気象AI向けデータセット2種を公開

Google DeepMindの今回の公開は、両データセットを活用して進歩を遂げた先ごろのWeatherNext 3モデルを土台としている。SatWeaveは衛星画像の統合における長年の課題を解決する。利用する5基の衛星は地図投影法、ファイル形式、センサー、10〜30分の走査スケジュールがそれぞれ異なるためだ。既存の全球コンポジットの多くは互換性のない要素を捨て、4チャンネル以下しか提供しないか、数時間ごとの更新にとどまる。SatWeaveは代わりに6基の地球静止衛星を17チャンネルのモザイクに統合して毎時更新し、WeatherNext 3が6時間ごとに更新される解析データを待たずに新たな全球予測を生成できるようにする。

PARDIGは、地上レーダーや雨量計網が常に利用できるとは限らず、分布も偏りがちな降水追跡に取り組む。WeatherNext 3に似たAIアーキテクチャを基に、NASAのGPM Core Observatoryによる疎な衛星搭載レーダー観測で学習し、15分の時間分解能と約10キロの空間分解能で、平均約5時間の遅延を伴う全球降水マップを生成する。3つの大陸規模レーダー網と世界36,000以上の気象観測所による評価では、NASAのIMERG-Finalを含む主要な全球ベースラインを上回り、既存製品が捉えにくい極端な降水現象の捕捉で特に効果を発揮した。

PARDIGは地上観測だけに頼らず衛星から直接学習するため、DeepMindは地上データのない地域を含め地球上どこでも信頼できる精度が得られると見込む。同社はこれらのオープンデータを、特に稠密な地上レーダー網がない地域で、洪水や地滑り、干ばつ向けの改良モデルを研究者が探求できるようにする手段と位置づけている。