Google ha presentato WeatherNext 3, una nuova generazione del proprio modello AI per le previsioni meteorologiche globali, sviluppata da Google DeepMind e Google Research per produrre aggiornamenti ad alta risoluzione ogni ora utilizzando direttamente dati satellitari in tempo reale. Il sistema è stato progettato per ridurre il ritardo tipico dei modelli che dipendono dai dati delle previsioni numeriche del tempo, nei quali l’elaborazione tramite supercomputer può introdurre diverse ore di scarto tra l’osservazione effettiva e la previsione disponibile. WeatherNext 3 utilizza invece osservazioni grezze provenienti da satelliti geostazionari e genera nuovi forecast ogni ora, con l’obiettivo di rappresentare più rapidamente fenomeni meteorologici in evoluzione e fornire informazioni più aggiornate per settori particolarmente sensibili alle variazioni di vento, nuvolosità e irraggiamento solare.
Uno dei principali miglioramenti riguarda proprio la latenza dei dati. Nei sistemi AI basati sulle tradizionali previsioni numeriche, il processo di assimilazione e calcolo può determinare un ritardo che porta le informazioni utilizzate dal modello a essere vecchie di circa sei ore. WeatherNext 3 acquisisce invece direttamente le osservazioni satellitari disponibili in tempo reale e riduce l’intervallo complessivo tra osservazione e previsione da circa sette ore a 3-4 ore. Parallelamente è stata aumentata la risoluzione spaziale: mentre WeatherNext 2 operava su griglie da 25 chilometri con aggiornamenti ogni sei ore, WeatherNext 3 fornisce per alcune variabili superficiali, tra cui temperatura e umidità, informazioni con una risoluzione fino a 5 chilometri, circa cinque volte più dettagliata rispetto alla generazione precedente.
Il modello utilizza inoltre direttamente dati provenienti dalle stazioni meteorologiche terrestri, combinandoli con le caratteristiche topografiche delle diverse aree, comprese regioni montuose e costiere. Questa impostazione consente di produrre previsioni locali a 5 chilometri anche in zone nelle quali le infrastrutture tradizionali di previsione meteorologica sono meno sviluppate. Google indica in particolare America Latina, Africa e Asia come aree nelle quali la disponibilità di previsioni ad alta risoluzione potrebbe aumentare senza richiedere necessariamente l’installazione di costosi sistemi di supercalcolo meteorologico.
WeatherNext 3 introduce miglioramenti anche nella previsione delle precipitazioni. Il sistema è stato addestrato utilizzando dati satellitari IMERG della NASA insieme a dataset globali di rianalisi delle precipitazioni, con l’obiettivo di aumentare l’accuratezza delle stime nelle previsioni a medio termine. Nelle valutazioni citate da Google, il modello ha migliorato sensibilmente le prestazioni rispetto alle versioni precedenti, mentre una valutazione indipendente realizzata da Brightband lo ha collocato davanti a diversi modelli AI concorrenti e ad alcuni sistemi tradizionali di previsione numerica del tempo.
Una parte importante dello sviluppo è stata dedicata all’utilizzo nel settore energetico. WeatherNext 3 può prevedere separatamente la velocità del vento a un’altezza di 100 metri, valore vicino alla quota operativa delle turbine eoliche moderne e quindi direttamente utilizzabile per stimare la produzione degli impianti. Per il fotovoltaico il modello fornisce invece dati ad alta risoluzione sulla copertura nuvolosa e sull’irraggiamento che raggiunge la superficie terrestre, due variabili fondamentali per prevedere l’energia effettivamente producibile da un impianto solare. L’aggiornamento orario permette così di correggere rapidamente le stime quando cambiano le condizioni meteorologiche.
Questa capacità assume particolare rilevanza nella gestione delle reti elettriche con una quota crescente di fonti rinnovabili. La produzione eolica e fotovoltaica varia direttamente in funzione delle condizioni atmosferiche, mentre gli operatori devono mantenere costantemente in equilibrio produzione e domanda. La necessità di previsioni più frequenti aumenta inoltre con la diffusione di mercati elettrici nei quali gli scambi vengono effettuati su intervalli sempre più brevi, fino a finestre di 30 o 15 minuti. Un aggiornamento orario di vento, nuvolosità e radiazione solare può quindi aiutare a stimare variazioni improvvise della produzione, come il rapido calo di un impianto fotovoltaico determinato dal passaggio di una massa nuvolosa.
Google non limiterà WeatherNext 3 all’ambito della ricerca, ma ne integrerà progressivamente le previsioni all’interno dei propri servizi e delle piattaforme cloud. Il modello verrà utilizzato in Google Search, nell’app Gemini, in Google Maps, nella Weather API di Google Maps Platform e in Google Earth Engine. Ricercatori, sviluppatori e imprese potranno inoltre accedere ai dati attraverso BigQuery ed Earth Engine oppure scaricare grandi quantità di informazioni previsionali tramite Google Cloud Storage, rendendo possibile l’integrazione dei forecast all’interno di applicazioni e sistemi aziendali dedicati a energia, logistica, agricoltura, trasporti o gestione del rischio meteorologico.
Le nuove capacità dovrebbero riflettersi anche sulle previsioni destinate al pubblico. Google prevede un miglioramento fino al 50% dell’accuratezza delle precipitazioni per le previsioni con un orizzonte superiore a un giorno. Oltre all’utilizzo quotidiano per viaggi e attività all’aperto, WeatherNext 3 è quindi destinato a fornire dati più granulari e aggiornati a settori nei quali le condizioni meteorologiche incidono direttamente sulle decisioni operative, tra cui agricoltura, trasporto merci, aviazione, risposta alle emergenze e produzione di energia.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)