Ta strona została przetłumaczona przez Cloud Translation API.

WeatherNext Gen Forecasts

projects/gcp-public-data-weathernext/assets/126478713_1_0

informacje

Ten zbiór danych jest częścią Katalogu wydawców i nie jest zarządzany przez Google Earth Engine. W przypadku błędów napisz na adres weathernext@google.com. Więcej zbiorów danych znajdziesz w katalogu WeatherNext. Więcej informacji o zbiorach danych wydawcy

Właściciel katalogu: WeatherNext
Dostępność zbioru danych: 2020-01-01T00:00:00Z–2025-09-01T12:00:00Z
Dostawca zbioru danych: Google

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

Opis

WeatherNext Gen to eksperymentalny zbiór danych zawierający globalne prognozy pogody średnioterminowe oparte na modelu zespołowym, które są generowane przez wersję produkcyjną opartego na dyfuzji modelu zespołowego prognozowania pogody Google DeepMind.

Eksperymentalny zbiór danych zawiera dane w czasie rzeczywistym i dane historyczne. Dane w czasie rzeczywistym to dane dotyczące czasu, który upłynął nie więcej niż 48 godzin temu („Dane eksperymentalne w czasie rzeczywistym”), a dane historyczne to dane dotyczące czasu, który upłynął ponad 48 godzin temu („Dane eksperymentalne historyczne”). Ten zbiór danych zawiera główne pola powierzchniowe, w tym temperaturę, wiatr, opady, wilgotność, potencjał geopotencjalny, temperaturę powierzchni morza, prędkość pionową i ciśnienie. Rozdzielczość przestrzenna wynosi 0,25 stopnia. Godziny inicjowania prognoz mają rozdzielczość 6-godzinną (00:00, 06:00, 12:00, 18:00). Czas oczekiwania na prognozę jest podawany z dokładnością do 12 godzin, a maksymalny czas oczekiwania wynosi 15 dni.

Jeśli chcesz uzyskać dostęp do eksperymentalnego zbioru danych, wypełnij ten formularz prośby o dane WeatherNext.

Więcej informacji o tym modelu znajdziesz w artykule „GenCast: Diffusion-based ensemble forecasting for medium-range weather” (GenCast: prognozowanie zespołowe oparte na dyfuzji na potrzeby średnioterminowych prognoz pogody). Model użyty do wygenerowania tego eksperymentalnego zbioru danych to wersja operacyjna modelu badawczego. Pamiętaj, że dokładność tego modelu operacyjnego może nie odpowiadać dokładnie dokładności zgłoszonej w przypadku modelu badawczego, a w tym zbiorze danych prognozowania mogą być uwzględnione dodatkowe zmienne. Zbiór danych prognoz wygenerowany przez model badawczy, który został użyty do wygenerowania wyników w powyższym artykule, można znaleźć pod adresem gs://weathernext/weathernext_gen_research_2019.

Jeśli masz pytania dotyczące korzystania z tego eksperymentalnego zbioru danych lub chcesz go używać w celach, które nie są obecnie dozwolone na podstawie warunków korzystania określonych poniżej, skontaktuj się z nami pod adresem weathernext@google.com.

Harmonogram rozpowszechniania

Wszystkie 50 elementów prognozy zespołowej jest udostępnianych w BigQuery i Earth Engine. Wszyscy członkowie są zwalniani w tym samym czasie. Wszystkie godziny są podane w strefie czasowej UTC i są przybliżone (z typowym odchyleniem ±15 minut). Czasami może się on różnić o ±60 minut lub więcej. Jeśli dostarczanie danych trwa dłużej niż 60 minut, poinformuj nas o tym, wysyłając e-maila na adres weathernext@google.com.

Uruchomienia prognozy (czas inicjowania)	Harmonogram rozpowszechniania prognoz
00:00	08:05
06:00	14:05
12:00	20:05
18:00	02:05

Dostęp do nieprzetworzonych danych (.zarr)

Zasobnik zawierający nieprzetworzone pliki .zarr z historycznym zbiorem danych z lat 2020–obecnie („Historyczne dane eksperymentalne”) jest dostępny pod adresem gs://weathernext/126478713_1_0/zarr. Dodatkowo na stronie gs://weathernext/weathernext_gen_research_2019 dostępne są historyczne prognozy z 2019 roku, czyli dodatkowy rok prognoz ocenianych w artykule „Probabilistic weather forecasting with machine learning” (Prognozowanie pogody z wykorzystaniem uczenia maszynowego). Zbiór danych prognoz na 2019 r. zawiera dodatkowy rok danych prognoz, który uzupełnia dane na lata 2020–2024 dostępne w tym zbiorze. Prognozy z 2019 r. to, podobnie jak w artykule, prognozy zainicjowane przez ERA5 dla modelu wytrenowanego na podstawie ERA5. Aby uzyskać dostęp do tych zasobów, prześlij prośbę za pomocą tego samego formularza prośby o dostęp do danych WeatherNext.

Podziękowania

Dane eksperymentalne zostały wygenerowane przez modele, które komunikują się z tymi bibliotekami i pakietami lub się do nich odwołują:

Dane i usługi Europejskiego Centrum Średnioterminowych Prognoz Pogody (ECMWF) zmodyfikowane przez Google.
Zmodyfikowane informacje z usługi Copernicus dotyczącej zmian klimatu z 2023 r. Ani Komisja Europejska, ani ECMWF nie ponoszą odpowiedzialności za sposób wykorzystania informacji lub danych z usługi Copernicus.
Zbiory danych ECMWF HRES
- Oświadczenie o prawach autorskich: Copyright „© 2023 European Centre for Medium-Range Weather Forecasts (ECMWF)”.
- Źródło: www.ecmwf.int
- Oświadczenie o licencji: otwarte dane ECMWF są publikowane na licencji Creative Commons Uznanie autorstwa 4.0 (CC BY 4.0). https://creativecommons.org/licenses/by/4.0/
- Zastrzeżenie: ECMWF nie ponosi żadnej odpowiedzialności za błędy lub pominięcia w danych, ich dostępność ani za jakiekolwiek straty lub szkody wynikające z ich wykorzystania.

Pasma

Rozmiar piksela
27 750 m

Pasma

Nazwa	Jednostki	Rozmiar piksela	Opis
`total_precipitation_12hr`	m	metry	Łączna suma opadów w ciągu 12 godzin
`100m_u_component_of_wind`	m/s	metry	Składowa U wiatru na wysokości 100 m
`100m_v_component_of_wind`	m/s	metry	Komponent wiatru V na wysokości 100 m
`10m_u_component_of_wind`	m/s	metry	Składowa U wiatru na wysokości 10 metrów
`10m_v_component_of_wind`	m/s	metry	Składowa wiatru V na wysokości 10 metrów
`2m_temperature`	K	metry	Temperatura na wysokości 2 metrów
`mean_sea_level_pressure`	Pa	metry	Średnie ciśnienie na poziomie morza
`sea_surface_temperature`	K	metry	Temperatura powierzchni morza
`50_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 50 hPa
`100_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 100 hPa
`150_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 150 hPa
`200_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 200 hPa
`250_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 250 hPa
`300_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 300 hPa
`400_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 400 hPa
`500_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 500 hPa
`600_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 600 hPa
`700_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 700 hPa
`850_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 850 hPa
`925_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 925 hPa
`1000_geopotential`	m^2/s^2	metry	Geopotencjał na poziomie 1000 hPa
`50_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy 50 hPa
`100_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy ciśnieniu 100 hPa
`150_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 150 hPa
`200_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 200 hPa
`250_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 250 hPa
`300_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 300 hPa
`400_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy 400 hPa
`500_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 500 hPa
`600_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy ciśnieniu 600 hPa
`700_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy ciśnieniu 700 hPa
`850_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 850 hPa
`925_specific_humidity`	kg/kg	metry	Wilgotność właściwa na poziomie 925 hPa
`1000_specific_humidity`	kg/kg	metry	Wilgotność właściwa przy ciśnieniu 1000 hPa
`50_temperature`	K	metry	Temperatura na poziomie 50 hPa
`100_temperature`	K	metry	Temperatura na poziomie 100 hPa
`150_temperature`	K	metry	Temperatura na poziomie 150 hPa
`200_temperature`	K	metry	Temperatura na poziomie 200 hPa
`250_temperature`	K	metry	Temperatura na poziomie 250 hPa
`300_temperature`	K	metry	Temperatura na poziomie 300 hPa
`400_temperature`	K	metry	Temperatura na poziomie 400 hPa
`500_temperature`	K	metry	Temperatura na poziomie 500 hPa
`600_temperature`	K	metry	Temperatura na poziomie 600 hPa
`700_temperature`	K	metry	Temperatura na poziomie 700 hPa
`850_temperature`	K	metry	Temperatura na poziomie 850 hPa
`925_temperature`	K	metry	Temperatura na poziomie 925 hPa
`1000_temperature`	K	metry	Temperatura na poziomie 1000 hPa
`50_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 50 hPa
`100_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 100 hPa
`150_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 150 hPa
`200_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 200 hPa
`250_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 250 hPa
`300_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 300 hPa
`400_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 400 hPa
`500_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 500 hPa
`600_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 600 hPa
`700_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 700 hPa
`850_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 850 hPa
`925_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 925 hPa
`1000_u_component_of_wind`	m/s	metry	Składowa U wiatru na poziomie 1000 hPa
`50_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 50 hPa
`100_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 100 hPa
`150_v_component_of_wind`	m/s	metry	Składowa wiatru V na poziomie 150 hPa
`200_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 200 hPa
`250_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 250 hPa
`300_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 300 hPa
`400_v_component_of_wind`	m/s	metry	Składowa wiatru V na poziomie 400 hPa
`500_v_component_of_wind`	m/s	metry	Składowa wiatru V na poziomie 500 hPa
`600_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 600 hPa
`700_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 700 hPa
`850_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 850 hPa
`925_v_component_of_wind`	m/s	metry	Składowa V wiatru na poziomie 925 hPa
`1000_v_component_of_wind`	m/s	metry	Składowa V wiatru przy ciśnieniu 1000 hPa
`50_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 50 hPa
`100_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 100 hPa
`150_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 150 hPa
`200_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 200 hPa
`250_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 250 hPa
`300_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 300 hPa
`400_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 400 hPa
`500_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 500 hPa
`600_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 600 hPa
`700_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 700 hPa
`850_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 850 hPa
`925_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 925 hPa
`1000_vertical_velocity`	Pa/s	metry	Prędkość pionowa na poziomie 1000 hPa

Właściwości obrazu

Właściwości obrazu

Nazwa	Typ	Opis
start_time	CIĄG ZNAKÓW	Czas inicjowania prognozy. Dotyczy to wszystkich godzin prognozy w ramach jednego uruchomienia modelu.
end_time	CIĄG ZNAKÓW	Okres ważności tej prognozy. Obliczana jako start_time + forecast_hour.
forecast_hour	PRZ	Czas wyprzedzenia prognozy w godzinach. Liczba godzin od czasu rozpoczęcia.
ingestion_time	LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI	Czas, w którym te dane prognozy stały się dostępne w Earth Engine.
ensemble_member	CIĄG ZNAKÓW	Członek zespołu jako ciąg znaków.

Warunki korzystania z usługi

Warunki korzystania z usługi

Dane historyczne z eksperymentów są objęte międzynarodową licencją Creative Commons Uznanie autorstwa w wersji 4.0 (CC BY 4.0).

Dane eksperymentalne w czasie rzeczywistym są udostępniane na podstawie tych Warunków korzystania z eksperymentalnych danych prognozy pogody w czasie rzeczywistym GDM.

Materiały innych firm

Korzystanie z materiałów innych firm, o których mowa w sekcji Podziękowania, może podlegać odrębnym warunkom lub postanowieniom licencyjnym. Korzystanie z materiałów osób trzecich podlega takim warunkom. Przed użyciem materiałów sprawdź, czy możesz przestrzegać obowiązujących ograniczeń lub warunków.

Cytaty

W przypadku danych eksperymentalnych w czasie rzeczywistym zapoznaj się z odpowiednimi Warunkami korzystania z usługi, aby poznać wymagania dotyczące cytowania.

Jeśli ujawnisz wyniki uzyskane na podstawie danych historycznych, musisz podać cytat: „© 2024 DeepMind Technologies Limited. Modele uczenia maszynowego użyte do utworzenia danych eksperymentalnych udostępnionych na stronie https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_126478713_1_0 na warunkach licencji CC BY 4.0”. Te dane są przeznaczone wyłącznie do modelowania eksperymentalnego i nie są przeznaczone, zatwierdzone ani zatwierdzone do użytku w rzeczywistym świecie”.

Odkrywanie za pomocą Earth Engine

Edytor kodu (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');

Otwórz w edytorze kodu

Prognozy pogody nowej generacji

WeatherNext Gen to eksperymentalny zbiór danych zawierający globalne prognozy pogody średnioterminowe oparte na modelu zespołowym, który wykorzystuje dyfuzję i został opracowany przez Google DeepMind. Eksperymentalny zbiór danych zawiera dane w czasie rzeczywistym i dane historyczne. Dane w czasie rzeczywistym to dane, które odnoszą się do czasu nie starszego niż 48 godzin …

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