Saber quanto está chovendo agora, em todo lugar, é mais difícil do que parece. Países ricos têm redes densas de radares e pluviômetros; boa parte do mundo não tem, e é muitas vezes ali que as enchentes causam mais estrago. O Google DeepMind publicou dois conjuntos de dados por trás do modelo de previsão WeatherNext 3, um mosaico global de satélites chamado SatWeave e um registro de chuva feito com IA chamado PARDIG, com arquivos históricos e feeds ao vivo que qualquer pessoa pode usar.
O SatWeave resolve um problema de encanamento. Satélites meteorológicos geoestacionários, incluindo GOES-East e GOES-West, dois satélites Meteosat e o Himawari, usam cada um projeções, formatos de arquivo, sensores e ciclos de varredura diferentes, de 10 a 30 minutos. A maioria dos compostos globais lida com isso cortando detalhes, com quatro canais ou menos ou atualizações a cada poucas horas. O SatWeave os junta num único mosaico global com 17 canais visíveis, de vapor d'água e infravermelhos, atualizado a cada hora, com arquivo histórico de mais de uma década. Essa atualização horária permite ao WeatherNext 3 iniciar previsões novas com mais frequência que modelos que dependem de dados de análise renovados a cada seis horas.
O PARDIG é a parte mais ambiciosa. Ele é treinado com as leituras esparsas do radar espacial do Global Precipitation Measurement Core Observatory da NASA, usando imagens do SatWeave e campos atmosféricos do ECMWF como entrada, e preenche um mapa global de precipitação com resolução de 15 minutos e cerca de 10 quilômetros, com atraso médio de umas cinco horas. O Google o avaliou contra redes de radar dos EUA, da Europa e do Japão e mais de 36.000 estações meteorológicas, e relata que ele supera o IMERG-Final, produto de pesquisa da NASA, em todas as intensidades de chuva analisadas, melhora em mais de 30% a detecção horária de chuva fraca a moderada e se sai especialmente bem nos extremos. O arquivo vai de 1999 a 2026.
O valor prático está na abertura. Os dois conjuntos estão no Google Cloud Storage, e o histórico do PARDIG também no Google Earth Engine. Hidrólogos, seguradoras e órgãos de defesa civil que atuam onde não há radar podem usá-los em modelos de enchentes, deslizamentos e secas, e o Google sugere o SatWeave para energia solar e monitoramento de incêndios. Isso continua uma tendência no trabalho de meteorologia com IA, da DeepMind e de outros, que agora trata tanto de dados quanto de modelos.
As ressalvas importam. A comparação com o IMERG-Final é do próprio Google, e hidrólogos independentes precisarão confirmá-la. Dez quilômetros de resolução é grosseiro perto do radar terrestre, de cerca de um quilômetro, então não vai substituir sistemas locais. A afirmação do Google de precisão confiável em todo lugar é uma expectativa baseada no aprendizado com satélites, e as regiões avaliadas são justamente as que já têm bom radar.