谷歌DeepMind开放SatWeave与PARDIG气象数据集
IT之家 11 月 13 日消息，谷歌 DeepMind 今天正式开放 WeatherNext 3 气象模型所依托的两大基础数据集 SatWeave 与 PARDIG，相应数据集面向全球研究者与开发者提供实时数据流及历史归档，可用于天气、水文、气候及相关下游应用建模。据介绍，SatWeave 是一套整合多颗静止气象卫星
11 月 13 日，谷歌 
DeepMind 正式对外开放 SatWeave 与 PARDIG 两套基础数据集。它们正是 WeatherNext 3 气象模型所依托的数据基础，面向全球研究者和开发者提供实时数据流与历史归档，可用于天气、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观测整合到一起。它汇聚了 GOES-East、GOES-West、Meteosat 0、Meteosat 印度洋星以及 Himawari 共 5 颗卫星的数据，化解了各卫星在地图投影、文件格式、传感器和扫描节奏上的不一致。该数据集每小时更新一次，历史存档跨越十年以上。有了它，WeatherNext 3 能依据实时云图与风暴动态生成逐小时全球预报；相比之下，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、野火监测等场景中。
PARDIG 则是一套基于 AI 架构的全球降水再分析数据集，采用与 WeatherNext 3 相似的球形图网格 Transformer 架构。它直接以 NASA 全球降水测量核心观测台的稀疏星载雷达观测为训练目标，输入使用 SatWeave 影像与欧洲中期天气预报中心的大气场。其空间分辨率约 10 公里（0.1°），时间分辨率 15 分钟，平均延迟约 5 小时。
谷歌用美国、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 在所有雨强档位上均优于 NASA IMERG-Final 等主流基线产品；对轻到中度降水的小时级识别技巧较 IMERG-Final 提升 30% 以上，捕捉极端降水的能力尤为突出。模型直接从卫星观测中学习，因此在缺乏地面雷达与雨量计的地区同样具备可靠精度。
本次同步开放的还有 1999 年至 2026 年的 PARDIG 历史档案，以及 SatWeave 与 PARDIG 的实时数据流。这些数据托管在 Google Cloud Storage 上，以 CC BY 4.0 许可开放。
