GoogleのAI気象モデル「WeatherNext 3」が衛星データを直接利用し精度改善

衛星データの直接利用

Googleは気象予測のAIモデル「WeatherNext 3」を公開した。従来のAI気象モデルの多くは再解析データのみを利用していたが、WeatherNext 3は衛星データを直接取り込む。これにより、現在の天候から新しい予報を生成するまでの遅延が短くなり、予報の更新頻度が1時間ごとに向上している。

衛星データの追加に加えて、空間解像度の向上やモデルの大規模化も行った。計算負荷を抑えるためのプロセス調整も施されている。さらに、衛星ベースの降水推定に基づく別の機械学習モデルを追加し、複数の降水予報を利用できるようにしたとしている。

再解析の限界と新手法

天気予報モデルは、世界中の観測データを統一した全球スナップショットにまとめた「再解析」をよく使う。再解析自体が一種のモデルであり、観測データが無い場所では推定値を補う。ただし、再解析は6時間ごとにしか生成されない上、元の観測情報の一部が失われる可能性があるという弱点があった。

従来の物理シミュレーションによるモデルは、こうした再解析に加えて生の観測データを取り込むことが多い。WeatherNext 3はこれに近づいた形だ。また、地点ごとの地表温度や露点を計算する際、陸地か海洋かという情報と標高を使う小さな物理情報を追加しており、過去の気象観測データで学習することで予測精度が上がったとしている。

精度改善の報告

ホワイトペーパーで示された結果によると、上層大気の状態予測の精度は前モデルのWeatherNext 2と比べて約5%改善し、正確な予報が可能なリードタイムが約6時間延びたとされる。地表温度の計算では最大30%の精度改善が報告されており、欧州中期天気予報センター（ECMWF）のAIモデルと比較しても、おおむね上回る結果だったという。

一方で、予測開始から6時間先の初期予報では他のモデルに劣る場面があるという。15日間の予報期間のうち、その後で追い抜くとはいえ、原因は明らかにされていない。また、予報の格子構造がそのまま表れる六角形のパターンや、全球平均気温が上下する特徴も確認されており、今後の検証が必要とみられる。

課題と今後の展開

WeatherNext 3は、Googleの検索サービスやGemini、Mapsなどで利用され始めている。AIモデルは学習したパターンから将来を予測するブラックボックス型だが、WeatherNext 3のように物理情報を少し取り入れることで精度を高める試みは、今後のAI気象モデルの設計に影響を与える可能性がある。

ただし、今回報告されている改善はホワイトペーパー上の評価であり、実際の運用環境での効果や、まれな異常気象への対応は明らかではない。初期予報の弱さや全球平均の変動といった不可解な結果についても、さらなる検証が待たれる。