이 데이터 세트는 게시자 카탈로그에 포함되어 있으며 Google 어스 엔진에서 관리하지 않습니다. 버그가 있는 경우 weathernext@google.com에 문의하거나 WeatherNext 카탈로그에서 더 많은 데이터 세트를 확인하세요. 게시자 데이터 세트 자세히 알아보기
- 카탈로그 소유자
- WeatherNext
- 데이터 세트 제공
- 2020-01-01T00:00:00Z–2025-09-03T12:00:00Z
- 데이터 세트 제공업체
- 태그
설명
WeatherNext Gen은 Google DeepMind의 확산 기반 앙상블 날씨 모델의 운영 버전에서 생성된 전 세계 중기 앙상블 날씨 예측의 실험적 데이터 세트입니다.
실험 데이터 세트에는 실시간 데이터와 과거 데이터가 포함됩니다. 실시간 데이터는 48시간 이내의 과거 시점과 관련된 모든 데이터 ('실시간 실험 데이터')이고, 과거 데이터는 48시간 이전의 시점과 관련된 모든 데이터 ('과거 실험 데이터')입니다. 이 데이터 세트에는 온도, 바람, 강수량, 습도, 지위, 해수면 온도, 수직 속도, 압력 등 주요 지표면 필드가 포함되어 있습니다. 공간 해상도는 0.25도입니다. 예측 초기화 시간은 6시간 해상도 (00z, 06z, 12z, 18z)를 갖습니다. 예측 리드 타임은 최대 리드 타임이 15일인 경우 12시간 해상도를 갖습니다.
실험용 데이터 세트에 액세스하려면 이 WeatherNext 데이터 요청 양식을 작성해 주세요.
모델에 관한 자세한 내용은 'GenCast: Diffusion-based ensemble forecasting for medium-range weather'를 참고하세요.
이 실험 데이터 세트를 생성하는 데 사용된 모델은 해당 연구 모델에서 파생된 운영 버전입니다. 이 운영 모델의 정확도는 연구 모델에 보고된 정확도와 정확히 일치하지 않을 수 있으며 이 예측 데이터 세트에 추가 변수가 포함될 수 있습니다. 연구 모델에서 생성되었으며 위의 논문에서 결과를 생성하는 데 사용된 예측 데이터 세트는 gs://weathernext/weathernext_gen_research_2019에서 확인할 수 있습니다.
이 실험용 데이터 세트 사용에 관해 궁금한 점이 있거나 아래에 명시된 이용약관에 따라 현재 허용되지 않는 목적으로 사용하고 싶다면 weathernext@google.com으로 문의하세요.
전파 일정
앙상블 예측의 모든 50개 멤버가 BigQuery 및 Earth Engine에 출시됩니다. 모든 회원이 동시에 출시됩니다. 모든 시간은 UTC 시간대 기준이며 대략적인 추정치입니다 (일반적으로 ± 15분 차이). 경우에 따라 시간이 최대 ± 60분 이상 차이가 날 수 있습니다. 데이터 전송이 60분을 초과하는 경우 weathernext@google.com으로 알려주세요.
| 예측 실행 (초기화 시간) | 예측 배포 일정 |
|---|---|
| 00:00 | 08:05 |
| 06:00 | 14:05 |
| 12:00 | 20:05 |
| 18:00 | 02:05 |
원시 데이터 (.zarr) 액세스
2020년부터 현재까지의 이전 데이터 세트('이전 실험 데이터')의 원시 .zarr 파일이 포함된 버킷은 gs://weathernext/126478713_1_0/zarr에서 확인할 수 있습니다.
또한 '머신러닝을 사용한 확률적 일기예보'에서 평가된 추가 1년의 예측인 2019년 과거 예측은 gs://weathernext/weathernext_gen_research_2019에서 확인할 수 있습니다.
2019년 예측 데이터 세트는 이 데이터 세트 목록을 통해 제공되는 2020~2024년 데이터를 보완하는 추가 1년의 예측 데이터입니다. 2019년 예측은 논문에서와 같이 ERA5로 학습된 모델에 대한 ERA5 초기화 예측입니다.
이러한 리소스에 액세스하려면 동일한 WeatherNext 데이터 요청 양식을 통해 액세스를 요청하세요.
감사의 말씀
실험 데이터는 다음 별도의 라이브러리 및 패키지와 통신하거나 이를 참조하는 모델에 의해 생성되었습니다.
- Google에서 수정한 유럽중기예보센터(ECMWF)의 데이터 및 제품
- 수정된 Copernicus 기후 변화 서비스 정보 2023 유럽 위원회나 ECMWF는 코페르니쿠스 정보 또는 여기에 포함된 데이터로 이루어진 모든 사용에 대해 어떠한 책임도 지지 않습니다.
- ECMWF HRES 데이터 세트
- 저작권 고지사항: 저작권 '© 2023 유럽중기예보센터 (ECMWF)'.
- 출처: www.ecmwf.int
- 라이선스 명세: ECMWF 공개 데이터는 크리에이티브 커먼즈 저작자 표시 4.0 국제 (CC BY 4.0)에 따라 게시됩니다. https://creativecommons.org/licenses/by/4.0/
- 면책 조항: ECMWF는 데이터의 오류 또는 누락, 데이터의 가용성 또는 데이터 사용으로 인해 발생하는 손실이나 손해에 대해 어떠한 책임도 지지 않습니다.
대역
픽셀 크기
27750m
대역
| 이름 | 단위 | 픽셀 크기 | 설명 |
|---|---|---|---|
total_precipitation_12hr |
m | 미터 | 12시간 동안의 총 강수량 |
100m_u_component_of_wind |
m/s | 미터 | 100미터 U 풍속 구성요소 |
100m_v_component_of_wind |
m/s | 미터 | 100미터 V 풍속 구성요소 |
10m_u_component_of_wind |
m/s | 미터 | 10미터 U 풍속 구성요소 |
10m_v_component_of_wind |
m/s | 미터 | 10미터 V 풍향 구성요소 |
2m_temperature |
K | 미터 | 2미터 온도 |
mean_sea_level_pressure |
Pa | 미터 | 평균 해면 기압 |
sea_surface_temperature |
K | 미터 | 해수면 온도 |
50_geopotential |
m^2/s^2 | 미터 | 50hPa에서의 지위고도 |
100_geopotential |
m^2/s^2 | 미터 | 100hPa에서의 지위고도 |
150_geopotential |
m^2/s^2 | 미터 | 150hPa에서의 지위고도 |
200_geopotential |
m^2/s^2 | 미터 | 200hPa에서의 지오포텐셜 |
250_geopotential |
m^2/s^2 | 미터 | 250hPa에서의 지위고도 |
300_geopotential |
m^2/s^2 | 미터 | 300hPa에서의 지위고도 |
400_geopotential |
m^2/s^2 | 미터 | 400hPa에서의 지위고도 |
500_geopotential |
m^2/s^2 | 미터 | 500hPa에서의 지오포텐셜 |
600_geopotential |
m^2/s^2 | 미터 | 600hPa에서의 지위고도 |
700_geopotential |
m^2/s^2 | 미터 | 700hPa에서의 지위고도 |
850_geopotential |
m^2/s^2 | 미터 | 850hPa에서의 지위고도 |
925_geopotential |
m^2/s^2 | 미터 | 925hPa에서의 지위고도 |
1000_geopotential |
m^2/s^2 | 미터 | 1000hPa에서의 지위고도 |
50_specific_humidity |
kg/kg | 미터 | 50hPa에서의 비습 |
100_specific_humidity |
kg/kg | 미터 | 100hPa에서의 비습 |
150_specific_humidity |
kg/kg | 미터 | 150hPa에서의 비습 |
200_specific_humidity |
kg/kg | 미터 | 200hPa에서의 비습 |
250_specific_humidity |
kg/kg | 미터 | 250hPa에서의 비습 |
300_specific_humidity |
kg/kg | 미터 | 300hPa에서의 비습 |
400_specific_humidity |
kg/kg | 미터 | 400hPa에서의 비습 |
500_specific_humidity |
kg/kg | 미터 | 500hPa에서의 비습 |
600_specific_humidity |
kg/kg | 미터 | 600hPa에서의 비습 |
700_specific_humidity |
kg/kg | 미터 | 700hPa에서의 비습 |
850_specific_humidity |
kg/kg | 미터 | 850hPa에서의 비습 |
925_specific_humidity |
kg/kg | 미터 | 925hPa에서의 비습 |
1000_specific_humidity |
kg/kg | 미터 | 1000hPa에서의 비습 |
50_temperature |
K | 미터 | 50hPa에서의 온도 |
100_temperature |
K | 미터 | 100hPa에서의 온도 |
150_temperature |
K | 미터 | 150hPa에서의 온도 |
200_temperature |
K | 미터 | 200hPa에서의 온도 |
250_temperature |
K | 미터 | 250hPa에서의 온도 |
300_temperature |
K | 미터 | 300hPa에서의 온도 |
400_temperature |
K | 미터 | 400hPa에서의 온도 |
500_temperature |
K | 미터 | 500hPa에서의 온도 |
600_temperature |
K | 미터 | 600hPa에서의 온도 |
700_temperature |
K | 미터 | 700hPa에서의 온도 |
850_temperature |
K | 미터 | 850hPa에서의 온도 |
925_temperature |
K | 미터 | 925hPa에서의 온도 |
1000_temperature |
K | 미터 | 1,000hPa에서의 온도 |
50_u_component_of_wind |
m/s | 미터 | 50hPa에서의 U 풍속 구성요소 |
100_u_component_of_wind |
m/s | 미터 | 100hPa에서의 U 풍속 구성요소 |
150_u_component_of_wind |
m/s | 미터 | 150hPa에서의 U 풍속 구성요소 |
200_u_component_of_wind |
m/s | 미터 | 200hPa에서의 U 풍속 구성요소 |
250_u_component_of_wind |
m/s | 미터 | 250hPa에서의 U 풍속 구성요소 |
300_u_component_of_wind |
m/s | 미터 | 300hPa에서의 U 풍속 구성요소 |
400_u_component_of_wind |
m/s | 미터 | 400hPa에서의 U 풍속 구성요소 |
500_u_component_of_wind |
m/s | 미터 | 500hPa에서의 U 풍속 구성요소 |
600_u_component_of_wind |
m/s | 미터 | 600hPa에서의 U 바람 구성요소 |
700_u_component_of_wind |
m/s | 미터 | 700hPa에서의 U 풍속 구성요소 |
850_u_component_of_wind |
m/s | 미터 | 850hPa에서의 U 풍속 구성요소 |
925_u_component_of_wind |
m/s | 미터 | 925hPa에서의 U 풍속 구성요소 |
1000_u_component_of_wind |
m/s | 미터 | 1000hPa에서의 U 풍속 구성요소 |
50_v_component_of_wind |
m/s | 미터 | 50hPa에서의 V 풍속 구성요소 |
100_v_component_of_wind |
m/s | 미터 | 100hPa에서의 V 풍속 구성요소 |
150_v_component_of_wind |
m/s | 미터 | 150hPa에서의 V 풍속 구성요소 |
200_v_component_of_wind |
m/s | 미터 | 200hPa에서의 V 풍속 구성요소 |
250_v_component_of_wind |
m/s | 미터 | 250hPa에서의 V 풍속 구성요소 |
300_v_component_of_wind |
m/s | 미터 | 300hPa에서의 V 풍속 구성요소 |
400_v_component_of_wind |
m/s | 미터 | 400hPa에서의 V 풍속 구성요소 |
500_v_component_of_wind |
m/s | 미터 | 500hPa에서의 V 풍속 구성요소 |
600_v_component_of_wind |
m/s | 미터 | 600hPa에서의 V 풍속 구성요소 |
700_v_component_of_wind |
m/s | 미터 | 700hPa에서의 V 풍속 구성요소 |
850_v_component_of_wind |
m/s | 미터 | 850hPa에서의 V 풍속 구성요소 |
925_v_component_of_wind |
m/s | 미터 | 925hPa에서의 V 풍속 구성요소 |
1000_v_component_of_wind |
m/s | 미터 | 1000hPa에서의 V 풍속 구성요소 |
50_vertical_velocity |
Pa/s | 미터 | 50hPa에서의 수직 속도 |
100_vertical_velocity |
Pa/s | 미터 | 100hPa에서의 수직 속도 |
150_vertical_velocity |
Pa/s | 미터 | 150hPa에서의 수직 속도 |
200_vertical_velocity |
Pa/s | 미터 | 200hPa에서의 수직 속도 |
250_vertical_velocity |
Pa/s | 미터 | 250hPa에서의 수직 속도 |
300_vertical_velocity |
Pa/s | 미터 | 300hPa에서의 수직 속도 |
400_vertical_velocity |
Pa/s | 미터 | 400hPa에서의 수직 속도 |
500_vertical_velocity |
Pa/s | 미터 | 500hPa에서의 수직 속도 |
600_vertical_velocity |
Pa/s | 미터 | 600hPa에서의 수직 속도 |
700_vertical_velocity |
Pa/s | 미터 | 700hPa에서의 수직 속도 |
850_vertical_velocity |
Pa/s | 미터 | 850hPa에서의 수직 속도 |
925_vertical_velocity |
Pa/s | 미터 | 925hPa에서의 수직 속도 |
1000_vertical_velocity |
Pa/s | 미터 | 1000hPa에서의 수직 속도 |
이미지 속성
이미지 속성
| 이름 | 유형 | 설명 |
|---|---|---|
| start_time | 문자열 | 예측의 초기화 시간입니다. 단일 모델 실행 내의 모든 예측 시간에서 동일합니다. |
| end_time | 문자열 | 이 특정 예측의 유효 시간입니다. start_time + forecast_hour로 계산됩니다. |
| forecast_hour | INT | 예측 리드 타임(시간)입니다. start_time부터의 시간을 나타냅니다. |
| ingestion_time | DOUBLE | 이 예측 데이터를 Earth Engine에서 사용할 수 있게 된 시간입니다. |
| ensemble_member | 문자열 | 앙상블 구성원(문자열)입니다. |
이용약관
이용약관
이전 실험 데이터는 크리에이티브 커먼즈 저작자 표시 국제 라이선스 버전 4.0 (CC BY 4.0)에 따라 라이선스가 부여됩니다.
실시간 실험 데이터는 다음 GDM 실시간 날씨 예측 실험 데이터 이용약관에 따라 제공됩니다.
서드 파티 자료
감사의 글 섹션에 언급된 서드 파티 자료의 사용에는 별도의 이용약관 또는 라이선스 조항이 적용될 수 있습니다. 서드 파티 자료의 사용에는 이러한 약관이 적용되며 사용 전에 적용 가능한 제한사항 또는 이용약관을 준수할 수 있는지 확인해야 합니다.
인용
실시간 실험 데이터의 경우 인용 요구사항에 관한 관련 이용약관을 참고하세요.
이전 데이터에서 비롯된 결과를 공개하는 경우 '© 2024 DeepMind Technologies Limited's machine learning models used to create the experimental data made available at https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_126478713_1_0 under CC BY 4.0 licence terms. 이 데이터는 실험적 모델링 전용이며 실제 사용을 위해 의도, 검증 또는 승인되지 않았습니다.'
Earth Engine으로 탐색
코드 편집기(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');