WeatherNext 3: prognoza co godzinę na siatce do 5 km

Jak działa częstsza prognoza

WeatherNext 3 łączy godzinne obrazy z satelitów geostacjonarnych z obserwacjami stacji naziemnych i generuje nową prognozę globalną co godzinę. Według Google kluczowe zmienne powierzchniowe są dostępne na siatce 5 km, inne pola powierzchniowe na 10 km, a atmosfera na 25 km. To inny rytm niż w WeatherNext 2, który pracował na siatce około 25 km i sześciogodzinnych krokach. Źródło przedstawia parametry systemu; ich znaczenie operacyjne zależy już od konkretnej decyzji i lokalnych warunków.

Model przewiduje nie tylko temperaturę i opad, lecz także wiatr na wysokości 100 metrów, zachmurzenie oraz promieniowanie słoneczne. Zmienne te są istotne dla energetyki, ponieważ wpływają na oczekiwaną produkcję turbin i paneli. Częstsza aktualizacja może szybciej uwzględnić zmianę widoczną w nowych obserwacjach, ale nie oznacza, że każdy kolejny przebieg jest niezależnym pomiarem rzeczywistości. Prognoza pozostaje wynikiem modelu, a jej wartość trzeba ocenić względem właściwego horyzontu, miejsca i kosztu błędnej decyzji.

Jak czytać wyniki porównawcze

Google raportuje poprawę probabilistycznej miary CRPS dla opadów: do około 60% względem jednego z użytych odniesień, około 30% względem innego i około 10% względem kolejnego. Liczby odnoszą się do różnych systemów porównawczych, dlatego nie należy układać ich w jeden uniwersalny ranking. CRPS ocenia zarówno położenie prognozowanego rozkładu, jak i jego koncentrację; niższy wynik jest lepszy. Nie jest to prosty procent poprawnie przewidzianych deszczowych godzin ani obietnica jednakowego efektu w każdym regionie.

Sformułowanie „do 60%” opisuje najlepszą raportowaną różnicę w określonym zestawie warunków. Nie znaczy, że każda lokalizacja, zmienna i długość prognozy poprawiła się o 60%. Rzetelna ocena wymaga wyników rozpisanych według regionu, pory roku, intensywności zjawiska i horyzontu. Ponieważ główne komunikaty pochodzą od twórcy systemu, należy je oznaczać jako wyniki raportowane przez Google. Publikacja naukowa daje więcej szczegółów metodologicznych, lecz niezależne testy operacyjne pozostają osobną warstwą dowodu.

Czego wysoka rozdzielczość nie gwarantuje

Siatka 5 km pozwala opisywać więcej lokalnego zróżnicowania niż siatka 25 km, ale nie zamienia każdego piksela w precyzyjną prognozę dla jednej ulicy. Burze konwekcyjne, ukształtowanie terenu i lokalne przepływy mogą rozwijać się w skalach mniejszych od komórki modelu. Większa szczegółowość wyjścia może również stworzyć fałszywe wrażenie pewności, jeśli użytkownik nie widzi rozrzutu scenariuszy. Rozdzielczość jest więc właściwością reprezentacji, a nie samodzielnym dowodem dokładności każdego lokalnego zdarzenia.

WeatherNext 3 nie zastępuje państwowych służb meteorologicznych ani procedur wydawania ostrzeżeń. Oficjalne alerty korzystają z wielu modeli, obserwacji, wiedzy lokalnej i odpowiedzialności instytucjonalnej. Atmosfera pozostaje układem chaotycznym, więc niepewność rośnie wraz z horyzontem i może być duża dla rzadkich zjawisk ekstremalnych. Źródła wspierają tezę o szybszym, gęstszym sygnale prognostycznym; nie dowodzą eliminacji nagłych błędów ani pełnej niezawodności w zastosowaniach krytycznych.

Od prognozy do bezpiecznej decyzji

Autorski model Mateusza rozdziela trzy warstwy: sygnał modelu, regułę operacyjną i ludzką odpowiedzialność. Prognoza może wskazać rosnące ryzyko spadku produkcji energii lub intensywnego opadu. Zespół ustala wcześniej, przy jakim progu sprawdzi inne źródła, uruchomi plan awaryjny albo poprosi eksperta o ocenę. Decyzja nie powinna wynikać z jednego kolorowego pola na mapie. Ten schemat jest propozycją zarządzania ryzykiem Mateusza, a nie procedurą opisaną przez Google jako część WeatherNext 3.

Dalej warto obserwować niezależne wyniki dla ekstremalnych opadów, wiatru i produkcji odnawialnej oraz porównania prowadzone w pełnych cyklach sezonowych. Istotne będzie także to, czy częstsze aktualizacje realnie poprawiają decyzje, a nie tylko wskaźnik modelowy. Dobry test operacyjny powinien mierzyć liczbę trafionych zdarzeń, fałszywych alarmów, opóźnienie reakcji oraz koszt pomyłki. Dopiero połączenie jakości probabilistycznej z rezultatem decyzji pokaże, czy nowy system tworzy wartość poza benchmarkiem.

Od analizy atmosfery do modelu karmionego obserwacjami

Pierwsza fala globalnych modeli pogodowych AI uczyła się głównie na analizach meteorologicznych: regularnych siatkach opisujących prawdopodobny stan atmosfery, tworzonych przez łączenie obserwacji z numerycznym modelem fizycznym. To dało wyjątkowo spójny materiał treningowy, ale pozostawiło model zależny od opóźnień i błędów analizy. Autorzy WeatherNext 3 podają, że operacyjna analiza używana przez system może reprezentować stan sprzed 6–12 godzin. Najnowsza mozaika z satelitów geostacjonarnych ma natomiast opóźnienie krótsze niż godzina. Nowy system nie odrzuca więc fizyki ani tradycyjnej analizy; dodaje znacznie świeższy kanał obserwacyjny.

W praktyce WeatherNext 3 otrzymuje dwa obrazy analizy oddalone o sześć godzin oraz serię najnowszych, godzinnych mozaik satelitarnych. Dane z wielu kanałów widzialnych i podczerwonych niosą informację o chmurach, parze wodnej i temperaturze. Model może dzięki temu aktualizować globalną prognozę pomiędzy głównymi cyklami analizy. To ważna zmiana architektoniczna: uczenie maszynowe przestaje wyłącznie naśladować gotowy produkt tradycyjnego systemu i zaczyna bezpośrednio wykorzystywać część obserwacji. Nadal jednak działa na podstawie danych historycznych, a nie poprzez samodzielne mierzenie atmosfery.

Prognoza zespołowa zamiast jednej pewnej przyszłości

Dokumentacja Google opisuje WeatherNext 3 jako 15-dniowy model probabilistyczny tworzący 64 członków zespołu. Każdy członek jest inną, zgodną z modelem realizacją możliwego rozwoju pogody. Różnice między nimi nie są usterką do ukrycia, lecz przybliżeniem niepewności wynikającej zarówno z chaotycznej atmosfery, jak i ograniczonej wiedzy modelu. Zespół może więc odpowiedzieć na pytanie o prawdopodobieństwo przekroczenia progu opadu lub wiatru, podczas gdy pojedyncza mapa pokazuje tylko jedną ścieżkę. To właśnie dlatego CRPS jest bardziej adekwatne niż prosta liczba trafień.

Dla użytkownika konsekwencja jest prosta: mediana zespołu, najbardziej efektowny członek i prawdopodobieństwo przekroczenia progu to trzy różne informacje. Decyzja o wysłaniu ekipy technicznej może potrzebować innego progu niż decyzja o zabraniu parasola. Dobrze zaprojektowany produkt powinien pokazywać rozrzut scenariuszy i jasno nazywać regułę działania. Sam fakt, że model ma 64 realizacje, nie gwarantuje idealnej kalibracji. Zespół może być zbyt wąski, a wspólne błędy danych lub architektury mogą dotyczyć wszystkich członków jednocześnie.

Jedna sieć, wiele skal i rodzajów wyniku

WeatherNext 3 korzysta z architektury encode–process–decode. Oddzielne kodery przenoszą pola o różnych rozdzielczościach na wspólną, ikozaedryczną siatkę obliczeniową, transformer modeluje ich wzajemne oddziaływanie, a dekodery odtwarzają wymagane produkty. Dzięki temu temperatura przy powierzchni, atmosfera na poziomach ciśnienia, opad, ślady cyklonów i dane stacyjne nie muszą być sztucznie sprowadzone do identycznego formatu. Godzinne pola powierzchniowe są przewidywane bezpośrednio, a nie dopiero tworzone przez osobny interpolator z sześciogodzinnych klatek, jak w poprzedniej generacji.

Osobna głowica stacyjna odpowiada na zapytanie dla dowolnej lokalizacji i czasu, łącząc stan ukryty modelu z wysokością terenu oraz informacją o lądzie lub morzu. W testach produkcyjnych Google tworzy takie prognozy na siatce około 0,05 stopnia i w odstępach godzinnych. Nie oznacza to pomiaru w każdym punkcie: wynik jest interpolowaną predykcją wyuczonego modelu. Ta różnica jest szczególnie ważna w dolinach, na wybrzeżach i w górach, gdzie niewielka zmiana wysokości lub ekspozycji może wywołać warunki, których globalna reprezentacja nadal nie rozdziela.

Ewaluacja ma kilka źródeł prawdy

Autorzy porównują model z WeatherNext 2, zespołem ECMWF ENS i AIFS ENS, ale nie używają jednego wspólnego miernika dla wszystkich produktów. Pola atmosferyczne są sprawdzane względem analiz, temperatura i wilgotność także względem stacji niewidzianych podczas treningu, opad względem produktów satelitarnych, radarów MRMS oraz deszczomierzy, a cyklony względem archiwum śladów. To rozsądne, bo żadna baza nie jest doskonałą prawdą dla każdej zmiennej. Oznacza jednak, że wynik poprawy trzeba zawsze czytać wraz z nazwą odniesienia, geografią, horyzontem i sposobem dopasowania rozdzielczości.

Główna ewaluacja obejmuje 2024 rok i wykorzystuje model trenowany do końca 2023 roku. Dodatkowy test quasi-operacyjny objął sześć tygodni od 1 lipca do 11 sierpnia 2026 roku; autorzy sami ostrzegają, że ta próbka jest mała i nie należy nadinterpretować drobnych różnic. W części porównań prognozy o niższej rozdzielczości interpolowano do gęstszej siatki, a wybór odniesienia wpływał na przewagę. Uczciwy wniosek brzmi więc: publikacja pokazuje szeroką poprawę umiejętności prognostycznej, lecz nie zastępuje wielosezonowej walidacji w konkretnym procesie operacyjnym.

Znane luki obserwacji i widoczne artefakty

Rozmieszczenie stacji naziemnych jest nierówne. Autorzy wskazują silne braki między innymi w Andach, Himalajach i części oceanów na wysokich szerokościach, gdzie pierwsze wersje głowicy stacyjnej wykazywały wyraźne obciążenia. Zespół dodał punkty pseudo-stacyjne oparte na interpolowanej analizie, aby zmniejszyć te błędy. To pragmatyczna poprawka, ale także przypomnienie, że model globalny nie ucieka od geografii danych. Region z mniejszą liczbą bezpośrednich pomiarów może wymagać bardziej ostrożnej interpretacji nawet wtedy, gdy mapa wygląda równie szczegółowo jak dla Europy lub Ameryki Północnej.

Publikacja pokazuje również heksagonalne wzory związane z siatką obliczeniową, skoki na granicach sześciogodzinnych kroków w części wyników stacyjnych oraz niedostateczny rozrzut niektórych prognoz intensywności i zasięgu cyklonów. Artefakty są słabsze w medianie lub kwantylach zespołu niż w pojedynczej realizacji, dlatego część zastosowań może pozostać użyteczna. Nie wolno jednak pomijać ich w interfejsie ani w downstreamowym modelu ryzyka. Szczegółowy obraz nie jest automatycznie fizycznie spójnym scenariuszem, a dobra wartość punktowa nie gwarantuje poprawnej struktury przestrzennej całego zjawiska.

Uczenie etapowe i dwa rodzaje niepewności

WeatherNext 3 zwiększa szerokość reprezentacji ukrytej z 768 do 1024 oraz głębokość transformera siatkowego z 24 do 32 warstw. Autorzy nie trenowali jednak największej wersji od razu na najgęstszej siatce. Program uczenia stopniowo przechodził od 1 stopnia przez 0,25 do 0,1 stopnia, a na końcu zamrożono główny model podczas dostrajania głowicy stacyjnej. Ta sekwencja oddziela trzy kwestie często mieszane w opisie produktu: pojemność sieci, rozdzielczość danych i sposób uczenia wyjścia lokalnego. Sama większa liczba warstw nie wyjaśnia więc rozdzielczości widocznej na mapie.

Zespół funkcjonalnych perturbacji ma reprezentować niepewność losową i niepewność wynikającą z ograniczonej wiedzy modelu. Pierwszą wprowadza szum w warstwach normalizacji. WeatherNext 2 używał czterech niezależnie trenowanych ziaren do drugiej, natomiast WeatherNext 3 używa dwóch ziaren i dodaje epistemiczny dropout. Podczas inferencji maska dropout jest losowana osobno dla każdego członka zespołu i kroku czasu. Autorzy przedstawiają ten zabieg jako sposób podtrzymania rozrzutu po zwiększeniu modelu; nie jest to ogólna gwarancja, że każdy ogon rozkładu lub rzadkie zjawisko zostały skalibrowane poprawnie.

PARDIG i IMERG nie są wymiennymi etykietami opadu

Model ma osobne wyjścia dla dwóch satelitarnych produktów opadowych. IMERG Final jest szeroko używanym zbiorem NASA, dodatkowo kalibrowanym obserwacjami z deszczomierzy. PARDIG to eksperymentalny produkt Google tworzony przez osobny model, który uczy się przewidywać rzadkie pomiary radaru satelitarnego GPM z mozaiki satelitarnej i pól atmosferycznych. Oba zbiory mają siatkę 0,1 stopnia, lecz różnią się pochodzeniem, dostępnością i charakterem błędu. Nazwanie obu „obserwacją” bez tej informacji zaciera fakt, że jeden cel treningowy sam jest wynikiem modelowania.

Różnica była widoczna także w teście quasi-operacyjnym. IMERG Final nie obejmował jeszcze okresu od lipca do sierpnia 2026 roku, dlatego bieżące prognozy opadu porównano z amerykańskim radarem MRMS i deszczomierzami. PARDIG uzyskał najniższy CRPS względem MRMS, ale autorzy podkreślają ograniczony zasięg geograficzny radaru oraz szum wynikający z sześciotygodniowej próbki. Względem deszczomierzy głowice PARDIG i IMERG były zbliżone. To dobry przykład, dlaczego wynik dla opadu powinien zawsze zachowywać nazwę produktu odniesienia, obszar i okres, zamiast stawać się jednym ogólnym procentem „dokładności”.

Od prognozy do decyzji: kalibracja lokalna i progi działania

Prognoza probabilistyczna nie jest jeszcze decyzją operacyjną. Ten sam sygnał może oznaczać coś innego dla zarządcy sieci energetycznej, organizatora wydarzenia i służb miejskich, ponieważ różnią się koszt przeoczenia, koszt fałszywego alarmu oraz czas potrzebny na reakcję. Dlatego wyniku modelu nie należy zamieniać bezpośrednio w uniwersalne polecenie. Najpierw trzeba określić lokalny kontekst: obszar, porę roku, horyzont prognozy, rodzaj zagrożenia i decyzję, którą informacja ma wspierać. Dopiero wtedy można sprawdzić, czy deklarowane prawdopodobieństwa odpowiadają częstości obserwowanej w warunkach istotnych dla danego odbiorcy, w konkretnym miejscu i czasie.

Kalibracja lokalna zaczyna się od połączenia archiwalnych prognoz z późniejszymi obserwacjami według z góry opisanych reguł. Zespół porównuje wiarygodność sygnału w różnych horyzontach i sytuacjach, pozostawiając oddzielne wyniki dla zjawisk, których nie wolno bez uzasadnienia uśredniać. Ważna jest także kontrola przesunięcia: zmiana czujników, definicji zdarzenia, sezonu albo samego modelu może unieważnić wcześniejsze dopasowanie. Panel powinien więc pokazywać wersję prognozy, czas aktualizacji, źródło obserwacji i zakres, dla którego kalibracja została sprawdzona, zamiast przedstawiać jeden atrakcyjny wskaźnik bez kontekstu.

Próg działania wynika z bilansu konsekwencji, nie z estetyki wykresu. Dla każdej decyzji warto zapisać, jaki poziom sygnału uruchamia obserwację, przygotowanie, interwencję lub eskalację, kto zatwierdza krok i kiedy wolno go cofnąć. Progi można testować na historii w scenariuszach obejmujących zarówno trafienia, jak i fałszywe alarmy, a następnie prowadzić rejestr wyjątków po wdrożeniu. Taki układ nie usuwa niepewności pogodowej. Przekształca ją w jawny, możliwy do audytu proces, w którym prognoza wspiera odpowiedzialną decyzję, lecz jej nie ukrywa ani automatycznie nie zastępuje.