Resumen:
Google DeepMind lanzó recientemente oficialmente los dos conjuntos de datos básicos de SatWeave y PARDIG en los que se basa el modelo meteorológico WeatherNext 3. Abre flujos de datos en tiempo real y datos históricos archivados a investigadores y desarrolladores científicos globales, proporcionando soporte de datos para la investigación meteorológica, hidrológica, climática y modelado de aplicaciones en campos relacionados.
SatWeave es un conjunto de datos de empalme de imágenes satelitales globales que integra datos de observación de cinco satélites meteorológicos geoestacionarios: GOES-East, GOES-West, Meteosat 0, Meteosat Indian Ocean Star y Himawari, para superar las diferencias de datos entre diferentes satélites en proyección de mapas, formato de archivo, sensores, ritmo de escaneo, etc. Este conjunto de datos se actualiza cada hora y conserva archivos históricos durante más de diez años. Puede admitir WeatherNext 3 para realizar pronósticos meteorológicos globales hora por hora basados en imágenes de nubes y cambios de tormentas en tiempo real. En comparación con el ciclo de actualización de seis horas de los datos de análisis tradicionales, la puntualidad mejora significativamente. La comunidad de investigación científica también puede ampliar el conjunto de datos y aplicarlo a diversos escenarios, como la estimación de la generación de energía fotovoltaica y el monitoreo de incendios forestales.
PARDIG es un conjunto de datos de reanálisis de precipitación global construido sobre la base de una arquitectura de inteligencia artificial. Adopta una arquitectura de transformador de cuadrícula de gráfico esférico, utiliza datos de observación de radar satelital de medición de precipitación global de la NASA como referencia de entrenamiento e ingresa e integra imágenes de satélite SatWeave y datos de campo atmosféricos del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo. La resolución espacial del conjunto de datos es de unos 10 kilómetros, la resolución temporal es de hasta 15 minutos y el retraso medio de los datos es de unas 5 horas.
Comparado y evaluado por tres redes de radar continentales en los Estados Unidos, Europa y Japón y más de 36.000 estaciones meteorológicas en todo el mundo, el rendimiento del reconocimiento de la intensidad de la precipitación de PARDIG es mejor que el de conjuntos de datos similares convencionales, como el IMERG-Final de la NASA. Entre ellos, la capacidad de identificar precipitaciones ligeras y moderadas por hora es más de un 30% mayor que IMERG-Final, y su rendimiento en la captura de precipitaciones extremas es sobresaliente. Gracias a las características técnicas del aprendizaje directo de información de observación satelital, este conjunto de datos aún puede mantener una precisión de datos relativamente confiable en áreas que carecen de radares terrestres y sitios de observación de lluvias.
Se entiende que esta vez Google abrirá simultáneamente al mundo exterior los archivos históricos de PARDIG de 1999 a 2026, así como los flujos de datos en tiempo real de los dos conjuntos de datos SatWeave y PARDIG. Todos los datos están alojados en Google Cloud Storage Platform y se hacen públicos según el acuerdo de licencia CC BY 4.0. (Chun Jun)
Artículos relacionados:
DeepMind lanza Gemini Robotics 2.5: tasa de éxito del 96 % en la clasificación piloto en la fábrica de Mercedes-Benz
DeepMind lanza AlphaGenome 2 para examinar profundamente las células individuales y encontrar la conexión entre la variación genética y la enfermedad
Comentarios