Google, saatlik uydu verisiyle çalışan hava tahmin modeli WeatherNext 3'ü tanıttı.

Google DeepMind ve Google Research, yapay zekâ destekli yeni küresel hava tahmin modeli WeatherNext 3'ü duyurdu. Model, gerçek zamanlı uydu görüntülerini doğrudan işleyerek her saat yeni bir tahmin üretiyor; özellikle yağmur, kar ve hızlı değişen yerel hava koşullarında daha doğru sonuç hedefliyor.

Geleneksel modellerin açığı

Mevcut hava tahmini sistemleri, atmosferdeki fiziksel süreçleri süper bilgisayarlarda simüle eden sayısal modellere dayanıyor. WeatherNext 2 dahil pek çok yapay zekâ modeli de bu sistemlerin ürettiği verilerle eğitiliyor.

Ancak bu eğitim verileri yaklaşık altı saatlik gecikmeyle ulaştığı için yağış ve yüzey sıcaklığı gibi hızlı değişen koşulların tahmininde sapma artıyordu.

Saat başı yenilenen tahmin

WeatherNext 3, küresel ölçekteki sabit yörüngeli uydulardan alınan saatlik görüntüleri doğrudan işliyor ve bu verileri geçmiş hava analizleriyle birleştirerek her saat yeni bir tahmin oluşturuyor.

Google, modelin ham gözlem verisini doğrudan kullanıp yüksek çözünürlüklü küresel tahmin üreten ilk yapay zekâ modeli olduğunu söylüyor.

Hava tahmini girişimi WindBorne ise kendi WeatherMesh 6 modelinin 2025'in sonlarından bu yana hava balonları ve diğer kaynaklardan alınan ham gözlemleri kullandığını belirtiyor; bu da "ilk" tanımını tartışmalı hâle getiriyor.

Çözünürlük ve yağış isabeti

Model, sıcaklık ve nem gibi temel yüzey değişkenlerini 5 kilometre, diğer yüzey değişkenlerini 10 kilometre, rüzgâr hızı gibi atmosferik değişkenleri ise 25 kilometre çözünürlükte tahmin edebiliyor.

Altı saatte bir, 25 kilometrelik alanlar üzerinden tahmin oluşturan WeatherNext 2 ile karşılaştırıldığında yeni model yaklaşık beş kat daha ayrıntılı bir küresel görünüm sunuyor.

Yağış tahmininde orta vadeli sonuçlar, kullanılan ölçüm kaynağına göre farklılık gösteriyor: IMERG verilerine karşı yüzde 60'a, MRMS verilerine karşı yüzde 30'a kadar iyileşme bildiriliyor. Yağmur ölçüm istasyonları temel alındığında kısa vadeli tahminlerde yüzde 10'a varan iyileşme görülüyor.

Yerel koşullar ve enerji üretimi

WeatherNext 3, hava istasyonlarında ölçülecek koşulları doğrudan tahmin edecek şekilde eğitildi. Bu yaklaşım, sıcaklık ve nemin kısa süre içinde önemli ölçüde değişebildiği kıyı bölgeleri, vadiler ve dağlık alanlarda daha yerel sonuçlar üretilmesini sağlıyor.