Google DeepMind 开放 WeatherNext 3 背后的两套底层数据集：PARDIG 每 15 分钟估算全球降水、检测能力比 NASA IMERG 高 30% 以上，SatWeave 每小时拼出全球卫星云图

核心背景与行业痛点

天气预报准不准，首先取决于「此刻」看得清不清。卫星和地面站一直在观测，但不同卫星的投影、格式、传感器和扫描周期（10 到 30 分钟不等）各不相同，很难拼成一张统一的全球图；地面雷达和雨量计又覆盖不到很多地区。DeepMind 这次把 WeatherNext 3 用到的两套底层数据直接开放出来。

架构亮点与底层机制

SatWeave 把 GOES、Meteosat、Himawari 等地球静止卫星拼成全球拼图，保留 17 个可见光、水汽和红外通道，每小时更新；常见全球合成产品往往只有 4 个以内通道或几小时才更新一次。PARDIG 采用和 WeatherNext 3 类似的 AI 架构，以 SatWeave 图像和 ECMWF 大气场为输入，直接拟合 NASA GPM 核心观测星稀疏的星载雷达观测，输出 15 分钟、约 10 公里的全球降水图。

权威 Benchmark 与实测跑分对比

官方在美国、欧洲、日本三大雷达网和全球 3.6 万多个气象站上做了评测（2016–2023 年），PARDIG 在所有降水强度上都优于 NASA IMERG-Final 等全球基线，轻到中雨的逐小时检测能力（CSI）提升 30% 以上，对极端降水尤其有效。以上均为官方自测数据。

开发者实战落地与开箱指南

两套数据的实时流和历史存档（SatWeave 十年以上，PARDIG 1999–2026 年）都在 Google Cloud Storage 公开，PARDIG 历史目录也可在 Earth Engine 直接调用。适合做洪水预警、山体滑坡和干旱模型、野火烟雾追踪和光伏发电预测，尤其是没有地面雷达的地区。