Informasi umum
Bagaimana Anda membedakan Google Weather API dengan vendor data cuaca khusus?
Google mengintegrasikan teknologi dari akuisisi perusahaan cuaca terkemuka kami dengan kemajuan dari model AI MetNet dan WeatherNext 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 beragam kebutuhan. Model WeatherNext (yaitu GraphCast dan GenCast) memberikan output perkiraan model berbasis AI yang belum diproses, termasuk parameter yang ideal untuk penelitian, pemodelan, dan analisis, yang tersedia menggunakan kode open source dan set data cuaca historis atau saat ini menggunakan API Earth Engine dan BigQuery.
Sebaliknya, Google Maps Platform Weather API memberikan data cuaca yang diproses untuk kondisi saat ini, perkiraan per jam, dan perkiraan harian dengan menggabungkan AI dan sistem perkiraan tradisional dalam format yang mudah digunakan developer yang 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 tersebut, tetapi fenomena cuaca seperti presipitasi, terutama dari hujan atau badai petir, sering kali bersifat lokal dan dapat sangat bervariasi dalam jarak pendek.
Misalnya, hujan lebat mungkin terjadi tepat di lokasi stasiun, sementara beberapa kilometer jauhnya, hanya ada gerimis ringan atau tidak ada hujan sama sekali. Karena pembacaan satu stasiun mungkin tidak mewakili area yang lebih luas, model diperlukan untuk memberikan informasi tambahan di antara stasiun.
Selain itu, stasiun cuaca biasanya memberikan pembacaan setiap jam atau setengah jam. Meskipun data tersebut diberikan hampir secara real time, masih ada sedikit penundaan antara peristiwa presipitasi yang sebenarnya dan pelaporannya. Model juga membantu mendapatkan kondisi saat ini sedekat mungkin dengan kenyataan yang dialami di lokasi yang dikueri.
Penggunaan API
Apa cakupan Weather API?
Weather API mendukung semua negara secara global, kecuali Jepang, Korea, dan wilayah yang dilarang. Untuk peluncuran awal, kami mendukung area berpenduduk (tidak termasuk lokasi terpencil seperti tengah lautan, gurun, dan puncak gunung). Kami berencana melakukan peningkatan kualitas dan penyelesaian masalah berkelanjutan hingga tahun 2025.
Apa itu perincian spasial Google Weather API?
Resolusi data memungkinkan perkiraan dibuat dalam beberapa kilometer untuk lokasi mana pun di seluruh dunia.
Seberapa sering Weather API diperbarui?
| Endpoint | Kondisi saat ini | Prakiraan cuaca per jam | Prakiraan harian | Histori per jam |
|---|---|---|---|---|
| Rasio pembaruan | 15 menit (secara berkala dalam satu jam) | 30 menit (secara berkala dalam satu jam) | 30 menit (diperbarui bersamaan dengan perkiraan per jam) | Dua kali sehari (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 per jam, dan prakiraan harian.
Apakah Weather API memberikan nilai UVA dan UVB yang terpisah?
Indeks UV adalah indeks tunggal yang menggabungkan UVA dan UVB. Kami tidak memberikan perincian menurut komponen.
Bagaimana cara Weather API menghasilkan output perkiraan?
Seperti yang ditunjukkan dalam diagram di bawah, prakiraan Weather API dibuat dari sistem prakiraan internal yang menggunakan pengamatan dan model cuaca dari lembaga cuaca global sebagai input. Data dari sensor cuaca kebenaran nyata publik digunakan untuk meningkatkan kualitas model perkiraan.
Seberapa akurat prakiraan Cuaca Google, untuk berbagai wilayah dan cakupan 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 cakupan perkiraan 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 lebih akurat daripada 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 setidaknya untuk sebagian besar cakupan perkiraan mereka. Performa data cuaca Google yang sangat baik untuk cakupan perkiraan yang lebih panjang sangatlah luar biasa, yang mungkin paling sulit diprediksi secara akurat.
Tabel 1 mencantumkan nilai RMSE rata-rata untuk seluruh cakrawala perkiraan 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 salah satu yang 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 yang relevan
Tabel 2 mencantumkan nilai RMSE rata-rata untuk cakrawala perkiraan yang relevan untuk setiap model (nilai Google dalam huruf tebal). Parameter (suhu, angin) dan cakrawala perkiraan yang memiliki RMSE rata-rata terendah secara unik oleh Google ditandai dengan warna hijau tua. Parameter dan cakrawala perkiraan yang memiliki RMSE rata-rata terendah bersama dengan model lain ditandai dengan warna hijau muda.
Tabel 2. Nilai RMSE rata-rata untuk cakrawala perkiraan yang relevan per model
Apakah endpoint data historis mencerminkan data cuaca sebenarnya (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 sebenarnya dianggap sebagai "kebenaran dasar" di lokasi tertentu, tetapi distribusi globalnya yang terbatas membuatnya tidak cukup untuk memberikan gambaran lengkap di seluruh dunia.
Apa arti kolom weatherCondition, precipitation.probability.percent, precipitation.qpf.quantity, dan bagaimana keterkaitannya?
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 agar mudah dipahami.precipitation.probability.percent(PoP): Ini menunjukkan probabilitas terjadinya hujan. Kemungkinan terjadinya presipitasi di lokasi prakiraan selama jangka waktu yang ditentukan (biasanya per jam).precipitation.qpf.quantity(QPF): Ini adalah singkatan dari perkiraan presipitasi kuantitatif dan menunjukkan perkiraan jumlah presipitasi, yang diukur sebagai kedalaman (misalnya, milimeter atau inci). Nilai ini menunjukkan perkiraan jumlah presipitasi jika terjadi dalam waktu dan lokasi yang ditentukan.
Bagaimana cara menentukan apakah hujan turun di lokasi tertentu?
Sebaiknya gunakan kolom weatherCondition untuk memahami apakah sedang hujan atau tidak di lokasi tertentu. Beberapa kondisi dapat menunjukkan bahwa sedang 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 merekam semua kejadian hujan ringan, deras, terus-menerus, atau tersebar, serta membedakan hujan dari salju. Bergantung pada kasus penggunaan spesifik Anda — misalnya, jika kasus penggunaan Anda hanya mempertimbangkan curah hujan lebat — Anda dapat memilih untuk hanya menggunakan subset kondisi yang relevan ini.
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
(yang dikumpulkan selama satu jam terakhir), nilai yang ditampilkan dalam respons currentConditions
selalu berasal dari perkiraan 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 tersedia setiap saat.
Batas dan akses API
Apakah ada batas kecepatan 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 mengkueri Weather API dalam kuota (6.000 QPM) dan mematuhi persyaratan caching yang diuraikan dalam Persyaratan Layanan.
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."