Nachrichten

Google DeepMind veröffentlicht PARDIG- und SatWeave-Datensätze für Wettermodellierung

Google DeepMind präsentiert die Datensätze PARDIG und SatWeave, die fortgeschrittene Anwendungen in den Bereichen Wetter, Hydrologie und Klima mit offenen historischen und Live-Daten ermöglichen.

Google DeepMind veröffentlicht PARDIG- und SatWeave-Datensätze für Wettermodellierung

Übersetzter Artikel. Originalartikel lesen.

Google DeepMind hat die Veröffentlichung zweier grundlegender Datensätze, PARDIG und SatWeave, angekündigt, die darauf abzielen, die globale Wetter-, Hydrologie- und Klimaforschung voranzutreiben. Diese Datensätze, die die Fähigkeiten des neu eingeführten WeatherNext 3 -Modells unterstützen, stehen now offen Forschern und Entwicklern weltweit zur Verfügung. Die Initiative hat zum Ziel, kritische Herausforderungen bei der Beobachtung und Vorhersage des Wetters und der Wasserzyklen der Erde anzugehen.

SatWeave: Ein Vereinheitlichtes Satellitenmosaik

SatWeave integriert Daten von sechs geostationären Satelliten – GOES-East, GOES-West, Meteosat 0 , Meteosat Indischer Ozean und Himawari – in ein kohärentes globales Mosaik. Im Gegensatz zu bestehenden Kompositen, die nur begrenzte Kanäle und seltene Aktualisierungen bieten, liefert SatWeave 17 sichtbare, Wasser-Dampf- und Infrarotkanäle mit stündlichen Aktualisierungen. Dies ermöglicht es WeatherNext 3 , globalen Vorhersagen häufiger als traditionelle Modelle zu produzieren, die auf sechs-stündlichen Datenaktualisierungen basieren. Historische Archive, die über 10 Jahre reichen, sowie Live-Daten sind nun zugänglich und eröffnen neue Möglichkeiten für Anwendungen wie Solarenergieprognosen und Waldbrandüberwachung.

PARDIG: Hochauflösende globale Niederschriftsdaten

PARDIG (Niederschlags-AI-Reanalyse: Dicht Eingeleitete GPM) liefert hochpräzise globale Niederschlagskarten mit einer zeitlichen Auflösung von 15 Minuten und einer räumlichen Auflösung von etwa 10 Kilometern. Basierend auf KI, die mit Daten des NASA Global Precipitation Measurement (GPM) Core Observatory, SatWeave-Bildern und ECMWF-Atmosphärefeldern trainiert wurde, schließt PARDIG Lücken in der Niederschlagsüberwachung, besonders in Regionen, die nicht über dichte Bodenradarnetzwerke verfügen. Auswertungen im Vergleich zu Radar-Netzwerken in den USA, Europa und Japan sowie über mehr als 36,000 Wetterstationen zeigen, dass PARDIG das IMERG-Final-Datensatz von NASA übertrifft und die Erkennungsgenauigkeit für leichte bis moderate Niederschläge um mehr als 30% verbessert.

Stärkung der globalen Forschung

Beide Datensätze sind über Google Cloud Storage verfügbar, wobei auch die historischen Kataloge von PARDIG auf Google Earth Engine gehostet werden. Durch die Bereitstellung von Live- und historischen Daten will Google DeepMind die globale Forschungscommunity ermächtigen, verbesserte Modelle für kritische Anwendungen, einschließlich der Vorhersage von Überschwemmungen, Erdrutschen und Dürren zu entwickeln. Diese Veröffentlichung ist Teil von Googles umfassenderer Earth AI-Portfoliobereitstellung, die fortschrittliche KI-Systeme nutzt, um drängende Umweltprobleme anzugehen.

Weitere Artikel auf Deutsch · Finanzvergleiche und SEC-Quellen (Englisch)