はじめに
天気予報は、農業やエネルギー、日々の予定など、あらゆる意思決定に関わっています。Google DeepMindが2026年9月3日に発表した最新の気象AIモデル「WeatherNext 3」は、従来の物理シミュレーションに頼らず、リアルタイムの衛星データから毎時予報を生成する仕組みで、独立した外部評価でも高い評価を得ています。本記事では、公式ブログをもとにその仕組みを整理します。
WeatherNext 3 とは
Google DeepMind公式ブログによると、WeatherNext 3は、気象モデルを継続的に比較しているBrightbandによる独立したライブ評価において、現時点で最も高度で正確なグローバル気象モデルとされています(Introducing WeatherNext 3, our most advanced and accurate global weather AI model | Google DeepMind)。
Google for Developersの公式ページによると、Brightbandは「Operational WeatherBench(OWB)」という仕組みを通じて、AIおよび物理ベースの気象予測システムを、実際の運用条件下で継続的かつ独立に追跡・検証しています。WeatherNextモデルの評価には、ECMWF(欧州中期予報センター)の運用システム(決定論的なHRES、確率論的なENS)との比較や、RMSE・CRPS・異常相関係数・相対経済価値といった指標が用いられ、Google ResearchとECMWFが共同開発した標準ベンチマーク「WeatherBench 2」による比較も行われているとのことです(Research and benchmarks | WeatherNext | Google for Developers)。
リアルタイムの観測データから直接学習することで、人々に最も影響を与える気象イベントについて、よりタイムリーで局地的な予測を提供できるようになっています。生の衛星データを使って高解像度の予報を毎時生成することで、Google製品全体で信頼性の高い予報を利用できるようにしています。
仕組み: 衛星データを直接取り込むアーキテクチャ
公式ブログの図解によると、WeatherNext 3は、1時間ごとの静止気象衛星モザイクデータと、従来の過去解析データの両方を、単一の柔軟な「Functional Generative Network(FGN)」メッシュトランスフォーマーに取り込む、エンドツーエンドのシステムとして設計されています。出力は、密なグリッド化されたフィールド、離散的なサイクロン経路、station-level(観測地点単位)の疎な座標予測まで、ネイティブに対応しています。
これは、従来のAI気象モデル(WeatherNext 2を含む)が主に数値予報(NWP)モデルの出力データから学習していたのとは異なるアプローチです。NWPモデルは高度な物理シミュレーションですが、6時間ほどのデータ遅延があり、雨や地表気温のような急速に変化する変数において誤差の原因になっていました。
解像度と更新頻度の向上
WeatherNext 3は、前世代のWeatherNext 2と比べて、以下のように大きく解像度・更新頻度が向上しています。
| 項目 | WeatherNext 2 | WeatherNext 3 |
|---|---|---|
| 更新頻度 | 6時間ごと | 毎時 |
| 気温・湿度などの地表変数 | 25km | 5km |
| その他の地表変数 | 25km | 10km |
| 風速などの大気変数 | 25km | 25km |
公式ブログによると、全体としてWeatherNext 2と比べておよそ5倍鮮明なグローバル気象画像を提供できるようになったとされています。
降水予報の精度向上
降水(雨・雪)の予測は、従来のAI気象モデルが苦手としてきた領域です。WeatherNext 3では、NASAの衛星ベースの降水データ(IMERG)と、Google独自の衛星レーダーに基づくグローバル降水再解析データという、2つの高品質なデータソースで学習しています。
その結果、中期予報における評価指標(CRPS)は、IMERGとの比較で最大60%、MRMSとの比較で最大30%、雨量計の実測値との比較で(予報期間の早い段階で)最大10%改善したとされています。1日以上先の計画を立てる際の降水予報についても、最大50%の精度向上が確認されており、特に従来から予報の信頼性が低かった地域で改善幅が大きいとのことです。
再生可能エネルギー向けの予測にも対応
WeatherNext 3は、解像度や更新頻度の向上に加えて、再生可能エネルギー向けに特化した予測も導入しています。風力タービンの高さに相当する地上100mの風速を予測して正確な風力発電量の推定に役立てるほか、高解像度の雲量・日射量データも提供し、太陽光発電施設がどれだけの日照を受けるかを見積もれるようにしています。これにより、送電網の運用者や再生可能エネルギー事業者は、発電量を需要と正確にマッチングさせやすくなります。
どこで使えるか
WeatherNext 3のデータは、Google Search、Geminiアプリ、Google Maps、Google Maps Platform Weather API、Google Earth Engineといった一般向けサービスに組み込まれているほか、開発者・研究者・企業向けには以下の形で提供されています(WeatherNext | Google for Developers)。
- BigQueryおよびEarth Engineでのクエリ
- Google Cloud Storageからの一括ダウンロード
- モデルの設定なしにワークフローへ組み込める、毎時更新のグローバル予報データ
研究成果はarXivにも論文として公開されており、開発者向けポータルの「Weather Lab」ガイドによると、対話型プラットフォーム「Weather Lab」上でサイクロンの進路をリアルタイムに追跡・可視化することもできます。観測された実際の進路データにはNHC/JTWCのTCVitals(リアルタイム)やIBTrACS(過去データ)が使われており、予測結果はCSVやATCF形式でダウンロードすることも可能です(Weather Lab | WeatherNext | Google for Developers)。
まとめ
- WeatherNext 3は2026年9月3日に発表された、Google DeepMindの最新気象AIモデルで、独立評価(Brightband)で最も正確なグローバル気象モデルとされている
- 従来の物理シミュレーション(NWP)ではなく、リアルタイムの衛星観測データから直接学習する点が最大の特徴
- 更新頻度は6時間ごとから毎時に、解像度は最大5倍に向上した
- 降水予報の精度がIMERG比で最大60%改善するなど、従来AIモデルが苦手としていた領域でも大きな進歩がある
- 風力・太陽光発電向けの予測(100m風速、雲量、日射量)にも対応している
- Google Search・Gemini・Mapsといった一般向けサービスに加え、BigQuery・Earth Engine・Cloud Storageを通じて開発者・企業も利用できる
天気予報AIがどのような仕組みで進化しているかを知る参考になれば幸いです。
参考リンク
- Introducing WeatherNext 3, our most advanced and accurate global weather AI model | Google DeepMind
- Research and benchmarks | WeatherNext | Google for Developers
- WeatherNext | Google for Developers
- Weather Lab | WeatherNext | Google for Developers
本記事は2026年9月時点の公式情報をもとにまとめています。仕様は変更される可能性があるため、実際の利用を検討される際は最新の公式情報をご確認ください。