WeatherNext Gen Forecasts

info

Kumpulan data ini adalah bagian dari Katalog Publisher, dan tidak dikelola oleh Google Earth Engine. Hubungi [e-mail] untuk melaporkan bug atau lihat set data lainnya dari Katalog WeatherNext. Pelajari lebih lanjut set data Publisher.

Pemilik Katalog

WeatherNext

Ketersediaan Set Data

2020-01-01T00:00:00Z–2025-09-01T12:00:00Z

Penyedia Set Data

Google

Cuplikan Earth Engine

ee.ImageCollection("projects/gcp-public-data-weathernext/assets/126478713_1_0")

Tag

climate forecast gcp-public-data-weathernext precipitation publisher-dataset temperature weather weathernext wind

Deskripsi

WeatherNext Gen adalah set data eksperimental prakiraan cuaca ansambel jarak menengah global yang dihasilkan oleh versi operasional model cuaca ansambel berbasis difusi Google DeepMind.

Set data eksperimental mencakup data real-time dan historis. Data real-time adalah data apa pun yang terkait dengan waktu tidak lebih dari 48 jam yang lalu ("Data Eksperimental Real-Time"), sedangkan data historis adalah data apa pun yang terkait dengan waktu lebih dari 48 jam yang lalu ("Data Eksperimental Historis"). Set data ini mencakup kolom permukaan utama, termasuk suhu, angin, presipitasi, kelembapan, geopotensial, suhu permukaan laut, kecepatan vertikal, dan tekanan. Resolusi spasialnya adalah 0,25 derajat. Waktu inisialisasi perkiraan memiliki resolusi 6 jam (00z, 06z, 12z, 18z). Waktu tunggu perkiraan memiliki resolusi 12 jam hingga waktu tunggu maksimum 15 hari.

Jika Anda tertarik untuk mengakses set data eksperimental, harap isi formulir Permintaan Data WeatherNext ini.

Informasi selengkapnya tentang model ini dijelaskan dalam "GenCast: Diffusion-based ensemble forecasting for medium-range weather". Model yang digunakan untuk menghasilkan set data eksperimental ini adalah versi operasional yang berasal dari model riset tersebut. Perhatikan bahwa akurasi model operasional ini mungkin tidak sama persis dengan akurasi yang dilaporkan untuk model riset, dan variabel tambahan mungkin disertakan dalam set data perkiraan ini. Set data perkiraan yang dihasilkan oleh model riset dan yang digunakan untuk menghasilkan hasil dalam makalah di atas dapat ditemukan di gs://weathernext/weathernext_gen_research_2019.

Jika ada pertanyaan tentang penggunaan set data eksperimental ini, atau ingin menggunakannya untuk tujuan yang saat ini tidak diizinkan berdasarkan persyaratan penggunaan yang ditetapkan di bawah, hubungi [e-mail].

Jadwal Penyebaran

Semua 50 anggota perkiraan ansambel dirilis ke BigQuery dan Earth Engine. Semua anggota dirilis secara bersamaan. Semua waktu menggunakan zona waktu UTC dan merupakan perkiraan kasar (dengan variasi ± 15 menit). Terkadang, waktu dapat bervariasi hingga ± 60 menit atau lebih. Jika pengiriman data melebihi +60 menit, harap beri tahu kami melalui [e-mail].

Operasi perkiraan (waktu inisialisasi)	Jadwal penyebaran perkiraan
00:00	08:05
06:00	14:05
12:00	20:05
18:00	02:05

Mengakses Data Mentah (.zarr)

Bucket yang berisi file .zarr mentah untuk set data historis 2020 hingga saat ini ("Data Eksperimental Historis") tersedia di gs://weathernext/126478713_1_0/zarr. Selain itu, prakiraan historis tahun 2019, yang merupakan prakiraan satu tahun tambahan yang dievaluasi dalam “Probabilistic weather forecasting with machine learning”, tersedia di gs://weathernext/weathernext_gen_research_2019. Set data perkiraan 2019 adalah data perkiraan untuk tahun tambahan, yang melengkapi data 2020-2024 yang tersedia melalui listingan set data ini. Prakiraan tahun 2019, seperti dalam makalah, adalah prakiraan yang diinisialisasi ERA5 untuk model yang dilatih di ERA5. Untuk mendapatkan akses ke resource tersebut, minta akses melalui formulir Permintaan Data WeatherNext yang sama.

Ucapan terima kasih

Data eksperimental dihasilkan oleh model yang berkomunikasi dengan dan/atau mereferensikan library dan paket terpisah berikut:

• Data dan produk European Centre for Medium-range Weather Forecasts (ECMWF), sebagaimana diubah oleh Google.
• Informasi Copernicus Climate Change Service yang dimodifikasi pada tahun 2023. Baik Komisi Eropa maupun ECMWF tidak bertanggung jawab atas penggunaan apa pun yang mungkin dilakukan terhadap informasi atau data Copernicus yang ada di dalamnya.
• Set data HRES ECMWF
  • Pernyataan hak cipta: Hak cipta "© 2023 European Centre for Medium-Range Weather Forecasts (ECMWF)".
  • Sumber: www.ecmwf.int
  • Pernyataan Lisensi: Data terbuka ECMWF dipublikasikan berdasarkan Creative Commons Attribution 4.0 International (CC BY 4.0). https://creativecommons.org/licenses/by/4.0/
  • Pernyataan Penyangkalan: ECMWF tidak bertanggung jawab atas kesalahan atau kelalaian dalam data, ketersediaannya, atau atas kehilangan atau kerusakan yang timbul dari penggunaannya.

Band

Ukuran Piksel
27.750 meter

Band

Nama	Unit	Ukuran Piksel	Deskripsi
total_precipitation_12hr	m	meter	Total presipitasi selama periode 12 jam
100m_u_component_of_wind	m/d	meter	Komponen angin U 100 meter
100m_v_component_of_wind	m/d	meter	Komponen angin V 100 meter
10m_u_component_of_wind	m/d	meter	Komponen angin U 10 meter
10m_v_component_of_wind	m/d	meter	Komponen angin V 10 meter
2m_temperature	K	meter	Suhu 2 meter
mean_sea_level_pressure	Pa	meter	Tekanan permukaan laut rata-rata
sea_surface_temperature	K	meter	Suhu permukaan laut
50_geopotential	m^2/s^2	meter	Geopotensial pada 50 hPa
100_geopotential	m^2/s^2	meter	Geopotensial pada 100 hPa
150_geopotential	m^2/s^2	meter	Geopotensial pada 150 hPa
200_geopotential	m^2/s^2	meter	Geopotensial pada 200 hPa
250_geopotential	m^2/s^2	meter	Geopotensial pada 250 hPa
300_geopotential	m^2/s^2	meter	Geopotensial pada 300 hPa
400_geopotential	m^2/s^2	meter	Geopotensial pada 400 hPa
500_geopotential	m^2/s^2	meter	Geopotensial pada 500 hPa
600_geopotential	m^2/s^2	meter	Geopotensial pada 600 hPa
700_geopotential	m^2/s^2	meter	Geopotensial pada 700 hPa
850_geopotential	m^2/s^2	meter	Geopotensial pada 850 hPa
925_geopotential	m^2/s^2	meter	Geopotensial pada 925 hPa
1000_geopotential	m^2/s^2	meter	Geopotensial pada 1000 hPa
50_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 50 hPa
100_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 100 hPa
150_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 150 hPa
200_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 200 hPa
250_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 250 hPa
300_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 300 hPa
400_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 400 hPa
500_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 500 hPa
600_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 600 hPa
700_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 700 hPa
850_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 850 hPa
925_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 925 hPa
1000_specific_humidity	kg/kg	meter	Kelembapan spesifik pada 1000 hPa
50_temperature	K	meter	Suhu pada 50 hPa
100_temperature	K	meter	Suhu pada 100 hPa
150_temperature	K	meter	Suhu pada 150 hPa
200_temperature	K	meter	Suhu pada 200 hPa
250_temperature	K	meter	Suhu pada 250 hPa
300_temperature	K	meter	Suhu pada 300 hPa
400_temperature	K	meter	Suhu pada 400 hPa
500_temperature	K	meter	Suhu pada 500 hPa
600_temperature	K	meter	Suhu pada 600 hPa
700_temperature	K	meter	Suhu pada 700 hPa
850_temperature	K	meter	Suhu pada 850 hPa
925_temperature	K	meter	Suhu pada 925 hPa
1000_temperature	K	meter	Suhu pada 1000 hPa
50_u_component_of_wind	m/d	meter	Komponen angin U pada 50 hPa
100_u_component_of_wind	m/d	meter	Komponen angin U pada 100 hPa
150_u_component_of_wind	m/d	meter	Komponen angin U pada 150 hPa
200_u_component_of_wind	m/d	meter	Komponen angin U pada 200 hPa
250_u_component_of_wind	m/d	meter	Komponen angin U pada 250 hPa
300_u_component_of_wind	m/d	meter	Komponen angin U pada 300 hPa
400_u_component_of_wind	m/d	meter	Komponen angin U pada 400 hPa
500_u_component_of_wind	m/d	meter	Komponen angin U pada 500 hPa
600_u_component_of_wind	m/d	meter	Komponen angin U pada 600 hPa
700_u_component_of_wind	m/d	meter	Komponen angin U pada 700 hPa
850_u_component_of_wind	m/d	meter	Komponen angin U pada 850 hPa
925_u_component_of_wind	m/d	meter	Komponen angin U pada 925 hPa
1000_u_component_of_wind	m/d	meter	Komponen angin U pada 1000 hPa
50_v_component_of_wind	m/d	meter	Komponen angin V pada 50 hPa
100_v_component_of_wind	m/d	meter	Komponen angin V pada 100 hPa
150_v_component_of_wind	m/d	meter	Komponen angin V pada 150 hPa
200_v_component_of_wind	m/d	meter	Komponen angin V pada 200 hPa
250_v_component_of_wind	m/d	meter	Komponen angin V pada 250 hPa
300_v_component_of_wind	m/d	meter	Komponen angin V pada 300 hPa
400_v_component_of_wind	m/d	meter	Komponen angin V pada 400 hPa
500_v_component_of_wind	m/d	meter	Komponen angin V pada 500 hPa
600_v_component_of_wind	m/d	meter	Komponen angin V pada 600 hPa
700_v_component_of_wind	m/d	meter	Komponen angin V pada 700 hPa
850_v_component_of_wind	m/d	meter	Komponen angin V pada 850 hPa
925_v_component_of_wind	m/d	meter	Komponen angin V pada 925 hPa
1000_v_component_of_wind	m/d	meter	Komponen angin V pada 1000 hPa
50_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 50 hPa
100_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 100 hPa
150_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 150 hPa
200_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 200 hPa
250_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 250 hPa
300_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 300 hPa
400_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 400 hPa
500_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 500 hPa
600_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 600 hPa
700_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 700 hPa
850_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 850 hPa
925_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 925 hPa
1000_vertical_velocity	Pa/s	meter	Kecepatan vertikal pada 1000 hPa

Properti Gambar

Properti Gambar

Nama	Jenis	Deskripsi
start_time	STRING	Waktu inisialisasi perkiraan. Hal ini sama untuk semua jam perkiraan dalam satu proses model.
end_time	STRING	Waktu yang valid untuk perkiraan tertentu ini. Dihitung sebagai start_time + forecast_hour.
forecast_hour	INT	Waktu tunggu perkiraan dalam jam. Mewakili jumlah jam dari start_time.
ingestion_time	DOUBLE	Waktu saat data perkiraan ini tersedia di Earth Engine.
ensemble_member	STRING	Anggota ansambel, sebagai string.

Persyaratan Penggunaan

Persyaratan Penggunaan

Data Eksperimental Historis dilisensikan berdasarkan Lisensi Internasional Creative Commons Attribution, Versi 4.0 (CC BY 4.0).

Data Eksperimental Real-Time disediakan berdasarkan Persyaratan Penggunaan Data Eksperimental Prakiraan Cuaca Real-Time GDM berikut.

Materi pihak ketiga

Penggunaan materi pihak ketiga yang dirujuk di bagian Ucapan Terima Kasih mungkin diatur oleh persyaratan dan ketentuan atau ketentuan lisensi terpisah. Penggunaan materi pihak ketiga oleh Anda tunduk pada persyaratan tersebut dan Anda harus memastikan bahwa Anda dapat mematuhi batasan atau persyaratan dan ketentuan yang berlaku sebelum menggunakannya.

Kutipan

Kutipan:

• Untuk Data Eksperimental Real-Time, lihat Persyaratan Penggunaan yang berlaku untuk persyaratan kutipan.

  Jika Anda mengungkapkan temuan yang berasal dari Data Historis, Anda harus mengutip "© 2024 model machine learning DeepMind Technologies Limited yang digunakan untuk membuat data eksperimental yang tersedia di https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_126478713_1_0 berdasarkan persyaratan lisensi CC BY 4.0. Data ini hanya ditujukan untuk pemodelan eksperimental dan tidak dimaksudkan, divalidasi, atau disetujui untuk penggunaan di dunia nyata."

Mengeksplorasi dengan Earth Engine

Penting: Earth Engine adalah platform untuk analisis ilmiah dan visualisasi set data geospasial berskala petabyte, baik untuk manfaat publik maupun untuk pengguna bisnis dan pemerintah. Earth Engine dapat digunakan secara gratis untuk penelitian, pendidikan, dan penggunaan nonprofit. Untuk memulai, daftar untuk mendapatkan akses Earth Engine.

Editor Kode (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');

Buka di Editor Kode

Prakiraan Cuaca Next Gen

WeatherNext Gen adalah set data eksperimental prakiraan cuaca ansambel jarak menengah global yang dihasilkan oleh versi operasional model cuaca ansambel berbasis difusi Google DeepMind. Set data eksperimental mencakup data real-time dan historis. Data real-time adalah data apa pun yang terkait dengan waktu yang tidak lebih dari 48 jam …

projects/gcp-public-data-weathernext/assets/126478713_1_0, climate,forecast,gcp-public-data-weathernext,precipitation,publisher-dataset,temperature,weather,weathernext,wind

2020-01-01T00:00:00Z/2025-09-01T12:00:00Z

-90 -180 90 180

Google Earth Engine

https://developers.google.com/earth-engine/datasets