WeatherNext 3：衛星每小時進預報，5 公里與 60% 該怎麼讀？（2026）

2026 年 9 月 3 日，Google DeepMind 在 News from Google 發布了這篇文章〈Introducing WeatherNext 3, our most advanced and accurate global weather AI model〉，介紹 WeatherNext 3 如何把低延遲衛星觀測直接送進每小時更新的全球天氣預報。

這次更新最吸睛的數字是「每小時」「5 公里」與「降水 CRPS 最多改善 60%」。但三個數字各有不同分母：每小時指初始化頻率，5 公里只適用於特定近地面輸出，60% 則來自 Google 團隊自己的評估，且依觀測資料集與預報時效而變。以下先忠實還原原文，再逐項核對外部榜單、論文方法與使用邊界，最後回答一個更實際的問題：WeatherNext 3 究竟讓天氣預報哪一段變得更好？

WeatherNext 3 真正改變的，是預報的起跑點

傳統全球數值天氣預報會先做「資料同化」：把衛星、雷達、測站、氣球等不同觀測整理成一個一致的大氣初始狀態，再由物理模型往後推演。這個流程可靠，卻也需要時間。若新的雲系或風暴已出現在衛星畫面，但尚未完整反映在分析場裡，預報就可能從稍微過時的起點出發。

WeatherNext 3 的關鍵不是丟掉分析場，而是同時讀取兩類訊號：一邊是 ECMWF 高解析度分析資料，一邊是最新的地球同步衛星影像拼圖。依完整論文與官方模型說明，它以 64 個成員產生機率式集合預報；00、06、12、18 UTC 的主要週期可預報 15 天，其餘每小時啟動的中間週期則預報 48 小時。換句話說，「每小時全球預報」不等於每一小時都重跑完整 15 天。

“By using raw satellite data to produce a forecast every hour in high resolution”

中文：透過使用原始衛星資料，模型能以高解析度每小時產生一次預報。

Google DeepMind，WeatherNext 3 發布文章

這裡的「raw satellite data」也不該讀成未處理的相機像素或純衛星模型。論文描述的是經校正、定位並拼接的多頻道衛星觀測，而且模型仍以分析場作為另一項核心輸入。比較準確的說法是：WeatherNext 3 縮短了新衛星訊號進入預報的路徑，而不是把氣象資料同化或物理模式整套淘汰。

5 公里很重要，但不是所有變數都在 5 公里上預報

Google 的產品頁把 WeatherNext 3 描述為較前代最高可達五倍的空間解析度。拆開輸出層級後，差別會更清楚：

輸出類型	公開格距	大約尺度
測站查詢頭：2 公尺氣溫、露點	0.05°	約 5 公里
地表變數：降水、風、氣壓等	0.1°	約 10 公里
高空大氣變數	0.25°	約 25 公里

解析度代表模型能把結果放進多細的格子，不自動等於誤差同比縮小。細格距確實有機會呈現海岸、山谷、城市熱島或局部風場，但也可能只是更精細地畫出錯誤。真正要看的仍是同一地區、同一變數、同一預報時效下，與獨立觀測相比的誤差與機率校準。

降水 CRPS 最多改善 60%，分母比百分比更關鍵

Google 團隊報告，在較短預報時效，新的降水輸出相對前代或比較系統，CRPS 對 IMERG 最多下降 60%、對 MRMS 最多下降 30%、對雨量計最多下降 10%。CRPS 可以理解為「整個機率分布離真實結果有多遠」；數值越低越好，因此這裡的改善是機率預報誤差下降，不是「下雨猜對率 60%」，也不是全球每個地點都提升 60%。

三種驗證資料的性質也不同。NASA IMERG 是融合多顆衛星的全球降水估計；它同時是新降水頭的訓練目標之一，因此不是完全獨立的驗證。NOAA MRMS 整合雷達、雨量計與其他資料，但主要覆蓋美國本土。雨量計較貼近地面實測，分布卻不均。三者一起看比只看一個好，仍不足以把「最多」外推成所有地區與所有天氣型態的保證。

“we leave the evaluation of extreme precipitation for future work.”

中文：極端降水的評估，團隊留待未來工作處理。

WeatherNext 3 論文

這句是整篇論文最值得保留的煞車。文中的事件型降水評估以每 6 小時 4 毫米等中等門檻為主；越極端的雨，真陽性案例越少，統計不確定性越大。對防災最重要的暴雨尾端，恰好也是現有證據最薄的部分。

獨立榜單支持「有進步」，卻沒有替 60% 背書

截至 2026 年 9 月 6 日，Brightband 的Operational WeatherBench 最新已完整驗證週期停在 8 月 28 日 12Z。在首頁預設條件——全球 850 hPa 氣溫、未來第 1 至 7 天、近 30 個每日 12Z 週期——WeatherNext 3 集合平均的 RMSE 為 1.31 K，略優於 WeatherNext 2 的 1.33 K 與 ECMWF AIFS 集合平均的 1.39 K；30 個週期中分別拿下 18、11、1 次單日第一。

這是有價值的外部訊號，因為榜單用公開的 WeatherBench-X 工具持續評分即時預報。但它只證明 WeatherNext 3 在所選變數、區域、時效與窗口領先，不能變成「全面最準」。更關鍵的是，Brightband 的方法頁明確不列 WeatherNext 3 的降水分數：它預測的是衛星型降水分析，直接縮到共同 0.25° 格點再與其他模型比較並不公平。也就是說，外部榜單與 Google 的降水 60% 是兩組不同證據，不能互相代替。

論文另有一組更接近即時運作的評估：生產模型訓練到 2026 年 6 月 30 日，再看 7 月 1 日至 8 月 11 日的資料。作者自己提醒，六週樣本仍短，不應過度解讀較小差異。這也解釋了為何目前較合理的結論是「早期成績領先」，而不是「長期、跨季節優勢已定案」。

從研究模型到日常產品，中間還有一座橋

Google 在發布日宣布開始把 WeatherNext 3 帶進 Search、Gemini、Google Maps、Maps Platform Weather API 與 Earth Engine。這句應理解為官方公布的 rollout，而不是每個地區、每個介面已同步換成同一套輸出。研究者與開發者可申請透過 BigQuery、Earth Engine 或 Google Cloud Storage 取得預先計算資料；官方文件寫明，存取仍需申請，通常要等待數個工作天。Google 的隨選部署文件目前列出的則是 WeatherNext 2，不宜把 WeatherNext 3 描述成已可自行啟動的通用推論模型。

WeatherNext 3 也不是全球第一個投入運作的 AI 天氣模型。ECMWF 的AIFS 已在 2025 年投入作業，並於 2026 年升級；其他團隊也持續做直接從觀測出發的預報研究。這次真正有辨識度的組合，是低延遲地球同步衛星、全球覆蓋、每小時初始化、多種輸出頭與 Google 產品分發，而不是一個無法成立的「史上第一」。

AlphaLab 的判讀：它縮短資訊延遲，沒有消除天氣的不確定性

一、最扎實的突破是新鮮度，不是把物理定律換掉

短時天氣預報很像接力賽：模型跑得再快，交到手上的起跑狀態若已落後，後面仍會一路追趕。把最新衛星訊號更直接地放進預報，能讓快速發展的雲系更早被看見。論文的延遲校正實驗估計，每小時啟動可換回約 2 至 3 小時的降水技巧，這個方向比「AI 取代物理」的口號更有實際價值。

二、更細的畫面，必須搭配更細的驗證

5 公里格距會讓產品看起來更貼近街區，但城市、山區、海岸與熱帶地區的局部偏差未必相同。論文還記錄了六角網格紋、每 6 小時邊界的時間不連續、測站輸出的成員偏差，以及熱帶氣旋強度與範圍的集合離散不足。這些不是推翻模型的理由，而是提醒產品團隊：解析度升級後，監測與校準也要同步升級。

三、降水結果值得興奮，極端事件仍是尚未交卷的考題

我同意 Google 的證據足以說 WeatherNext 3 在一般降水機率預報上取得實質進步，尤其不同觀測體系都指向相同方向。我存疑的是把「最多 60%」拿來代表暴雨風險或所有地區：最大改善來自同時參與訓練的 IMERG，獨立地面雨量計的最大幅度較小，而極端降水尚未完成系統評估。接下來最重要的不是再放大峰值數字，而是公開跨季節、跨區域、跨強度分位的結果。

四、產品分發才可能是 Google 最難複製的優勢

一個預報模型的社會價值，取決於它能否在正確時間抵達做決定的人。Google 同時掌握 Search、Gemini、Maps、雲端資料與開發者介面，確實有機會把更新更快的機率預報送進旅行、物流、能源與戶外規劃。但分發規模也放大責任：模型必須清楚呈現不確定性，遇到衛星缺測、延遲或極端事件時要能降級，並把官方氣象警報放在優先位置。

現在怎麼用，才不會把漂亮地圖當成真相

• 一般使用者：把 Google 的結果當成提早規劃行程、通勤或戶外活動的第二層資訊；牽涉颱風、暴雨、洪水與撤離時，仍以當地官方氣象與災防單位的警報為準。
• 開發者與研究團隊：取得資料後先做影子測試，不要直接接管決策。依地區、季節、預報時效與天氣強度分層，用 CRPS、Brier score、可靠度圖與實際成本函數比較現有供應商。
• 要把預報放進產品的人：記錄每次初始化時間、資料延遲、缺測與模型版本；介面同時顯示機率、更新時間與官方警報連結。若一張 5 公里地圖沒有不確定性，它仍只是一張很精緻的單一路徑。

WeatherNext 3 最值得關注的，不是單一榜單冠軍，而是它把「看見最新地球」與「快速產生全球機率預報」接得更近。這一步已經成立；它能否在極端天氣、長期即時運作與真實決策中持續勝出，才是下一輪證據要回答的事。