WeatherNext Graph Forecasts

projects/gcp-public-data-weathernext/assets/59572747_4_0
Info

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
Earth Engine-Snippet
ee.ImageCollection("projects/gcp-public-data-weathernext/assets/59572747_4_0")
Tags
climate forecast gcp-public-data-weathernext precipitation publisher-dataset temperature weather weathernext wind
graphcast

Beschreibung

WeatherNext Graph ist ein experimenteller Datensatz mit globalen mittelfristigen Wettervorhersagen, der von einer betriebsbereiten Version des grafischen neuronalen Netzwerkmodells für Wettervorhersagen von Google DeepMind erstellt wird.

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, vertikale Geschwindigkeit und Druck. Die räumliche Auflösung beträgt 0,25 Grad. Die Initialisierungszeiten für die Prognose haben eine Auflösung von 6 Stunden (00z, 06z, 12z, 18z). Prognosevorlaufzeiten haben eine Auflösung von 6 Stunden bis zu einer maximalen Vorlaufzeit von 10 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 Learning skillful medium-range global weather forecasting. Das Modell, mit dem dieses experimentelle Dataset erstellt wurde, ist ein Betriebsmodell, das aus diesem Forschungsmodell (früher als GraphCast bezeichnet) abgeleitet wurde. Die Genauigkeit dieses Betriebsmodells entspricht möglicherweise nicht direkt der Genauigkeit des Forschungsmodells. Außerdem können zusätzliche Variablen in diesem Prognosedatensatz enthalten sein.

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 Schritte werden gleichzeitig freigegeben. 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 06:45
06:00 12:45
12:00 18:45
18:00 00:45

Auf Rohdaten (.zarr) zugreifen

Ein Bucket mit den .zarr-Rohdatendateien für das historische Dataset („Historic Experimental Data“) ist unter gs://weathernext/59572747_4_0/zarr verfügbar. Wenn Sie Zugriff auf den Bucket erhalten möchten, beantragen Sie ihn bitte über dasselbe WeatherNext-Datenanfrageformular und geben Sie an, dass Sie Zugriff auf die .zarr-Rohdatendateien erhalten möchten.

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_6hr m Meter

Gesamtniederschlag über einen Zeitraum von 6 Stunden
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
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.

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

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_59572747_4_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/59572747_4_0')
        .filter(ee.Filter.date('2020-10-01T06:00:00Z', '2020-10-01T06:01:00Z'))
        .filter(ee.Filter.eq('forecast_hour', 6));
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');
Im Code-Editor öffnen
WeatherNext Graph ist ein experimenteller Datensatz mit globalen mittelfristigen Wettervorhersagen, die von einer betriebsbereiten Version des grafischen neuronalen Netzwerkmodells von Google DeepMind erstellt wurden. Das experimentelle Dataset enthält Echtzeit- und Verlaufsdaten. Echtzeitdaten sind alle Daten, die sich auf einen Zeitpunkt beziehen, der nicht länger als 48 Stunden …
projects/gcp-public-data-weathernext/assets/59572747_4_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