Google最先進天氣模型MetNet-3，預測結果超越傳統數值預報模型

Google研究院與DeepMind合作開發了最新的天氣模型MetNet-3，該模型以之前的MetNet和MetNet-2為基礎，能夠提前24小時，對更多天氣核心變數進行高解析度預測，包括降水、表面溫度、風速、風向和露點。

MetNet-3可創建平滑且高精細度的預測，以2分鐘為區間，空間解析度可從4公里至1公里，經實驗證明，MetNet-3的預測能力超越傳統數值天氣預報模型，不只比單一成員的物理基礎NWP（Numerical Weather Prediction）模型如高解析度快速刷新模型（HRRR）更好，同時也超越了多成員的物理基礎NWP模型，像是集合預報套件（ENS）。

MetNet在預測天氣上，與其他建立在傳統方法之上的機器學習方法不同，關鍵點在於MetNet直接透過大氣觀測資料進行訓練和評估。研究人員提到，直接觀測的優點在於資料更具高傳真（Fidelity），解析度也更高。除了繼承先前MetNet模型的資料來源之外，MetNet-3還新增氣象站氣溫與風的量測資料，目標是要在所有位置進行天氣預測。

研究人員提到，MetNet-3的關鍵創新在於使用了一種稱為緻密化（Densification）的技術，用以改進天氣預報的準確性和範圍。傳統物理基礎模型中，天氣預報通常需要經過兩個步驟，分別是資料同化（Data Assimilation）和模擬（Simulation），資料同化是指將實際觀測資料融入到模型中，而模擬則是根據這些資料預測天氣。

在MetNet-3中，緻密化技術是透過神經網路將兩步驟合併在一起，達到更快更直接的天氣預測，如此不只使模型在獲取和處理資料更高效，也能夠用神經網路來改善預報準確性。藉由緻密化技術，MetNet-3能夠單獨處理每一個特定資料流，像是地形、衛星與雷達等，進而獲得更為準確且全面的天氣預報。

直接觀測為MetNet-3模型帶來空間和時間的高解析度優勢，氣象站和地面雷達站能夠用每隔幾分鐘的頻率，以1公里的解析度提供特定位置的測量資料。相比之下，即便是最先進的ENS，也只能每6小時生成一次9公里解析度的資料，並提供每小時的預報。

而MetNet-3能夠以短至2分鐘的時間間隔，有效地處理和模擬收集到的觀測資料，結合緻密化技術、提前時間調節（Lead Time Conditioning）技術和高解析度直接觀測方法，MetNet-3可以產生時間解析度達2分鐘的24小時前預報，提供使用者更加精準和即時的天氣預測資訊。

相較於氣象站觀測的變數資料，MetNet-3使用來自地面雷達所收集的降水估計值，因此資料更加密集，而MetNet-3使用與之前MetNet模型相似的降水建模方法，但是能夠將高解析度的降水預報，擴展到與其他變數相同的24小時提前時間。無論是在風速還是降水（下圖）等天氣變數，MetNet-3的預測結果都比ENS好上不少。

MetNet-3的主要價值在於，能夠即時以機器學習技術準確地預測天氣，並在Google的產品上提供天氣預報服務。該模型根據不斷流入的資料，持續地創建完整的預報，研究人員提到，這和傳統的推理系統不同，能夠滿足天氣資料的獨特需求。

目前Google先在美國鄰近地區和歐洲，以MetNet-3提供12小時即時降水預報，用戶已經可以在Google天氣相關產品獲取到相關資訊。