［ニュース解説］Google「WeatherNext 3」登場——衛星データ直接学習で1時間ごとに気象予測を更新

2026-09-13

はじめに

　Google DeepMindとGoogle Researchは2026年9月3日、衛星データを直接学習に取り込み1時間ごとに予測を更新するAI気象モデル「WeatherNext 3」を発表しました。Google検索やGeminiアプリなど主要サービスへの統合も同日始まっています。本稿ではその仕組みと性能を解説します。

参考記事

メイン記事:

タイトル: Introducing WeatherNext 3, our most advanced and accurate global weather AI model
著者: The WeatherNext team
発行元: Google（Google DeepMindブログ）
発行日: 2026年09月03日
URL: https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/

要点

Google DeepMindとGoogle Researchが2026年9月3日、AI気象モデル「WeatherNext 3」を発表した。
WeatherNext 3はリアルタイムの衛星画像を直接学習に取り込み、1時間ごとに予測を更新する。
主要な地表変数の解像度は5〜10キロメートルで、前モデルのWeatherNext 2と比べ全体で約5倍細かい。
降水予測の精度は、IMERGとの比較でCRPSが最大60%改善したと報告されている。
予測データはBigQueryやEarth Engineからのクエリ、Google Cloud Storageからの一括ダウンロードで提供され、Google検索やGeminiアプリなど主要サービスにも統合された。

詳細解説

1時間ごとに更新される高解像度予測

　Google DeepMindによれば、WeatherNext 3は気温や水蒸気量などの主要な地表変数を5キロメートル、その他の地表変数を10キロメートル、風速などの大気変数を25キロメートルの解像度で、1時間ごとに予測を生成します。前モデルのWeatherNext 2が25キロメートル・6時間刻みだったのに対し、全体としておよそ5倍細かい解像度になったとしています。

　従来のAI気象モデルの多くは、物理シミュレーションに基づく数値予報（NWP）モデルの出力を学習データとして使うため、更新間隔が長くなりがちでした。なお、前世代にあたるWeatherNextがサイクロン予報の精度向上でNature誌に掲載された経緯もあり、Googleの気象AIは段階的に更新を重ねてきています。

衛星データと地上観測からの直接学習

　Google DeepMindの発表によれば、多くのAI気象モデルが学習に使う数値予報モデルの出力には、最大6時間のデータの遅れが生じます。WeatherNext 3はリアルタイムの静止気象衛星の合成画像を直接入力とし、あわせて地上の気象観測所データでも学習することで、地形の影響を受けやすい局地的な気温や湿度の変化も捉えられるようにしたとしています。

　特にこれまで高解像度予報の整備コストが高く後回しにされてきたラテンアメリカやアフリカ、アジア太平洋地域にとって、実用的な意味は大きいと考えられます。またタービン高度の風速や日射量といった再生可能エネルギー関連の変数も新たに追加されました。

降水予測の精度向上

　Googleによれば、降水量の予測は雲の動きが小さなスケールで急速に変化するため、AIモデルにとって特に難しい領域とされてきました。WeatherNext 3は、NASAの衛星観測データ「IMERG」と、Google独自の衛星レーダーによる降水量の再解析データという2種類の高品質なデータで学習しています。その結果、予測精度の指標であるCRPS（Continuous Ranked Probability Score）は、IMERGとの比較で最大60%、MRMSとの比較で30%、雨量計との比較では予測期間の早い段階において10%、それぞれ改善したと報告されています。

　CRPSは予測分布と実際の観測値のずれを数値化する指標で、値が小さいほど予測が実際の気象に近いことを示します。60%という改善幅は、従来モデルが苦手としていた降水の急な立ち上がりや、雨域の境界の捉え方が向上したことを示していると考えられます。

モデル仕様と対応変数、データへのアクセス方法

　Google for Developersが公開している技術ページによれば、WeatherNext 3の主な仕様は次の通りです。

項目	内容
公開時期	2026年8月
対象範囲	全球
空間解像度	地点変数0.05°（約5km）／地表格子変数0.1°（約10km）／気圧面変数0.25°（約25km）
時間解像度	1時間ごと
予測期間	6時間サイクル（00・06・12・18UTC）で最大15日間（360時間）、その他の毎時サイクルでは48時間
初期化頻度	1日24回（毎時）
アンサンブルメンバー数	64
アーキテクチャ	Functional Generative Network（FGN）メッシュ・トランスフォーマー

　提供される変数も幅広く、地表格子変数（0.1°）には気温・露点温度、10メートルと100メートルの風速、日射量（SSRD・FDIR）、降水量（モデル出力・IMERG較正値・実験的な衛星レーダー値）、雲量、海面気圧・海面水温などが含まれます。地点変数（0.05°）では観測所ベースの気温・露点温度が、気圧面変数（0.25°、13気圧面）ではジオポテンシャルや比湿、風速成分などが提供されるとしています。

　これらのデータは、BigQueryやEarth Engineから直接クエリする方法と、Google Cloud Storageから一括ダウンロードする方法の両方で利用できるとGoogleは説明しています。モデル自体のセットアップは不要で、研究者や開発者、企業がワークフローに組み込みやすい形での提供を意図しているとしています。

　これだけ多くの変数が高頻度で提供される点は、天気予報アプリの開発にとどまらず、再生可能エネルギーの発電量予測や物流の需要予測など、業務システムへの組み込みにも活用の余地があると考えられます。

主要サービスへの統合と予報精度への影響

　Googleによれば、WeatherNext 3はGoogle検索やGeminiアプリ、Googleマップ、Google Maps Platform Weather API、Google Earth Engineへの統合が発表と同日から始まりました。数日先を見通す長期予報では、降水予測の精度が最大50%向上し、特に従来予報の信頼性が低かった地域で改善幅が大きいとしています。

　旅行や屋外イベントの計画など、数日先の天気を踏まえて意思決定をする場面では、この長期予報の精度向上が実用面で意味を持つと考えられます。