Google WeatherNext 3 abandona simulaciones físicas por datos satelitales
Google y DeepMind han lanzado WeatherNext 3, un modelo meteorológico de inteligencia artificial que prescinde de las simulaciones físicas tradicionales para aprender directamente de datos satelitales en tiempo real. Google promete cinco veces más detalle y actualizaciones horarias.
Los modelos climáticos de IA anteriores, incluido WeatherNext 2, fueron entrenados con datos de predicción meteorológica numérica (NWP). Estas simulaciones se ejecutan en supercomputadores y conllevan un retraso de seis horas, según Google, lo que introduce errores en variables de cambio rápido como la lluvia y la temperatura. WeatherNext 3, en cambio, procesa datos satelitales geoestacionarios en vivo. Genera un pronóstico actualizado cada hora basado en las observaciones más recientes con una resolución de hasta cinco kilómetros. Para tormentas o precipitaciones de desarrollo rápido, este ciclo de actualización más veloz permite predicciones más tempranas y precisas.
Cinco veces más preciso que su predecesor
El modelo produce pronósticos horarios a múltiples resoluciones. La temperatura y la humedad operan a cinco kilómetros, otras variables de superficie a diez y valores atmosféricos como la velocidad del viento a 25 kilómetros. Esto es aproximadamente cinco veces más nítido que WeatherNext 2, que utilizaba una cuadrícula de 25 kilómetros en intervalos de seis horas.
Google ilustra esta brecha con un pronóstico de temperatura sobre el Reino Unido. WeatherNext 2 a 25 kilómetros produce un mapa pixelado, mientras que WeatherNext 3 a cinco kilómetros captura el terreno local.
WeatherNext 3 emplea una cuadrícula de cinco kilómetros para la temperatura de la superficie, detectando cadenas montañosas y costas que en la cuadrícula de 25 kilómetros de WeatherNext 2 se desdibujaban en formas bloqueadas. El modelo también se entrena con datos de estaciones meteorológicas individuales para capturar costas, valles y montañas. Esto permite pronósticos globales más finos que reflejan condiciones regionales. Según Google, regiones en Latinoamérica, África y Asia-Pacífico serán las más beneficiadas, ya que los altos costos de cómputo para modelos regionales tradicionales las habían dejado desatendidas.
Mejores pronósticos de lluvia y datos de energía renovable
Los modelos climáticos globales han tenido dificultades históricas con la precipitación, ya que la lluvia y la nieve dependen de procesos nubosos rápidos a pequeña escala. Google entrenó el modelo con dos fuentes: el conjunto de datos IMERG basado en satélites de la NASA y el propio análisis de precipitación global de Google, construido sobre radares satelitales. El modelo ingiere datos satelitales geoestacionarios y datos de análisis tradicionales, produciendo campos cuadriculados densos para la atmósfera y la precipitación, además de pronósticos puntuales para estaciones meteorológicas y trayectorias de ciclones.
Para pronósticos globales de rango medio, el Continuous Ranked Probability Score (CRPS) muestra mejoras de hasta un 60 por ciento sobre IMERG, un 30 por ciento sobre MRMS y un diez por ciento sobre pluviómetros en plazos cortos. WeatherNext 3 también predice velocidades del viento a 100 metros, altura aproximada de una turbina, para estimar la producción de parques eólicos. Valores más precisos de cobertura nubosa e irradiancia solar permiten a las instalaciones fotovoltaicas calcular su generación esperada. Google afirma que esto ayudará a los operadores de red a equilibrar la oferta y la demanda.
Despliegue en Búsqueda, Maps y Gemini
Google actualiza los datos de pronóstico cada hora. Investigadores, desarrolladores y empresas pueden realizar consultas a través de BigQuery y Earth Engine, o descargar datos masivos desde Google Cloud Storage. WeatherNext 3 ahora impulsa las funciones climáticas en Google Search, la aplicación Gemini, Google Maps, la API de clima de Google Maps Platform y Google Earth Engine.
Al planificar con un día o más de antelación, los usuarios deberían ver pronósticos de precipitación hasta un 50 por ciento más precisos, con las mayores ganancias en regiones donde las predicciones habían sido menos fiables. Google reconoce que la atmósfera siempre será algo impredecible. Para pronósticos oficiales, alertas de clima severo y avisos de seguridad, la empresa remite a los usuarios a los servicios meteorológicos nacionales. Google DeepMind introdujo WeatherNext 2 en noviembre de 2025, superando a la primera generación en el 99.9 por ciento de las variables meteorológicas mientras funcionaba ocho veces más rápido. Vía The Decoder.
