WeatherNext Gen Forecasts

projects/gcp-public-data-weathernext/assets/126478713_1_0
信息

此数据集属于发布方目录，不由 Google Earth Engine 管理。 如需报告 bug 或查看 WeatherNext Catalog 中的更多数据集，请发送电子邮件至 weathernext@google.com。详细了解发布方数据集。

目录所有者
WeatherNext
数据集可用时间
2020-01-01T00:00:00Z–2025-09-01T06:00:00Z
数据集提供方
Earth Engine 片段
ee.ImageCollection("projects/gcp-public-data-weathernext/assets/126478713_1_0")
标签
climate forecast gcp-public-data-weathernext precipitation publisher-dataset temperature weather weathernext wind

说明

WeatherNext Gen 是一个实验性数据集，包含由 Google DeepMind 的基于扩散的集合天气模型的业务版本生成的全球中期集合天气预报。

此实验性数据集包含实时数据和历史数据。实时数据是指与不超过 48 小时前的时间相关的所有数据（“实时实验性数据”），而历史数据是指与 48 小时前的时间相关的所有数据（“历史实验性数据”）。此数据集包含主要地面场，包括温度、风、降水、湿度、位势、海面温度、垂直速度和气压。空间分辨率为 0.25 度。预报初始化时间的分辨率为 6 小时（00z、06z、12z、18z）。 预报时效的分辨率为 12 小时，最长时效为 15 天。

如果您有兴趣访问此实验性数据集，请填写此 WeatherNext 数据请求表单。

有关该模型的更多信息，请参阅“GenCast：基于扩散的中期集合天气预报”(GenCast: Diffusion-based ensemble forecasting for medium-range weather)。用于生成此实验性数据集的模型是衍生自该研究模型的业务版本。请注意，此业务版本模型的准确率可能与研究模型报告的准确率并不完全一致，并且此预报数据集中可能包含其他变量。研究模型生成的预报数据集（用于生成上述论文中的结果）可在 gs://weathernext/weathernext_gen_research_2019 中找到。

如果您在使用此实验性数据集时有任何疑问，或者希望突破下方所列使用条款的限制进行其他用途，请发送电子邮件至 weathernext@google.com 与我们联系。

发布时间表

集合预报的所有 50 个成员都会发布到 BigQuery 和 Earth Engine。所有成员同时发布。所有时间均采用世界协调时间 (UTC) 时区，并且均为粗略估计值（通常有 15 分钟的偏差）。有时，时间可能会相差 60 分钟或更长时间。如果数据交付时间超过 60 分钟，请发送电子邮件至 weathernext@google.com 通知我们。

预报运行（初始化时间） 预报发布时间表
00:00 08:05
06:00 14:05
12:00 20:05
18:00 02:05

访问原始数据 (.zarr)

您可以在 gs://weathernext/126478713_1_0/zarr 中找到一个存储桶，其中包含 2020 年至今的历史数据集（“历史实验性数据”）的原始 .zarr 文件。此外，《利用机器学习进行概率性天气预报》(Probabilistic weather forecasting with machine learning) 中评估的 2019 年（额外的一年）历史预报数据可通过 gs://weathernext/weathernext_gen_research_2019 找到。该 2019 年预报数据集可作为此数据集列表所提供 2020-2024 年数据的补充。如论文所述，2019 年预报数据由在 ERA5 上训练的模型生成，并使用 ERA5 进行初始化。如需获取这些资源的访问权限，请通过同一份 WeatherNext 数据请求表单申请访问权限。

致谢

实验性数据由与以下各库和数据包进行通信和/或引用这些库和数据包的模型生成：

  • 欧洲中期天气预报中心 (ECMWF) 的数据和产品，由 Google 修改。
  • 经修改的哥白尼气候变化服务信息，2023 年。对于可能涉及哥白尼气候变化服务信息或其中所含数据的任何使用行为，欧盟委员会和 ECMWF 均不承担责任。
  • ECMWF HRES 数据集
    • 版权声明：版权“© 2023 European Centre for Medium-Range Weather Forecasts (ECMWF)”。
    • 来源：www.ecmwf.int
    • 许可声明：ECMWF 开放数据在获得知识共享署名 4.0 国际版 (CC BY 4.0) 许可的前提下发布。 https://creativecommons.org/licenses/by/4.0/
    • 免责声明：ECMWF 不对数据中的任何错误或遗漏、数据的可用性或因使用数据而造成的任何损失或损害承担任何责任。

波段

像元大小
27,750 米

波段

名称 单位 像元大小 说明
total_precipitation_12hr 米 米

12 小时内的总降水量
100m_u_component_of_wind 米/秒 米

100 米高度处的 U 风分量
100m_v_component_of_wind 米/秒 米

100 米高度处的 V 风分量
10m_u_component_of_wind 米/秒 米

10 米处的 U 风分量
10m_v_component_of_wind 米/秒 米

10 米 V 风分量
2m_temperature K 米

2 米温度
mean_sea_level_pressure Pa 米

平均海平面气压
sea_surface_temperature K 米

海面温度
50_geopotential m^2/s^2 米

50 hPa 时的位势
100_geopotential m^2/s^2 米

100 hPa 时的位势
150_geopotential m^2/s^2 米

150 hPa 时的位势
200_geopotential m^2/s^2 米

200 hPa 时的位势
250_geopotential m^2/s^2 米

250 hPa 时的位势
300_geopotential m^2/s^2 米

300 hPa 时的位势
400_geopotential m^2/s^2 米

400 hPa 时的位势
500_geopotential m^2/s^2 米

500 hPa 时的位势
600_geopotential m^2/s^2 米

600 hPa 时的位势
700_geopotential m^2/s^2 米

700 hPa 时的位势
850_geopotential m^2/s^2 米

850 hPa 时的位势
925_geopotential m^2/s^2 米

925 hPa 时的位势
1000_geopotential m^2/s^2 米

1000 hPa 时的位势
50_specific_humidity kg/kg 米

50 hPa 时的比湿
100_specific_humidity kg/kg 米

100 hPa 时的比湿
150_specific_humidity kg/kg 米

150 hPa 时的比湿
200_specific_humidity kg/kg 米

200 hPa 时的比湿
250_specific_humidity kg/kg 米

250 hPa 时的比湿
300_specific_humidity kg/kg 米

300 hPa 时的比湿
400_specific_humidity kg/kg 米

400 hPa 时的比湿
500_specific_humidity kg/kg 米

500 hPa 时的比湿
600_specific_humidity kg/kg 米

600 hPa 时的比湿
700_specific_humidity kg/kg 米

700 hPa 时的比湿
850_specific_humidity kg/kg 米

850 hPa 时的比湿
925_specific_humidity kg/kg 米

925 hPa 时的比湿
1000_specific_humidity kg/kg 米

1000 hPa 时的比湿
50_temperature K 米

50 hPa 时的温度
100_temperature K 米

100 hPa 时的温度
150_temperature K 米

150 hPa 时的温度
200_temperature K 米

200 hPa 时的温度
250_temperature K 米

250 hPa 时的温度
300_temperature K 米

300 hPa 时的温度
400_temperature K 米

400 hPa 时的温度
500_temperature K 米

500 hPa 时的温度
600_temperature K 米

600 hPa 时的温度
700_temperature K 米

700 hPa 时的温度
850_temperature K 米

850 hPa 时的温度
925_temperature K 米

925 hPa 时的温度
1000_temperature K 米

1000 hPa 时的温度
50_u_component_of_wind 米/秒 米

50 hPa 时的 U 风分量
100_u_component_of_wind 米/秒 米

100 hPa 时的 U 风分量
150_u_component_of_wind 米/秒 米

150 hPa 时的 U 风分量
200_u_component_of_wind 米/秒 米

200 hPa 时的 U 风分量
250_u_component_of_wind 米/秒 米

250 hPa 时的 U 风分量
300_u_component_of_wind 米/秒 米

300 hPa 时的 U 风分量
400_u_component_of_wind 米/秒 米

400 hPa 时的 U 风分量
500_u_component_of_wind 米/秒 米

500 hPa 时的 U 风分量
600_u_component_of_wind 米/秒 米

600 hPa 时的 U 风分量
700_u_component_of_wind 米/秒 米

700 hPa 时的 U 风分量
850_u_component_of_wind 米/秒 米

850 hPa 时的 U 风分量
925_u_component_of_wind 米/秒 米

925 hPa 时的 U 风分量
1000_u_component_of_wind 米/秒 米

1000 hPa 时的 U 风分量
50_v_component_of_wind 米/秒 米

50 hPa 时的 V 风分量
100_v_component_of_wind 米/秒 米

100 hPa 时的 V 风分量
150_v_component_of_wind 米/秒 米

150 hPa 时的 V 风分量
200_v_component_of_wind 米/秒 米

200 hPa 时的 V 风分量
250_v_component_of_wind 米/秒 米

250 hPa 时的 V 风分量
300_v_component_of_wind 米/秒 米

300 hPa 时的 V 风分量
400_v_component_of_wind 米/秒 米

400 hPa 时的 V 风分量
500_v_component_of_wind 米/秒 米

500 hPa 时的 V 风分量
600_v_component_of_wind 米/秒 米

600 hPa 时的 V 风分量
700_v_component_of_wind 米/秒 米

700 hPa 时的 V 风分量
850_v_component_of_wind 米/秒 米

850 hPa 时的 V 风分量
925_v_component_of_wind 米/秒 米

925 hPa 时的 V 风分量
1000_v_component_of_wind 米/秒 米

1000 hPa 时的 V 风分量
50_vertical_velocity Pa/s 米

50 hPa 时的垂直速度
100_vertical_velocity Pa/s 米

100 hPa 时的垂直速度
150_vertical_velocity Pa/s 米

150 hPa 时的垂直速度
200_vertical_velocity Pa/s 米

200 hPa 时的垂直速度
250_vertical_velocity Pa/s 米

250 hPa 时的垂直速度
300_vertical_velocity Pa/s 米

300 hPa 时的垂直速度
400_vertical_velocity Pa/s 米

400 hPa 时的垂直速度
500_vertical_velocity Pa/s 米

500 hPa 时的垂直速度
600_vertical_velocity Pa/s 米

600 hPa 时的垂直速度
700_vertical_velocity Pa/s 米

700 hPa 时的垂直速度
850_vertical_velocity Pa/s 米

850 hPa 时的垂直速度
925_vertical_velocity Pa/s 米

925 hPa 时的垂直速度
1000_vertical_velocity Pa/s 米

1000 hPa 时的垂直速度

图片属性

图像属性

名称 类型 说明
start_time STRING

预报的初始化时间。在单个模型运行中，所有预报小时数都相同。
end_time STRING

相应特定预报的有效时间。计算方式为 start_time + forecast_hour。
forecast_hour INT

天气预报时效（以小时为单位）。表示自 start_time 起的小时数。
ingestion_time DOUBLE

相应预报数据在 Earth Engine 中开始可用的时间。
ensemble_member STRING

集合成员（以字符串形式表示）。

使用条款

使用条款

历史实验性数据已获得知识共享署名国际版许可 4.0 版 (CC BY 4.0) 许可。

实时实验性数据根据以下 GDM 实时天气预报实验性数据使用条款提供。

第三方资料

使用“致谢”部分中提及的第三方资料可能需要遵守单独的条款及条件或许可规定。您对第三方资料的使用受任何此类条款的约束，您应在使用前检查自己是否能够遵守任何适用的限制或条款及条件。

引用

引用：

通过 Earth Engine 探索

代码编辑器 (JavaScript)

var dataset =
    ee.ImageCollection(
          'projects/gcp-public-data-weathernext/assets/126478713_1_0')
        .filter(ee.Filter.date('2020-10-01T06:00:00Z', '2020-10-01T06:01:00Z'))
        .filter(ee.Filter.eq('ensemble_member', '8'))
        .filter(ee.Filter.eq('forecast_hour', 12));
var temperature = dataset.select('2m_temperature');

var visParams = {
  min: 220,
  max: 350,
  palette: [
    'darkblue', 'blue', 'cyan', 'green', 'yellow', 'orange', 'red', 'darkred'
  ]
};

Map.addLayer(temperature, visParams, '2m Temperature');
在代码编辑器中打开
WeatherNext Gen 是一个实验性数据集，包含由 Google DeepMind 的基于扩散的集合天气模型的业务版本生成的全球中期集合天气预报。此实验性数据集包含实时数据和历史数据。实时数据是指与不超过 48 小时前的时间相关的所有数据…
projects/gcp-public-data-weathernext/assets/126478713_1_0, climate,forecast,gcp-public-data-weathernext,precipitation,publisher-dataset,temperature,weather,weathernext,wind
2020-01-01T00:00:00Z/2025-09-01T06:00:00Z
-90 -180 90 180
Google Earth Engine