Informasi umum
Bagaimana Anda membedakan Weather API Google dari vendor data cuaca khusus?
Google mengintegrasikan teknologi dari akuisisi perusahaan cuaca terkemuka kami dengan kemajuan dari MetNet dan WeatherNext model AI Google DeepMind (2025). Hal ini memanfaatkan keandalan Google Maps Platform yang telah terbukti.
Apa perbedaan antara data cuaca yang tersedia di Earth Engine dan BigQuery dengan Weather API Google?
Rangkaian produk cuaca Google menawarkan berbagai solusi komprehensif untuk berbagai kebutuhan. Model WeatherNext (yaitu GraphCast dan GenCast) menyediakan output prakiraan model berbasis AI mentah, termasuk parameter yang ideal untuk riset, pemodelan, dan analisis, yang disediakan menggunakan kode open source dan set data cuaca historis atau saat ini menggunakan Earth Engine dan BigQuery API.
Sebaliknya, Weather API Google Maps Platform menyediakan data cuaca yang diproses untuk kondisi saat ini, prakiraan cuaca per jam, dan prakiraan cuaca harian dengan menggabungkan AI dan sistem prakiraan tradisional dalam format yang mudah digunakan developer dan terintegrasi dengan lancar ke dalam aplikasi dan layanan web. Pendekatan ganda ini memenuhi kebutuhan riset khusus dan aksesibilitas developer yang luas.
Mengapa Google tidak hanya mengandalkan pengukuran dari stasiun cuaca?
Google menggunakan berbagai sumber input untuk model cuacanya, termasuk pengamatan dari stasiun cuaca, model prediksi cuaca numerik, dan model AI cuaca. Alasan penggunaan berbagai sumber input ini adalah karena pengamatan dari stasiun cuaca hanya memberikan informasi tentang cuaca di lokasi stasiun pada saat pengukuran. Pengamatan stasiun cuaca dapat sangat akurat untuk lokasi yang tepat, tetapi fenomena cuaca seperti presipitasi, terutama dari hujan atau badai petir, sering kali bersifat lokal dan dapat sangat bervariasi dalam jarak yang singkat.
Misalnya, hujan deras mungkin terjadi tepat di lokasi stasiun, sementara beberapa kilometer jauhnya, hanya ada gerimis ringan atau tidak ada hujan sama sekali. Karena satu pembacaan stasiun mungkin tidak mewakili area yang lebih luas, model diperlukan untuk memberikan informasi tambahan di antara stasiun.
Selain itu, stasiun cuaca biasanya memberikan pembacaan per jam atau per setengah jam. Meskipun disediakan dalam waktu yang hampir real-time, masih ada sedikit penundaan antara peristiwa presipitasi yang sebenarnya dan pelaporannya. Model juga membantu mendapatkan kondisi saat ini sedekat mungkin dengan realitas yang dialami di lokasi yang dikueri.
Penggunaan API
Apa cakupan Weather API?
Weather API mendukung semua negara secara global, kecuali Jepang, Korea, dan wilayah terlarang. Untuk peluncuran awal, kami mendukung area berpenduduk (tidak termasuk lokasi terpencil seperti tengah laut, gurun, dan puncak gunung). Kami berencana untuk terus melakukan penyelesaian dan peningkatan kualitas hingga tahun 2025.
Apa granularitas spasial Google Weather API?
Resolusi data sedemikian rupa sehingga prakiraan dibuat dalam jarak beberapa kilometer untuk lokasi mana pun secara global.
Berapa frekuensi pembaruan untuk Weather API?
| Endpoint | Kondisi saat ini | Prakiraan cuaca per jam | Prakiraan cuaca harian | Histori per jam |
|---|---|---|---|---|
| Rasio pembaruan | 15 menit (secara berkala dalam satu jam) | 30 menit (secara berkala dalam satu jam) | 30 menit (diperbarui pada waktu yang sama dengan prakiraan cuaca per jam) | Dua kali sehari (pukul 07.00 dan 19.00 Waktu Standar Pasifik). |
Apakah Weather API menyediakan prakiraan presipitasi nowcast?
Google tidak menyediakan prakiraan nowcast (prakiraan per menit) di API, tetapi menyediakan kondisi saat ini, prakiraan cuaca per jam, dan prakiraan cuaca harian.
Apakah Weather API menyediakan nilai UVA dan UVB yang terpisah?
Indeks UV adalah indeks tunggal yang menggabungkan UVA dan UVB. Kami tidak memberikan perincian berdasarkan komponen.
Bagaimana Weather API menghasilkan output prakiraan?
Seperti yang ditunjukkan dalam diagram di bawah, prakiraan Weather API dibuat dari sistem prakiraan internal yang menggunakan model cuaca dan pengamatan dari lembaga cuaca global sebagai input. Data dari sensor cuaca ground-truth publik digunakan untuk meningkatkan model prakiraan.
Bagaimana akurasi prakiraan Cuaca Google, untuk berbagai wilayah dan cakrawala prakiraan, dibandingkan dengan prakiraan dari lembaga cuaca pemerintah terkemuka?
Angka dalam Tabel 1 membandingkan Root Mean Squared Error (RMSE) untuk suhu dan kecepatan angin untuk cakrawala prakiraan 240 jam (10 hari) antara data cuaca Google dan model cuaca global dan regional dari lembaga pemerintah selama 11 bulan (15 Agustus 2024 hingga 1 Juli 2025).
Secara global, prakiraan cuaca Google mengungguli prakiraan cuaca dari lembaga pemerintah terkemuka. Untuk Eropa dan Amerika Utara, data cuaca Google memiliki error yang lebih rendah daripada model pemerintah regional yang paling akurat untuk setidaknya bagian akhir cakrawala prakiraan. Performa data cuaca Google yang sangat baik untuk cakrawala prakiraan yang lebih panjang sangat penting, yang mungkin paling sulit diprediksi secara akurat.
Tabel 1 mencantumkan nilai RMSE rata-rata untuk seluruh cakrawala prakiraan yang relevan untuk setiap kombinasi model wilayah. Nilai RMSE yang lebih rendah menunjukkan performa yang lebih baik. Prakiraan cuaca Google memiliki nilai RMSE rata-rata terendah, atau di antara nilai RMSE rata-rata terendah, untuk hampir semua parameter, wilayah, dan rentang cakrawala prakiraan.
Klik gambar untuk melihat versi yang diperbesar.
| Suhu | Kecepatan angin | |
|---|---|---|
| Global |  |
 |
| Amerika Utara |  |
 |
| Eropa |  |
 |
Tabel 1. Nilai RMSE rata-rata untuk setiap kombinasi model regional
Tabel 2 mencantumkan nilai RMSE rata-rata untuk cakrawala prakiraan yang relevan untuk setiap model (nilai Google dalam huruf tebal). Parameter (suhu, angin) dan cakrawala prakiraan yang Google miliki secara unik dengan RMSE rata-rata terendah ditandai dengan warna hijau tua. Parameter dan cakrawala prakiraan yang Google miliki dengan RMSE rata-rata terendah bersama dengan model lain ditandai dengan warna hijau muda.
Tabel 2. Nilai RMSE rata-rata untuk cakrawala prakiraan yang relevan per model
Apakah endpoint data historis mencerminkan data cuaca aktual (yaitu, diverifikasi oleh pengukuran lokal)?
Data cuaca historis terutama adalah output yang dimodelkan. Meskipun menggabungkan pengamatan dari lembaga cuaca global dan model prediksi cuaca numerik (NWP), data ini diasimilasi ke dalam model Cuaca Google untuk membuat catatan historis yang lengkap dan konsisten. Pengukuran stasiun aktual dianggap sebagai "ground truth" di lokasi tertentu, tetapi distribusi globalnya yang terbatas membuatnya tidak cukup untuk gambaran lengkap di seluruh dunia.
Apa arti kolom weatherCondition, precipitation.probability.percent, precipitation.qpf.quantity, dan bagaimana hubungannya?
Kolom ini memberikan insight yang berbeda tetapi terkait tentang presipitasi dan cuaca secara keseluruhan.
weatherCondition: Kolom ini memberikan deskripsi umum dan intuitif tentang kondisi cuaca secara keseluruhan di area yang dikueri, dengan mempertimbangkan berbagai parameter untuk memudahkan pemahaman.precipitation.probability.percent(PoP): Kolom ini menunjukkan probabilitas presipitasi. Kemungkinan presipitasi akan terjadi di lokasi prakiraan selama periode waktu yang ditentukan (biasanya per jam).precipitation.qpf.quantity(QPF): Kolom ini adalah singkatan dari prakiraan presipitasi kuantitatif dan menunjukkan jumlah presipitasi yang diharapkan, yang diukur sebagai kedalaman (misalnya, milimeter atau inci). Nilai ini menunjukkan jumlah presipitasi yang diharapkan jika terjadi dalam waktu dan lokasi yang ditentukan.
Bagaimana cara menentukan apakah hujan atau tidak di lokasi tertentu?
Sebaiknya gunakan kolom weatherCondition untuk memahami apakah hujan atau tidak di lokasi tertentu. Beberapa kondisi dapat menunjukkan bahwa hujan (RAIN, LIGHT RAIN, RAIN SHOWERS, HEAVY RAIN, WIND AND RAIN, THUNDERSTORM, HEAVY THUNDERSTORM, THUNDERSHOWER, SCATTERED SHOWERS, LIGHT THUNDERSTORM RAIN, SCATTERED THUNDERSTORMS, RAIN AND SNOW). Kondisi ini dirancang untuk menangkap semua kejadian hujan ringan, deras, terus-menerus, atau sporadis, dan juga membedakan hujan dari salju. Bergantung pada kasus penggunaan tertentu—misalnya, jika kasus penggunaan Anda hanya mempertimbangkan hujan deras—Anda dapat memilih untuk hanya menggunakan subset kondisi yang relevan.
Apakah "kondisi saat ini" setara dengan pengamatan di lokasi stasiun cuaca? Bagaimana "kondisi saat ini" ditentukan di lokasi tanpa stasiun?
"Kondisi saat ini" kami memberikan informasi cuaca terbaru dengan menggabungkan berbagai sumber data, tetapi tidak sepenuhnya setara dengan pengamatan stasiun langsung dalam semua kasus.
Untuk precipitation.probability.percent dan precipitation.qpf.quantity (terakumulasi selama satu jam terakhir), nilai yang ditampilkan dalam respons currentConditions selalu berasal dari prakiraan terbaru. Probabilitas itu sendiri adalah kuantitas yang dimodelkan, bukan diamati secara langsung.
Pendekatan ini memungkinkan kami memberikan "kondisi saat ini" yang komprehensif bahkan di area tanpa cakupan sensor langsung, sehingga memastikan informasi terbaik yang tersedia setiap saat.
Batas dan akses API
Apakah ada batas kapasitas pada API?
Untuk Weather API, ada batas kapasitas default 6.000 kueri per menit.
Dapatkah saya mengakses data secara massal?
Data massal tidak tersedia. Anda dapat membuat kueri Weather API dalam kuota (6.000 QPM) dan mematuhi persyaratan caching yang diuraikan dalam Terms of Service.
Apakah saya harus mengaktifkan penagihan?
Akun penagihan yang valid diperlukan untuk menggunakan Weather API. Lihat Mengaktifkan penagihan untuk menyiapkan project Anda dengan akun penagihan.
Apa yang terjadi jika saya membuat kueri lokasi yang tidak didukung?
Jika lintang dan bujur tidak tercakup dalam daftar negara yang didukung, respons akan menampilkan kode error 404 dengan pesan, "Informasi tidak tersedia untuk lokasi ini. Coba lokasi lain."