Notícias

Google DeepMind Lança os Conjuntos de Dados PARDIG e SatWeave para Modelagem do Tempo

O Google DeepMind apresenta os conjuntos de dados PARDIG e SatWeave, permitindo aplicações avançadas em clima, hidrologia e meteorologia com dados históricos abertos e em tempo real.

Google DeepMind Lança os Conjuntos de Dados PARDIG e SatWeave para Modelagem do Tempo

Artigo traduzido. Ler o artigo original.

O Google DeepMind anunciou o lançamento de dois conjuntos de dados fundamentais, PARDIG e SatWeave, destinados a avançar a pesquisa global em clima, hidrologia e meteorologia. Esses conjuntos de dados, que sustentam as capacidades do modelo WeatherNext 3 recentemente lançado, estão agora disponíveis abertamente para pesquisadores e desenvolvedores em todo o mundo. A iniciativa busca enfrentar desafios críticos na observação e previsão do clima e dos ciclos de água da Terra.

SatWeave: Um Mosaico de Satélites Unificado

SatWeave integra dados de seis satélites geoestacionários—GOES-East, GOES-West, Meteosat 0 , Meteosat Oceano Índico e Himawari—em um mosaico global coeso. Diferente dos compostos existentes que oferecem canais limitados e atualizações infrequentes, o SatWeave fornece 17 canais visíveis, de vapor d'água e infravermelhos com atualizações horárias. Isso permite que o WeatherNext 3 produza previsões globais mais frequentes do que modelos tradicionais, que dependem de atualizações de dados a cada seis​ horas. Arquivos históricos que abrangem mais de 10 anos e feeds ao vivo agora estão acessíveis, abrindo caminhos para aplicações como previsão de energia solar e monitoramento de incêndios florestais.

PARDIG: Dados de Precipitação Global em Alta Resolução

PARDIG (Precipitação AI Reanálise: Inferido Densamente GPM) oferece mapas de precipitação global altamente precisos com uma resolução temporal de 15 minutos e aproximadamente 10 quilômetros de resolução espacial. Construído com IA treinada com dados do Core Observatory da Medição Global de Precipitação (GPM) da NASA, imagens do SatWeave e campos atmosféricos do ECMWF, PARDIG aborda lacunas no rastreamento de precipitação, especialmente em regiões carentes de redes densas de radar terrestre. Avaliações em relação a redes de radar nos EUA, Europa e Japão, bem como em mais de 36,000 estações meteorológicas, mostram que o PARDIG supera o conjunto de dados IMERG-Final da NASA, melhorando a capacidade de detecção para precipitação leve a moderada em mais de 30% .

Capacitando a Pesquisa Global

Ambos os conjuntos de dados estão disponíveis via Google Cloud Storage, com catálogos históricos do PARDIG também hospedados no Google Earth Engine. Ao fornecer dados ao vivo e históricos, o Google DeepMind visa capacitar a comunidade de pesquisa global a desenvolver modelos aprimorados para aplicações críticas, incluindo previsão de inundações, deslizamentos de terra e secas. Este lançamento é parte do portfólio mais amplo de Earth AI do Google, que utiliza sistemas de IA avançados para enfrentar desafios ambientais urgentes.

Mais artigos em português · Comparações financeiras e fontes da SEC (inglês)