> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google 发布 WeatherNext 3：每小时更新、5 公里分辨率的全球天气模型
- URL: https://globalfeed.ai/zh/google-fa-bu-weathernext-3-mei-xiao-shi-geng-xin-5-gong-li-fen-bian-lu-de-quan-qiu-tian-qi-mo-xing/
- Published: 2026-09-04T09:28:38.000Z
- Updated: 2026-09-04T09:28:38.000Z
- Description: 新模型直接从实时地球静止卫星数据中学习，每小时生成一次预报，已接入 Google 搜索、Maps 和 Gemini。
- Author: GlobalFeed Editor
- Tags: Google DeepMind, WeatherNext, 天气预报, x-GoogleDeepMind, dil-zh, denetim-gerekli, video

Google DeepMind 与 Google Research 发布了天气预报模型 **WeatherNext 3**。与以往依赖物理模拟输出不同，该模型直接从实时地球静止卫星拼接图像中学习，每小时生成一次新的预报。Google 表示，根据 Brightband 的独立实时评测，这是目前最准确的全球天气模型。

## 分辨率提升约五倍

WeatherNext 3 对温度、湿度等地表变量的分辨率为 5 公里，其他地表变量为 10 公里，风速等大气变量为 25 公里。上一代 WeatherNext 2 采用 25 公里网格、6 小时间隔，因此整体画面的精细程度提升约五倍。

差异来自训练数据。包括 WeatherNext 2 在内的多数人工智能（AI）天气模型，都以数值天气预报（NWP）的输出为训练素材，而 NWP 依靠超级计算机做物理模拟，数据存在 6 小时滞后。Google 指出，这一滞后会让降雨、地表温度等快速变化的变量出现偏差。新模型还直接使用稀疏的地面气象站观测数据训练，Google 称这有助于捕捉海岸线、山谷和山脉附近的局地差异。

系统架构基于单一的 Functional Generative Network（FGN）mesh transformer。除了密集网格场，模型还输出气旋路径以及站点级别的点位预测。

## 面向可再生能源的变量

模型可预测 100 米高度（大致相当于风机轮毂高度）的风速，用于估算风电出力；同时提供高分辨率的云量和太阳辐射数据，供光伏电站使用。

Google 提到，由于区域模型的超算成本高昂，拉丁美洲、非洲和亚太地区长期缺乏高分辨率预报，新模型将覆盖范围扩展到这些区域。目前 WeatherNext 3 已接入 Google 搜索、Gemini、Maps、Google Maps Platform 和 Cloud。

更多细节见 [Google DeepMind 公告](https://deepmind.google/blog/introducing-weathernext-3-our-most-advanced-and-accurate-global-weather-ai-model/?ref=globalfeed.ai)。