Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an weathernext@google.com oder sehen Sie sich weitere Datasets an aus dem WeatherNext-Katalog. Weitere Informationen zu Publisher-Datensätzen
- Kataloginhaber
- WeatherNext
- Dataset-Verfügbarkeit
- 2020-01-01T00:00:00Z–2025-09-01T12:00:00Z
- Dataset-Anbieter
- Tags
Beschreibung
WeatherNext Gen ist ein experimenteller Datensatz mit globalen Ensemble-Wettervorhersagen für den mittleren Zeitraum, die von einer betriebsbereiten Version des auf Diffusion basierenden Ensemble-Wettermodells von Google DeepMind erstellt werden.
Das experimentelle Dataset enthält Echtzeit- und Verlaufsdaten. Echtzeitdaten sind alle Daten, die sich auf einen Zeitpunkt beziehen, der nicht länger als 48 Stunden in der Vergangenheit liegt („Echtzeit-Versuchsdaten“). Verlaufsdaten sind alle Daten, die sich auf einen Zeitpunkt beziehen, der mehr als 48 Stunden in der Vergangenheit liegt („Verlaufs-Versuchsdaten“). Dieser Datensatz enthält wichtige Oberflächenfelder wie Temperatur, Wind, Niederschlag, Luftfeuchtigkeit, geopotenzielle Höhe, Meeresoberflächentemperatur, vertikale Geschwindigkeit und Druck. Die räumliche Auflösung beträgt 0,25 Grad. Die Initialisierungszeiten für Prognosen haben eine Auflösung von 6 Stunden (00z, 06z, 12z, 18z). Prognosevorlaufzeiten haben eine Auflösung von 12 Stunden bis zu einer maximalen Vorlaufzeit von 15 Tagen.
Wenn Sie auf das experimentelle Dataset zugreifen möchten, füllen Sie bitte dieses Antragsformular für WeatherNext-Daten aus.
Weitere Informationen zum Modell finden Sie unter GenCast: Diffusion-based ensemble forecasting for medium-range weather.
Das Modell, mit dem dieses experimentelle Dataset erstellt wurde, ist ein Betriebsmodell, das aus diesem Forschungsmodell abgeleitet wurde. Die Genauigkeit dieses Betriebsmodells entspricht möglicherweise nicht genau der Genauigkeit des Forschungsmodells. Außerdem können zusätzliche Variablen in diesem Prognose-Dataset enthalten sein. Das vom Forschungsmodell generierte Vorhersage-Dataset, das zum Generieren der Ergebnisse im oben genannten Artikel verwendet wurde, finden Sie unter gs://weathernext/weathernext_gen_research_2019.
Wenn Sie Fragen zur Verwendung dieses experimentellen Datasets haben oder es für Zwecke verwenden möchten, die derzeit nicht gemäß den unten aufgeführten Nutzungsbedingungen zulässig sind, wenden Sie sich bitte an weathernext@google.com.
Veröffentlichungszeitplan
Alle 50 Bestandteile der Ensemble-Vorhersage werden in BigQuery und Earth Engine veröffentlicht. Alle Bestandteile werden gleichzeitig veröffentlicht. Alle Zeiten sind in UTC angegeben und sind Schätzungen (mit einer typischen Abweichung von ± 15 Minuten). Gelegentlich können die Zeiten um bis zu ± 60 Minuten oder mehr variieren. Wenn die Datenbereitstellung mehr als 60 Minuten dauert, informieren Sie uns bitte über weathernext@google.com.
| Prognoseläufe (Initialisierungszeit) | Zeitplan für die Veröffentlichung von Prognosen |
|---|---|
| 00:00 | 08:05 |
| 06:00 | 14:05 |
| 12:00 | 20:05 |
| 18:00 | 02:05 |
Auf Rohdaten (.zarr) zugreifen
Ein Bucket mit den .zarr-Rohdatendateien für das historische Dataset von 2020 bis heute („Historic Experimental Data“) ist unter gs://weathernext/126478713_1_0/zarr verfügbar.
Außerdem sind unter gs://weathernext/weathernext_gen_research_2019 historische Prognosen für 2019 verfügbar, ein zusätzliches Jahr an Prognosen, die in „Probabilistic weather forecasting with machine learning“ ausgewertet wurden.
Der Prognosedatensatz für 2019 enthält zusätzliche Prognosedaten, die die Daten für 2020 bis 2024 ergänzen, die über diese Datensatzliste verfügbar sind. Die Prognosen für 2019 sind, wie im Paper, ERA5-initialisierte Prognosen für ein auf ERA5 trainiertes Modell.
Wenn Sie Zugriff auf diese Ressourcen erhalten möchten, fordern Sie ihn bitte über dasselbe WeatherNext-Datenanfrageformular an.
Danksagung
Die experimentellen Daten wurden von Modellen generiert, die mit den folgenden separaten Bibliotheken und Paketen kommunizieren und/oder auf sie verweisen:
- Daten und Produkte des Europäischen Zentrums für mittelfristige Wettervorhersage (EZMW), wie von Google modifiziert.
- Modifizierte Informationen des Copernicus Climate Change Service von 2023. Weder die Europäische Kommission noch das EZMW sind für eine Verwendung der darin enthaltenen Copernicus-Informationen oder ‑Daten verantwortlich.
- ECMWF HRES-Datasets
- Copyright-Vermerk: Copyright „© 2023 Europäisches Zentrum für mittelfristige Wettervorhersage (EZMW)“.
- Quelle: www.ecmwf.int
- Lizenzhinweis: Open Data des ECMWF werden unter der Creative Commons Attribution 4.0 International (CC BY 4.0) veröffentlicht. https://creativecommons.org/licenses/by/4.0/
- Haftungsausschluss: Das EZMW übernimmt keinerlei Haftung für Fehler oder Auslassungen in den Daten, deren Verfügbarkeit oder für Verluste oder Schäden, die durch ihre Verwendung entstehen.
Bänder
Pixelgröße
27.750 Meter
Bänder
| Name | Einheiten | Pixelgröße | Beschreibung |
|---|---|---|---|
total_precipitation_12hr |
m | Meter | Gesamtniederschlag über einen Zeitraum von 12 Stunden |
100m_u_component_of_wind |
m/s | Meter | 100 Meter U-Windkomponente |
100m_v_component_of_wind |
m/s | Meter | 100 Meter V-Windkomponente |
10m_u_component_of_wind |
m/s | Meter | 10 Meter U-Windkomponente |
10m_v_component_of_wind |
m/s | Meter | 10 Meter V-Windkomponente |
2m_temperature |
K | Meter | 2 Meter Temperatur |
mean_sea_level_pressure |
Pa | Meter | Mittlerer Druck auf Meereshöhe |
sea_surface_temperature |
K | Meter | Meeresoberflächentemperatur |
50_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 50 hPa |
100_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 100 hPa |
150_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 150 hPa |
200_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 200 hPa |
250_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 250 hPa |
300_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 300 hPa |
400_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 400 hPa |
500_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 500 hPa |
600_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 600 hPa |
700_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 700 hPa |
850_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 850 hPa |
925_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 925 hPa |
1000_geopotential |
m^2/s^2 | Meter | Geopotenzial bei 1.000 hPa |
50_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 50 hPa |
100_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 100 hPa |
150_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 150 hPa |
200_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 200 hPa |
250_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 250 hPa |
300_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 300 hPa |
400_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 400 hPa |
500_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 500 hPa |
600_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 600 hPa |
700_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 700 hPa |
850_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 850 hPa |
925_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 925 hPa |
1000_specific_humidity |
kg/kg | Meter | Spezifische Luftfeuchtigkeit bei 1.000 hPa |
50_temperature |
K | Meter | Temperatur bei 50 hPa |
100_temperature |
K | Meter | Temperatur bei 100 hPa |
150_temperature |
K | Meter | Temperatur bei 150 hPa |
200_temperature |
K | Meter | Temperatur bei 200 hPa |
250_temperature |
K | Meter | Temperatur bei 250 hPa |
300_temperature |
K | Meter | Temperatur bei 300 hPa |
400_temperature |
K | Meter | Temperatur bei 400 hPa |
500_temperature |
K | Meter | Temperatur bei 500 hPa |
600_temperature |
K | Meter | Temperatur bei 600 hPa |
700_temperature |
K | Meter | Temperatur bei 700 hPa |
850_temperature |
K | Meter | Temperatur bei 850 hPa |
925_temperature |
K | Meter | Temperatur bei 925 hPa |
1000_temperature |
K | Meter | Temperatur bei 1.000 hPa |
50_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 50 hPa |
100_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 100 hPa |
150_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 150 hPa |
200_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 200 hPa |
250_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 250 hPa |
300_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 300 hPa |
400_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 400 hPa |
500_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 500 hPa |
600_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 600 hPa |
700_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 700 hPa |
850_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 850 hPa |
925_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 925 hPa |
1000_u_component_of_wind |
m/s | Meter | U-Windkomponente bei 1.000 hPa |
50_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 50 hPa |
100_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 100 hPa |
150_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 150 hPa |
200_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 200 hPa |
250_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 250 hPa |
300_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 300 hPa |
400_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 400 hPa |
500_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 500 hPa |
600_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 600 hPa |
700_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 700 hPa |
850_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 850 hPa |
925_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 925 hPa |
1000_v_component_of_wind |
m/s | Meter | V-Windkomponente bei 1.000 hPa |
50_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 50 hPa |
100_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 100 hPa |
150_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 150 hPa |
200_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 200 hPa |
250_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 250 hPa |
300_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 300 hPa |
400_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 400 hPa |
500_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 500 hPa |
600_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 600 hPa |
700_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 700 hPa |
850_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 850 hPa |
925_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 925 hPa |
1000_vertical_velocity |
Pa/s | Meter | Vertikale Geschwindigkeit bei 1.000 hPa |
Bildattribute
Bildattribute
| Name | Typ | Beschreibung |
|---|---|---|
| start_time | STRING | Die Initialisierungszeit der Prognose. Dieser Wert ist für alle Prognosestunden innerhalb eines einzelnen Modelllaufs gleich. |
| end_time | STRING | Der gültige Zeitraum für diese spezifische Prognose. Wird so berechnet: „start_time“ + „forecast_hour“. |
| forecast_hour | INT | Die Vorlaufzeit der Vorhersage in Stunden. Stellt die Anzahl der Stunden seit der start_time dar. |
| ingestion_time | DOUBLE | Der Zeitpunkt, zu dem diese Prognosedaten in Earth Engine verfügbar wurden. |
| ensemble_member | STRING | Der Ensemblebestandteil als String. |
Nutzungsbedingungen
Nutzungsbedingungen
Die Verlaufs-Versuchsdaten sind unter der Creative Commons Attribution International License, Version 4.0 (CC BY 4.0) lizenziert.
Die Echtzeit-Versuchsdaten sind gemäß den Nutzungsbedingungen für experimentelle Echtzeit-Wettervorhersagedaten von GDM verfügbar.
Materialien von Dritten
Die Verwendung der im Abschnitt „Danksagung“ genannten Materialien von Drittanbietern unterliegt möglicherweise separaten Nutzungsbedingungen oder Lizenzbestimmungen. Ihre Nutzung der Materialien von Drittanbietern unterliegt diesen Bedingungen. Sie sollten vor der Nutzung prüfen, ob Sie alle anwendbaren Einschränkungen oder Nutzungsbedingungen einhalten können.
Zitate
Informationen zu Echtzeit-Versuchsdaten finden Sie in den entsprechenden Nutzungsbedingungen.
Wenn Sie Ergebnisse aus den Verlaufsdaten offenlegen, müssen Sie Folgendes angeben: „© 2024 DeepMind Technologies Limited. Die Modelle für maschinelles Lernen, die zum Erstellen der experimentellen Daten verwendet wurden, sind unter https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_126478713_1_0 unter den Lizenzbedingungen von CC BY 4.0 verfügbar. Diese Daten sind nur für experimentelle Modellierungen vorgesehen und sind nicht für die reale Nutzung bestimmt, validiert oder genehmigt.“
Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection( 'projects/gcp-public-data-weathernext/assets/126478713_1_0') .filter(ee.Filter.date('2020-10-01T06:00:00Z', '2020-10-01T06:01:00Z')) .filter(ee.Filter.eq('ensemble_member', '8')) .filter(ee.Filter.eq('forecast_hour', 12)); var temperature = dataset.select('2m_temperature'); var visParams = { min: 220, max: 350, palette: [ 'darkblue', 'blue', 'cyan', 'green', 'yellow', 'orange', 'red', 'darkred' ] }; Map.addLayer(temperature, visParams, '2m Temperature');