontwikkelt. Wanneer stormen, fronten of neerslagsystemen plotseling ontstaan, bieden de vernieuwingscyclus per uur en de hogere resolutie van het model eerdere en gedetailleerdere inzichten om een effectieve respons te ondersteunen.

Sommige variabelen, zoals temperatuur en vochtigheid, kunnen binnen slechts enkele kilometers sterk fluctueren — vooral relevant voor gemeenschappen nabij kustlijnen, valleien of bergketens. Traditionele modellen schieten hier tekort omdat ze getraind zijn op atmosferische representaties die detail missen en extreme lokale variaties over het hoofd zien. WeatherNext 3 traint daarentegen rechtstreeks op verspreide observatiegegevens van weerstations, waardoor wereldwijde voorspellingen op een raster van 5 kilometer mogelijk zijn die rekening houden met regionale details zoals topografie.

Volgens Google is deze doorbraak vooral significant voor regio's in Latijns-Amerika, Afrika en Azië-Pacific die historisch onderbediend zijn geweest door hoogresolute weersvoorspellingen vanwege de enorme supercomputerkosten van traditionele regionale modellen. Het brengt gelokaliseerde, hoogwaardige voorspellingen naar miljarden mensen en lokale bedrijven in deze gebieden. Omdat AI-modellen, eenmaal getraind, met veel minder rekenkracht draaien dan op supercomputers gebaseerde NWP-systemen, verlagen ze de kostenbarrière die hoogresolute weersvoorspellingen historisch beperkte tot welvarende regio's.

Naast resolutie en voorspellingsfrequentie introduceert het model voorspellingen die specifiek zijn ontworpen voor de productie van hernieuwbare energie. WeatherNext 3 voorspelt windsnelheden op 100 meter hoogte — ongeveer op turbinehoogte — voor nauwkeurige schattingen van windenergie-opbrengst, samen met hoogresolute bewolking en zonnestralingsniveaus om zonneparken te helpen inschatten hoeveel licht de grond zal bereiken. Volgens Google is deze data cruciaal voor wereldwijde planning van schone energie, waardoor netbeheerders en ontwikkelaars van hernieuwbare energie kunnen voorspellen hoeveel stroom hun schone energie-activa zullen opwekken en dit kunnen afstemmen op de consumentenvraag. Deze mogelijkheid sluit aan bij Googles eigen gestelde doel om tegen 2030 24/7 op koolstofvrije energie te opereren, een inspanning die sterk afhankelijk is van het voorspellen van hernieuwbare opbrengsten.

Neerslagvoorspellingen met baanbrekende nauwkeurigheid

Wereldwijde weermodellen hebben altijd al moeite gehad om neerslag nauwkeurig te voorspellen. Regen- en sneeuwsystemen worden aangedreven door snel bewegende wolkprocessen op zeer kleine schaal, die moeilijk te modelleren zijn met traditionele op natuurkunde gebaseerde simulaties. Als gevolg daarvan produceren AI-voorspellingen vaak wazige schattingen of missen de grenzen van zware stormen volledig.

Om dit aan te pakken, trainde Google het model op twee hoogwaardige neerslagdatasets: NASA's satellietgebaseerde Integrated Multi-satellite Retrievals for GPM (IMERG) en een eigen wereldwijde neerslagheranalyse op basis van satellietradar.

Het resultaat is een aanzienlijke sprong in de nauwkeurigheid van neerslagvoorspellingen. Bij middellange-afstands wereldwijde voorspellingen tonen evaluaties ten opzichte van baselines een verbetering van de Continuous Ranked Probability Score (CRPS) tot 60% ten opzichte van IMERG, 30% voor MRMS en 10% ten opzichte van regenmetingen voor vroege doorlooptijden.

In een vergelijking van middellange-afstands neerslagkansvoorspellingen (PoP > 1 mm) toonde WeatherNext 2 bij 25 kilometer resolutie een sterk verspreid en gepixeleerd neerslagspoor, terwijl WeatherNext 3 bij 11 kilometer resolutie nauw aansloot bij de werkelijke satellietwaarnemingen en de scherpe, convectieve banden van de weersystemen nauwkeurig vastlegde.

Onderzoek toegepast in het ecosysteem

Google stelt dat de primaire doelstelling is om weerintelligentie universaal bruikbaar te maken — of het nu gaat om een hulpverlener die plotselinge windverschuivingen volgt, een luchtverkeersleider die vliegroutes plant, of een boer die gewassen beheert.

Om deze doorbraken uit het lab te halen, wordt WeatherNext 3 geïntegreerd in Googles kernecosysteem en daarbuiten:

• Hoogresolute voorspellingsdata: Wereldwijde weersvoorspellingen worden elk uur bijgewerkt en kunnen zonder modelinstallatie in workflows worden geïntegreerd. Onderzoekers, ontwikkelaars en bedrijven kunnen de data opvragen in BigQuery en Earth Engine, of bulkdownloaden vanuit Google Cloud Storage.
• Wereldwijde beschikbaarheid: WeatherNext 3 gaat vanaf vandaag weerservaringen aandrijven binnen Google Search, de Gemini-app, Google Maps, Google Maps Platform Weather API en Google Earth Engine. De update verbetert langetermijnvoorspellingen aanzienlijk: bij planning van een dag of meer vooruit zien gebruikers tot 50% nauwkeurigere neerslagvoorspellingen, met de grootste verbeteringen in regio's waar voorspellingen historisch minder betrouwbaar waren.

Google benadrukt dat de atmosfeer altijd een zekere mate van onvoorspelbaarheid zal behouden. Door te trainen op echte waarnemingen en traditionele modelbeperkingen te omzeilen, brengt WeatherNext 3 voorspellingen dichter bij wat er daadwerkelijk op de grond gebeurt. Naarmate AI-voorspellingen volwassen worden, is een terugkerende vraag in het veld hoe machine-learningsystemen en traditionele, op natuurkunde gebaseerde instanties naast elkaar zullen bestaan — nationale weerdiensten, waaronder die samenwerken met AI-ontwikkelaars, blijven de gezaghebbende bron voor waarschuwingen en openbare veiligheid, een rol die Google zelf erkent.

Aanvullende bronnen bij deze release zijn onder meer het onderzoeksartikel over WeatherNext 3, documentatie voor ontwikkelaars over bouwen met WeatherNext 3, het Weather Lab voor realtime visualisaties van het model, en Brightbands onafhankelijke live-leaderboards waarop de rangschikking van WeatherNext 3 te zien is. Lezers kunnen ook Googles bredere geospatiale en AI-werk verkennen via Google Earth Engine, AlphaEarth Foundations en Earth AI.

Uit Googles disclaimer blijkt dat gebruikers voor officiële weersvoorspellingen, waarschuwingen voor extreem weer en adviezen voor openbare veiligheid terecht moeten bij hun lokale meteorologische instelling of nationale weerdienst.

Bron: Google DeepMind Blog