O que mudou no WeatherNext 3
O Google DeepMind, em parceria com o Google Research, apresentou o WeatherNext 3, a nova geração do seu modelo de previsão climática por inteligência artificial. A principal diferença em relação à versão anterior é a forma como o modelo aprende: em vez de depender de simulações físicas de supercomputadores, ele ingere dados de satélite em tempo real e gera uma nova previsão a cada hora.
O resultado é uma grade global aproximadamente cinco vezes mais nítida que a do WeatherNext 2. A temperatura e a umidade, por exemplo, passam a ser visualizadas em resolução de 5 quilômetros — contra os 25 quilômetros da geração anterior, que ainda entregava previsões a cada seis horas.
Por que a resolução importa
Previsões mais finas fazem diferença concreta para quem vive perto de costas, vales e montanhas, onde temperatura e umidade mudam drasticamente em poucos quilômetros. O Google destaca que essa melhoria beneficia especialmente regiões da América Latina, África e Ásia-Pacífico, historicamente mal atendidas por previsões de alta resolução por causa do custo elevado dos modelos regionais tradicionais.
Há também uma novidade específica para o setor de energia limpa: o WeatherNext 3 prevê a velocidade do vento a 100 metros de altura — próximo da altura das turbinas — e a radiação solar sobre o solo, ajudando operadores de parques eólicos e solares a estimar a geração com mais precisão.
Precipitação com precisão inédita
Chuva e neve sempre foram o ponto fraco dos modelos globais. Para contornar isso, o WeatherNext 3 foi treinado com duas fontes de dados de precipitação de alta qualidade: o IMERG da NASA e uma reanálise própria baseada em radar de satélite. Nas avaliações de médio prazo, o Google relata uma melhora de até 60% na métrica CRPS em relação ao IMERG para os primeiros prazos.
Disponível em toda parte
O WeatherNext 3 começa a alimentar as experiências de clima na Busca do Google, no Gemini, no Google Maps, na API de clima do Google Maps Platform e no Google Earth Engine. A empresa afirma que, ao planejar com um dia ou mais de antecedência, os usuários verão previsões de precipitação até 50% mais precisas — com os maiores ganhos justamente nas regiões onde as previsões eram menos confiáveis.
Para pesquisadores e empresas, os dados também podem ser consultados via BigQuery, Earth Engine ou baixados em massa do Google Cloud Storage, sem necessidade de configurar modelos próprios.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
