WeatherNext 3：更準確、更即時、更在地的天氣預報

🧑‍🏫 這支影片是 Google DeepMind 介紹新一代 AI 天氣模型 WeatherNext 3：它每小時更新一次全球預報，細到 5 公里一格。值得看的原因是，它把「為什麼以前的預報不夠細、不夠快」跟「AI 怎麼補上」講得很清楚，看完你會更懂手機上的天氣預報是怎麼來的。

• 00:00 預測天氣是最古老、最複雜的挑戰之一；能知道天氣怎麼變就能提前規劃，而極端天氣讓風險越來越高。
  ↳ 天氣預報難在大氣牽一髮動全身。知道得越早越能提前準備，而颱風、暴雨這類極端天氣變多，猜錯的代價也越來越大。
• 00:00 傳統天氣預報使用以物理為基礎的數學方程式，把大氣的各種變數拿來一步一步模擬。
  ↳ 傳統做法是把大氣當成物理題來算：用方程式描述空氣怎麼流動、怎麼升溫，再一小步一小步往未來推算。
• 00:00 傳統方法若要在全球尺度做高解析度，需要很長時間，而且非常昂貴。
  ↳ 這種算法想把全世界都算得很細，計算量會暴增，要用超級電腦跑很久，花費也很高。
• 00:35 過去必須取捨：要嘛是區域性的高解析度模型，要嘛是全球但解析度較低的模型。
  ↳ 所以以前只能二選一：只算某個地區但算得很細，或是算全球但畫面比較粗。
• 00:35 AI 採取不同做法：從大氣的歷史觀測資料中學習，找出如何最好地預測天氣。
  ↳ AI 不去解物理方程式，而是讀大量過去的天氣紀錄，自己從中找出「這種狀況接下來通常會怎麼變」的規律。
• 00:35 AI 可以補上這個落差，在全球各地都提供高解析度預報。
  ↳ 因為 AI 算起來快很多，就不必再二選一，全球每個地方都能拿到細緻的預報。
• 00:35 先前的 WeatherNext 模型已證明，AI 能比傳統天氣預報模型更快、更準確地產出全球預報。
  ↳ 這不是第一次嘗試。前幾代 WeatherNext 已經證明 AI 做全球預報可以比傳統模型更快也更準。
• 01:45 WeatherNext 3 是第一個全球 operational 天氣模型，一天中每小時產出一份新預報，解析度最高達 5 公里，時間步長為每小時。
  ↳ operational 是指「實際上線、固定運作」，不是實驗品。它每小時出一份新預報，最細到 5 公里一格，預報內容也是一小時一小時列出來。
• 01:45 WeatherNext 3 在大多數變數上具有 state-of-the-art 的預報能力（skill）。
  ↳ state-of-the-art 意思是「目前最高水準」，skill 是氣象界衡量預報準不準的說法。也就是它在大多數項目上都是目前最準的那一級。
• 01:45 天氣中的「變數」指溫度、風、氣壓、降雨等，用來描述大氣中正在發生的事。
  ↳ variables（變數）就是預報裡的各個項目：溫度、風、氣壓、雨量等等，合起來描述大氣現在的狀態。
• 01:45 把速度與細節同時結合，讓它更能在人們與產業實際運作的地方提供可據以行動的資料。
  ↳ 又快又細才有實際用處：預報要對得上你所在的那個地點、那個時段，人和企業才能真的據此做決定。
• 02:18 WeatherNext 3 直接納入真實世界的觀測資料，例如來自衛星與地面氣象站的資料。
  ↳ 它直接吃進實際量到的資料，像是衛星拍到的、地面氣象站測到的，而不只靠別人整理好的二手資料。
• 02:18 先前的 AI 模型純粹以 analysis 為基礎，因此更新頻率有限，通常每六小時一次。
  ↳ analysis 是氣象單位把各種觀測整理成的「目前大氣全貌」，通常六小時才做一次。舊的 AI 模型只吃這個，所以也只能六小時更新一次。
• 02:18 大氣不是以六小時為單位跳動的；不論是降水或風向轉變，變化可能在幾分鐘內發生。
  ↳ 但天氣不會等六小時才變。下雨、風向轉變可能幾分鐘內就發生，六小時更新一次會漏掉很多變化。
• 02:18 WeatherNext 3 直接使用原始衛星資料，因此能每小時產出一份新預報。
  ↳ raw satellite data 是衛星傳回來、還沒被整理過的原始資料。直接用它就不用等六小時一次的整理，所以能每小時更新。
• 02:54 空間解析度是指在特定區域內想提供的細節量；就像手機照片，高解析度代表照片上有更多像素。
  ↳ spatial resolution（空間解析度）是預報在地圖上切得多細。跟手機照片一樣，像素越多，看得到的細節越多。
• 02:54 想像把地球分成許多方格；若以 25 公里乘 25 公里的方格預測天氣，等於是在那個尺度上對天氣做某種平均。
  ↳ 把地球切成一格一格，25 公里一格的話，整格只有一個數值。等於台北市區和旁邊的山區被平均成同一種天氣。
• 03:28 要預測人們在地面上實際感受到的天氣，就需要更高解析度的預報。
  ↳ 你實際感受到的是你站的那個點的天氣，不是方圓 25 公里的平均，所以格子要切得更細才貼近真實。
• 03:28 這對住在海岸或山區附近的人特別重要，因為那裡的天氣可能在短距離內變化很快。
  ↳ 海邊和山區尤其如此，隔幾公里天氣就可能差很多。台灣山海都近，這點很有感。
• 03:28 WeatherNext 3 在 single pass 中提供三種原生解析度。
  ↳ single pass 是「跑一次就全部算完」，native resolution 是模型直接算出來、不是事後放大的解析度。它一次就產出三種粗細的結果。
• 03:28 25 公里解析度用於較大範圍的大氣變化。
  ↳ 25 公里這一級用來看大範圍的大氣變化，例如鋒面、高低壓這類大尺度的系統怎麼移動。
• 03:28 所有地表變數（如風或氣壓）可用 9 公里解析度預測。
  ↳ surface variables（地表變數）是貼近地面的項目，像風和氣壓，這些用 9 公里一格來預測。
• 04:04 溫度與濕度的解析度最高達 5 公里。
  ↳ 溫度和濕度是最細的一級，最高到 5 公里一格，這也是一般人最直接感受到的兩項。
• 04:04 團隊決定聚焦的領域之一是再生能源。
  ↳ 團隊特別針對再生能源下功夫，因為風電和太陽能發多少電完全看天氣。
• 04:04 新增 100 公尺高度的風速與風向，對管理風場很有用，因為那是風力發電機的典型高度。
  ↳ 風力發電機的葉片大約在 100 公尺高，那裡的風和地面不同。所以新增這個高度的風速風向，方便風場估算發電量。
• 04:04 也新增雲量與輻射，用來預測有多少陽光會照到太陽能板。
  ↳ cloud cover and radiation 是雲量和太陽輻射量，也就是雲遮了多少、陽光有多強，用來估算太陽能板能收到多少日照。
• 04:04 天氣是少數尖端 AI 能直接改善每天影響數十億人決策的領域之一。
  ↳ 天氣是少數 AI 能直接幫上幾十億人日常決定的領域，從要不要帶傘到電網怎麼調度都算在內。

WeatherNext 3 為什麼能每小時產出一份新預報？