谷歌DeepMind开放WeatherNext 3数据集：含SatWeave与PARDIG
谷歌 DeepMind 正式开放 WeatherNext 3 模型背后的两大基础数据集：卫星影像拼接数据集 SatWeave 与全球降水数据集 PARDIG，提供实时流与历史归档，助力研究人员开发气候、水文及灾害预警应用。
11 月 13 日，谷歌 
DeepMind 把 WeatherNext 3 气象模型依赖的两套基础数据集正式对外开放，分别是 SatWeave 和 PARDIG。全球研究者和开发者都能拿到实时数据流和历史归档，用来做天气、水文、气候以及相关下游应用的建模。
SatWeave 是一套全球影像拼接产品，把多颗静止气象卫星的数据整合到一起，参与观测的卫星共有 5 颗：GOES-East、GOES-West、Meteosat 0、Meteosat 印度洋星以及 Himawari。不同卫星在地图投影、文件格式、传感器和扫描节奏上原本各不相同，这套数据集把这些差异处理掉了。它每小时更新一次，历史存档超过十年。有了实时云图和风暴动态，WeatherNext 3 就能生成逐小时的全球预报；传统分析数据一般每六小时才刷新一次。谷歌还希望研究社区把它用到太阳能功率预测、野火监测等场景。PARDIG 则是一套全球降水再分析数据集，底层是 AI 架构，采用与 WeatherNext 3 相近的球形图网格 Transformer 架构。它直接拿 NASA 全球降水测量核心观测台的稀疏星载雷达观测当训练目标，输入用的是 SatWeave 影像和欧洲中期天气预报中心的大气场。空间分辨率约 10 公里（0.1°），时间分辨率 15 分钟，平均延迟约 5 小时。
谷歌拿美国、欧洲、日本三大陆基雷达网络以及全球 3.6 万余座气象站做了对照评估。结果显示，PARDIG 在各个雨强档位上都好于 NASA IMERG-Final 等主流基线产品；小时级识别轻到中度降水的技巧比 IMERG-Final 高出 30% 以上，捕捉极端降水的能力尤其突出。模型直接从卫星观测中学习，因此在没有地面雷达和雨量计的地区也能保持可靠精度。
这次同步开放的还有 1999 年至 2026 年的 PARDIG 历史档案，以及 SatWeave 和 PARDIG 的实时数据流。数据托管在 Google Cloud Storage 上，以 CC BY 4.0 许可开放。
