谷歌旗下人工智能研究部门 DeepMind 决定将其新一代气象模型 WeatherNext 3 背后的两套基础数据资产对外公开。这两项分别名为 SatWeave 与 PARDIG 的数据产品，现已面向全球科研人员与开发人员提供，既包含持续推送的实时数据流，也附带可回溯的历史存档，能够支撑天气、水文、气候等方向的建模工作及一系列延伸应用。

PARDIG 聚焦降水要素，是一套以人工智能架构打造的全球降水再分析产品。它沿用了与 WeatherNext 3 同源的球形图网格 Transformer 技术路线，训练目标直接取自 NASA 全球降水测量核心观测台采集的稀疏星载雷达资料，模型输入则由 SatWeave 影像与欧洲中期天气预报中心提供的大气场共同组成。该产品空间精度约为 10 公里（0.1°），时间步长细化到 15 分钟，数据产出平均滞后约 5 小时。

为验证其实际水准，谷歌把这套产品与美国、欧洲、日本三地的陆基雷达网络观测以及全球超过 3.6 万个地面气象站记录进行了比对。从结果看，无论处于哪个雨强区间，PARDIG 均领先于以 NASA IMERG-Final 为代表的主流基准产品；在小时尺度上识别轻到中度降水时，其技巧评分较 IMERG-Final 高出三成以上，面对极端性强降水时的捕获优势更加突出。由于整套模型的学习对象是卫星原始观测而非地面资料，即便在地面雷达与雨量计覆盖稀疏的地带，该产品依然能够保持可信的精度。

另一套数据集 SatWeave 着眼于卫星影像的统一整合，它把 GOES-East、GOES-West、Meteosat 0 号星、Meteosat 印度洋星以及 Himawari 五颗静止轨道气象卫星的观测内容拼接为覆盖全球的影像产品，化解了各卫星在地图投影方式、文件格式、传感器性能和扫描频率上互不一致的难题。该产品以小时为周期滚动更新，历史数据可上溯十余年。凭借这套实时云图与风暴演变信息，WeatherNext 3 能够逐小时输出覆盖全球的预报结果，而传统分析数据的刷新周期通常长达六小时。谷歌方面同时期待，研究界能把这批影像拓展到太阳能发电功率预估、野火态势监测等更多场景。

开放范围方面，此番除 SatWeave 与 PARDIG 的实时数据流外，1999 年至 2026 年间的 PARDIG 历史档案也一并释出。全部数据存放于 Google Cloud Storage 平台，并以 CC BY 4.0 许可证对外提供。