Google DeepMind近日正式公开WeatherNext 3气象模型依托的SatWeave、PARDIG两大基础数据集，面向全球科研人员与开发者开放实时数据流及历史归档资料，为天气、水文、气候研究及相关领域应用建模提供数据支撑。
SatWeave为全球卫星影像拼接数据集，整合GOES‑East、GOES‑West、Meteosat 0、Meteosat印度洋星、Himawari五颗静止气象卫星观测资料，攻克不同卫星在地图投影、文件格式、传感器、扫描节奏等方面的数据差异问题。该数据集实现每小时更新，留存超十年历史存档，可支撑WeatherNext 3依托实时云图、风暴变化开展逐小时全球天气预报，相较传统分析数据六小时的更新周期，时效性显著提升。科研界还可将数据集拓展应用于光伏发电预估、野火监测等多元场景。
PARDIG是基于人工智能架构构建的全球降水再分析数据集，采用球形图网格Transformer架构，以NASA全球降水测量卫星雷达观测数据作为训练参照，输入融合SatWeave卫星影像与欧洲中期天气预报中心大气场数据。数据集空间分辨率约10公里，时间分辨率达15分钟，平均数据延迟约5小时。
经美国、欧洲、日本三大陆基雷达网络以及全球3.6万余座气象站比对评估，PARDIG各项降水强度识别表现优于NASA IMERG‑Final等主流同类数据集。其中小时级轻、中度降水识别能力较IMERG‑Final提升30%以上，捕捉极端降水的性能表现突出。得益于直接学习卫星观测信息的技术特点，该数据集在缺少地面雷达、雨量观测站点的区域，依旧可以保持较为可靠的数据精度。
据了解，此次Google同步对外开放1999年至2026年PARDIG历史档案，以及SatWeave、PARDIG两套数据集的实时数据流。全部数据托管于Google云存储平台，遵循CC BY 4.0许可协议对外公开。（纯钧）