2026年9月3日
GoogleのフラッグシップAI気象予報モデルに、リアルタイムの衛星データ、1時間ごとの更新、高解像度化、精度の高い降水予報、クリーンエネルギー関連の変数が追加されました。このモデルは現在、Google検索、Gemini、マップ、Google Maps Platform、Cloudに統合されています。
WeatherNext チーム
天気は、毎日何十億もの人々の意思決定に影響を与えています。外出前に傘を持っていくといった簡単な判断もあれば、はるかに大きな影響を及ぼす判断もあります。風や雨、熱波や干ばつなどの異常気象は、農業、世界のサプライチェーン、クリーンエネルギーの生産、国家経済に連鎖的な影響をもたらします。
近年、AIは気象予報を大きく変革してきました。過去の記録を活用することで、従来の手法よりも迅速かつ正確に予測できるようになっています。しかし、局地性が高く、急速に変化する天候の予測は、依然として困難です。従来のモデルは、十分な空間解像度を備えていないことが多く、衛星などの情報源から得られるリアルタイムの気象データを取り込むことも困難でした。
本日、Google DeepMindとGoogle ResearchはWeatherNext 3を発表しました。Brightbandによる独立したリアルタイム評価によると、これはこれまでで最も先進的かつ精度の高い全球気象モデルです。このモデルは、リアルタイムの観測データから直接学習するため、人々に最も大きな影響を与える気象現象を、より迅速かつ局地的に予測できます。生の衛星データを活用し、高解像度で1時間ごとに予報を生成することで、世界中のGoogle製品に信頼性の高い気象予報を提供します。
かつてない解像度で迅速な気象予測を実現
気象予報の実用性は、多くの場合、その詳細さと時間・空間をきめ細かく捉える能力に左右されます。WeatherNext 3は、複数の空間解像度で1時間ごとの予報を生成しながら、広域にわたる全球的な風のパターンから局地的な地形まで、物理的な整合性を維持できます。
WeatherNext 3では、気温や湿度などの主要な地表変数を5km解像度で可視化し、その他の地表変数を10km解像度で、風速などの大気変数を25km解像度で表示できます。全体として、これは従来世代のモデルであるWeatherNext 2と比べて、全球の気象を約5倍鮮明に捉えたものです。WeatherNext 2は、25kmのグリッドと6時間ごとの時間間隔で予報を生成していました。
図1：WeatherNext 3のエンドツーエンドシステムアーキテクチャ。このモデルは、1時間ごとのリアルタイム静止気象衛星モザイク画像と従来の過去解析データを組み合わせ、柔軟な関数生成ネットワーク（Functional Generative Network、FGN）グリッドTransformerに入力します。モデルは、密なグリッド場、離散的な低気圧経路を出力し、気象観測所レベルの疎な座標をネイティブに予測します。
図2：英国における地上2m気温予報の比較。左は解像度25km（0.25°）のWeatherNext 2、右はネイティブ解像度5km（0.05°）のWeatherNext 3です。WeatherNext 3は複雑な局地地形を捉え、従来のモデルで見られたピクセル化や、温度分布が過度に平滑化される現象を回避できます。
継続的に更新される実世界のデータを全球規模でカバー
WeatherNext 3における最大の進歩は、学習に使用するデータにあります。WeatherNext 2を含む大半のAI気象モデルは、数値天気予報（NWP）モデルが生成したデータを使って学習します。NWPモデルは有用ですが、スーパーコンピューターを利用した複雑な物理シミュレーションであり、データに6時間の遅延があります。降水量や地表温度など、急速に変化する変数では、この遅延が予測の偏りにつながる可能性があります。
リアルタイムの全球静止気象衛星モザイク画像を取り込むことで、新しいモデルは、情報量が豊富で常に更新される大気の様子を継続的に取得できます。これにより、モデルは毎時間、新しい予報を生成できます。各予報は、利用可能な最新の衛星観測データに基づいており、解像度は最大5kmに達します。
これは非常に重要です。なぜなら、重大な気象状況は急速に発達するからです。嵐や前線、降水システムが突然発生した際、更新頻度の高さと高解像度化により、より詳細な情報を早期に提供でき、効果的な対応を後押しします。
気温や湿度などの変数は、わずか数キロメートルの範囲でも大きく変化する可能性があります。これは、海岸線や谷、山脈の近くに暮らす地域社会にとって特に重要です。従来のモデルは、詳細さに欠ける大気の表現をもとに学習していたため、この点で十分な性能を発揮できず、局地的な極端変化を捉え損ねることがありました。
この問題に対処するため、WeatherNext 3では、疎な気象観測所の観測データを直接使って学習する方式に変更しました。これにより、5kmグリッドで全球予報を生成し、地形などの地域固有の詳細も取り込めるようになりました。
この進歩は、ラテンアメリカ、アフリカ、アジア太平洋地域の多くの地域にとって、特に重要です。これらの地域では、従来の地域モデルに高額なスーパーコンピューティングコストが必要だったため、これまで長らく高解像度の気象予報を利用できませんでした。WeatherNext 3は、局地性と忠実度の高い気象予報を、これらの地域に暮らす何十億もの人々や現地企業に提供します。
解像度と予報頻度の向上に加え、私たちのモデルには再生可能エネルギーの発電を対象とした予測機能も新たに組み込まれています。モデルは、高度100m（おおむね風力タービンの高さに相当）における風速を予測し、風力発電量を正確に推定できます。また、高解像度の雲量と日射量も提供するため、太陽光発電所は地表で受けられる日照量を推定できます。
こうしたデータは、世界のクリーンエネルギー計画にとって不可欠です。送電網の運用事業者や再生可能エネルギー開発事業者は、これらのデータをもとにクリーンエネルギー資産の発電量を正確に予測し、消費者の需要と対応させることができます。
降水予測の精度が飛躍的に向上
全球気象モデルは、長年にわたって降水を正確に予測することに苦労してきました。雨や雪のシステムは、急速に移動する非常に小規模な雲の過程によって引き起こされますが、従来の物理ベースのシミュレーションでは、こうした過程を正確にモデル化することが困難です。そのため、AIによる予報では、ぼやけた推定結果が生成されたり、強い嵐の境界をまったく識別できなかったりすることがありました。
この問題に対処するため、私たちは非常に高品質な2種類の降水データソースを使ってモデルを学習させました。1つは、NASAの衛星による全球降水観測計画に基づく複数衛星統合降水量推定プロダクト（Integrated Multi-satellite Retrievals for GPM、IMERG）で、もう1つは、衛星レーダーをもとに私たちが生成した全球降水再解析データです。
その結果、降水予測の精度が大幅に向上しました。中期の全球予報では、ベースラインと比較して、評価の結果、連続ランク確率スコア（Continuous Ranked Probability Score、CRPS）がIMERGに対して最大60%、MRMSに対して30%、また、より短いリードタイムでは雨量計の測定値に対して10%改善しました。
図3：中期降水確率（PoP > 1mm）予報の比較。左は解像度25kmのWeatherNext 2で、降水域が大きく拡散し、ピクセル化していることが分かります。中央は解像度11kmのWeatherNext 3で、実際の衛星による地上真値（右）と非常によく似ており、t