Google DeepMindは11月10日、気象予測モデルWeatherNext 3の学習に使っている2つのデータセット「SatWeave」と「PARDIG」を公開した。Google Research、Google Cloud、Google Geoと共同で整備したもので、気象・水文・気候分野の研究開発での利用を想定している。
SatWeaveは、各国の静止気象衛星の画像を1枚の全球モザイクにまとめたデータだ。米国のGOES-East・West、欧州のMeteosat、日本のひまわりなどの画像を、可視・水蒸気・赤外の17チャンネルで1時間ごとに統合する。10年以上の過去分と、リアルタイムの配信の両方がある。なお衛星の数は、本文では5機、図の説明では6機とされ、発表内で一致していない。
PARDIGは、AIで推定した全球の降水データセットである。NASAのGPM主衛星に搭載されたレーダーの観測は範囲がまばらなため、それを教師データにして、SatWeaveの画像とECMWFの大気データから時間15分・空間約10キロメートルの降水を推定する。期間は1999年から2026年で、平均約5時間遅れでリアルタイムにも更新される。米国・欧州・日本のレーダー網と世界3万6,000以上の観測所で検証し、弱い雨から中程度の雨の1時間単位の検出精度(CSI)が、NASAの衛星降水プロダクトIMERG-Finalより30%以上高かったとしている。
データはGoogle Cloud Storageで両方のリアルタイム分と過去分が、Google Earth EngineでPARDIGの過去分が提供される。論文はarXivで公開された。ライセンス条件は発表本文には書かれていない。
2つのデータは、9月3日に公開されたWeatherNext 3の説明に出てきた部品と対応している。WeatherNext 3は「1時間ごとの静止衛星モザイク」を入力に取り、降水の学習には「衛星レーダーに基づくGoogle独自の降水再解析データ」を使うとされていた。前者がSatWeave、後者がPARDIGにあたり、当時は中身が見えなかった入力と教師データが外部から検証できるようになった。WeatherNext 3は数値予報の解析データが持つ約6時間の遅れを避けることを売りにしており、PARDIGの約5時間という更新遅延もその設計に沿った数字だ。日本との関係では、SatWeaveにひまわりの画像が入り、PARDIGの検証に日本のレーダー網が使われ、謝辞には気象庁とJAXAが並んでいる。




