此页面由 Cloud Translation API 翻译。

WeatherNext Graph Forecasts

projects/gcp-public-data-weathernext/assets/59572747_4_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: Google

标签: 气候天气预报 gcp-public-data-weathernext 降水发布者数据集温度天气 weathernext 风
Graphcast

说明

WeatherNext Graph 是一个实验性数据集，包含由 Google DeepMind 的图神经网络天气模型的业务版本生成的全球中期天气预报。

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、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 6 小时，最长时效为 10 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“学习熟练的中期全球天气预报”(Learning skillful medium-range global weather forecasting)。用于生成此实验性数据集的模型是衍生自该研究模型（以前称为 GraphCast）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。

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

所有步骤同时发布。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	06:45
06:00	12:45
12:00	18:45
18:00	00:45

访问原始数据 (.zarr)

您可以在 gs://weathernext/59572747_4_0/zarr 中找到一个存储分区，其中包含历史数据集（“历史实验性数据”）的原始 .zarr 文件。如需获取相应存储分区的访问权限，请通过同一份 WeatherNext 数据请求表单申请访问权限，并注明您有兴趣获取原始 .zarr 文件的访问权限。

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_6hr`	米	米	6 小时内的总降水量
`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
`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。

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

对于实时实验性数据，请参阅适用的使用条款，了解引用要求。

如果您披露了历史数据分析结果，则必须引用“© 2024 DeepMind Technologies Limited 的机器学习模型，用于创建实验性数据，这些数据可在 https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_59572747_4_0 中获取，并根据 CC BY 4.0 许可条款提供。此数据仅用于实验性建模，不适用于实际应用，也未经过相关验证或批准。”

通过 Earth Engine 探索

代码编辑器 (JavaScript)

var dataset =
    ee.ImageCollection(
          'projects/gcp-public-data-weathernext/assets/59572747_4_0')
        .filter(ee.Filter.date('2020-10-01T06:00:00Z', '2020-10-01T06:01:00Z'))
        .filter(ee.Filter.eq('forecast_hour', 6));
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 Graph 预报

WeatherNext Graph 是一个实验性数据集，包含由 Google DeepMind 的图形神经网络天气模型的业务版本生成的全球中期天气预报。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/59572747_4_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

https://developers.google.com/earth-engine/datasets