本頁面由 Cloud Translation API 翻譯而成。

WeatherNext Gen Forecasts

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

資訊

這個資料集屬於發布商目錄，並非由 Google Earth Engine 管理。如要回報錯誤或查看更多資料集，請傳送電子郵件至 weathernext@google.com。進一步瞭解發布商資料集。

目錄擁有者: WeatherNext
資料集可用性: 2020-01-01T00:00:00Z–2025-10-03T18:00:00Z
資料集供應來源: Google

標記: climate forecast gcp-public-data-weathernext precipitation publisher-dataset temperature weather weathernext wind

說明

WeatherNext Gen 是全球中程集合天氣預報的實驗性資料集，由 Google DeepMind 以擴散為基礎的集合天氣模型的運作版本產生。

實驗資料集包含即時和歷來資料。即時資料是指與 48 小時內的時間相關的資料 (「即時實驗資料」)，而歷來資料是指與 48 小時前時間相關的資料 (「歷來實驗資料」)。這個資料集包含主要地面欄位，包括溫度、風、降水、濕度、地勢高度、海面溫度、垂直速度和壓力。空間解析度為 0.25 度。預報初始時間的解析度為 6 小時 (00z、06z、12z、18z)。預測提前時間的解析度為 12 小時，最長提前時間為 15 天。

如有意存取實驗資料集，請填寫這份 WeatherNext 資料要求表單。

如要進一步瞭解這個模型，請參閱「GenCast：以擴散為基礎的中期天氣預報集合預測」。用於產生這項實驗資料集的模型，是從該研究模型衍生而來的作業版本。請注意，這個作業模型的準確度可能與研究模型回報的準確度不完全一致，且這項預測資料集可能包含其他變數。研究模型產生的預測資料集 (用於生成上述論文中的結果) 位於 gs://weathernext/weathernext_gen_research_2019。

如對使用這項實驗性資料集有任何疑問，或想將資料集用於下列使用條款目前不允許的用途，請來信至 weathernext@google.com。

發布時間表

所有 50 個集合預報成員都會發布至 BigQuery 和 Earth Engine。所有成員都會同時發布。所有時間均為世界標準時間，且為粗略估計值 (通常會有 ± 15 分鐘的差異)。有時時間可能會相差 ± 60 分鐘以上。如果資料傳送時間超過 60 分鐘，請傳送電子郵件至 weathernext@google.com 通知我們。

預測執行 (初始時間)	預報發布時間表
00:00	08:05
06:00	14:05
12:00	20:05
18:00	02:05

存取原始資料 (.zarr)

含有 2020 年至今歷來資料集原始 .zarr 檔案的 bucket (「歷來實驗資料」) 位於 gs://weathernext/126478713_1_0/zarr。此外，您也可以在 gs://weathernext/weathernext_gen_research_2019 取得 2019 年的歷史預報資料，這項資料是「運用機器學習進行機率天氣預報」評估的額外一年預報資料。2019 年預測資料集是額外一年的預測資料，可做為這個資料集清單中 2020 年至 2024 年資料的補充。如論文所述，2019 年的預測是針對以 ERA5 訓練的模型，使用 ERA5 初始化的預測。如要存取這些資源，請透過相同的 WeatherNext 資料要求表單申請存取權。

特別銘謝

實驗資料是由模型生成，這些模型會與下列個別程式庫和套件通訊及/或參照這些項目：

歐洲中期天氣預報中心 (ECMWF) 的資料和產品，由 Google 修改。
2023 年經修訂的哥白尼氣候變化服務資訊。對於可能涉及哥白尼氣候變化服務資訊和其中資料的使用行為，歐盟執委會和 ECMWF 概不負責。
ECMWF HRES 資料集
- 著作權聲明：Copyright "© 2023 European Centre for Medium-Range Weather Forecasts (ECMWF)"。
- 來源：www.ecmwf.int
- 授權聲明：ECMWF 開放資料是依據創用 CC 姓名標示 4.0 國際授權 (CC BY 4.0) 發布。 https://creativecommons.org/licenses/by/4.0/
- 免責事項：對於資料中的任何錯誤或遺漏、資料可用性，或是因使用資料而造成的任何損失或損害，ECMWF 概不負責。

頻帶

像素大小
27750 公尺

頻帶

名稱	單位	像素大小	說明
`total_precipitation_12hr`	公尺	公尺	12 小時內的總降水量
`100m_u_component_of_wind`	公尺/秒	公尺	100 公尺 U 風分量
`100m_v_component_of_wind`	公尺/秒	公尺	100 公尺 V 風分量
`10m_u_component_of_wind`	公尺/秒	公尺	10 公尺 U 風分量
`10m_v_component_of_wind`	公尺/秒	公尺	10 公尺 V 風分量
`2m_temperature`	K	公尺	2 公尺溫度
`mean_sea_level_pressure`	Pa	公尺	平均海平面氣壓
`sea_surface_temperature`	K	公尺	海面溫度
`50_geopotential`	m^2/s^2	公尺	50 hPa 的位勢
`100_geopotential`	m^2/s^2	公尺	100 hPa 的位勢
`150_geopotential`	m^2/s^2	公尺	150 hPa 的位勢
`200_geopotential`	m^2/s^2	公尺	200 hPa 的位勢
`250_geopotential`	m^2/s^2	公尺	250 hPa 的位勢
`300_geopotential`	m^2/s^2	公尺	300 hPa 的位勢
`400_geopotential`	m^2/s^2	公尺	400 hPa 的位勢
`500_geopotential`	m^2/s^2	公尺	500 hPa 的位勢
`600_geopotential`	m^2/s^2	公尺	600 hPa 的位勢
`700_geopotential`	m^2/s^2	公尺	700 hPa 的位勢
`850_geopotential`	m^2/s^2	公尺	850 hPa 的位勢
`925_geopotential`	m^2/s^2	公尺	925 hPa 的位勢
`1000_geopotential`	m^2/s^2	公尺	1000 hPa 的位勢
`50_specific_humidity`	公斤/公斤	公尺	50 hPa 的比濕
`100_specific_humidity`	公斤/公斤	公尺	100 hPa 的比濕
`150_specific_humidity`	公斤/公斤	公尺	150 hPa 的比濕
`200_specific_humidity`	公斤/公斤	公尺	200 hPa 的比濕
`250_specific_humidity`	公斤/公斤	公尺	250 hPa 的比濕
`300_specific_humidity`	公斤/公斤	公尺	300 hPa 的比濕
`400_specific_humidity`	公斤/公斤	公尺	400 hPa 的比濕
`500_specific_humidity`	公斤/公斤	公尺	500 hPa 的比濕
`600_specific_humidity`	公斤/公斤	公尺	600 hPa 的比濕
`700_specific_humidity`	公斤/公斤	公尺	700 hPa 的比濕
`850_specific_humidity`	公斤/公斤	公尺	850 hPa 的比濕
`925_specific_humidity`	公斤/公斤	公尺	925 hPa 的比濕
`1000_specific_humidity`	公斤/公斤	公尺	1000 hPa 的比濕
`50_temperature`	K	公尺	50 hPa 的溫度
`100_temperature`	K	公尺	100 hPa 的溫度
`150_temperature`	K	公尺	150 hPa 的溫度
`200_temperature`	K	公尺	200 hPa 的溫度
`250_temperature`	K	公尺	250 hPa 的溫度
`300_temperature`	K	公尺	300 hPa 的溫度
`400_temperature`	K	公尺	400 hPa 的溫度
`500_temperature`	K	公尺	500 hPa 的溫度
`600_temperature`	K	公尺	600 hPa 的溫度
`700_temperature`	K	公尺	700 hPa 的溫度
`850_temperature`	K	公尺	850 hPa 的溫度
`925_temperature`	K	公尺	925 hPa 的溫度
`1000_temperature`	K	公尺	1000 hPa 的溫度
`50_u_component_of_wind`	公尺/秒	公尺	50 hPa 的 U 風分量
`100_u_component_of_wind`	公尺/秒	公尺	100 hPa 的 U 風分量
`150_u_component_of_wind`	公尺/秒	公尺	150 hPa 的 U 風分量
`200_u_component_of_wind`	公尺/秒	公尺	200 hPa 的 U 風分量
`250_u_component_of_wind`	公尺/秒	公尺	250 hPa 的 U 風分量
`300_u_component_of_wind`	公尺/秒	公尺	300 hPa 的 U 風分量
`400_u_component_of_wind`	公尺/秒	公尺	400 hPa 的 U 風分量
`500_u_component_of_wind`	公尺/秒	公尺	500 hPa 的 U 風分量
`600_u_component_of_wind`	公尺/秒	公尺	600 hPa 的 U 風分量
`700_u_component_of_wind`	公尺/秒	公尺	700 hPa 的 U 風分量
`850_u_component_of_wind`	公尺/秒	公尺	850 hPa 的 U 風分量
`925_u_component_of_wind`	公尺/秒	公尺	925 hPa 的 U 風分量
`1000_u_component_of_wind`	公尺/秒	公尺	1000 hPa 的 U 風分量
`50_v_component_of_wind`	公尺/秒	公尺	50 hPa 的 V 風分量
`100_v_component_of_wind`	公尺/秒	公尺	100 hPa 的 V 風分量
`150_v_component_of_wind`	公尺/秒	公尺	150 hPa 的 V 風分量
`200_v_component_of_wind`	公尺/秒	公尺	200 hPa 的 V 風分量
`250_v_component_of_wind`	公尺/秒	公尺	250 hPa 的 V 風分量
`300_v_component_of_wind`	公尺/秒	公尺	300 hPa 的 V 風分量
`400_v_component_of_wind`	公尺/秒	公尺	400 hPa 的 V 風分量
`500_v_component_of_wind`	公尺/秒	公尺	500 hPa 的 V 風分量
`600_v_component_of_wind`	公尺/秒	公尺	600 hPa 的 V 風分量
`700_v_component_of_wind`	公尺/秒	公尺	700 hPa 的 V 風分量
`850_v_component_of_wind`	公尺/秒	公尺	850 hPa 的 V 風分量
`925_v_component_of_wind`	公尺/秒	公尺	925 hPa 的 V 風分量
`1000_v_component_of_wind`	公尺/秒	公尺	1000 hPa 的 V 風分量
`50_vertical_velocity`	Pa/s	公尺	50 hPa 的垂直速度
`100_vertical_velocity`	Pa/s	公尺	100 hPa 的垂直速度
`150_vertical_velocity`	Pa/s	公尺	150 hPa 的垂直速度
`200_vertical_velocity`	Pa/s	公尺	200 hPa 的垂直速度
`250_vertical_velocity`	Pa/s	公尺	250 hPa 的垂直速度
`300_vertical_velocity`	Pa/s	公尺	300 hPa 的垂直速度
`400_vertical_velocity`	Pa/s	公尺	400 hPa 的垂直速度
`500_vertical_velocity`	Pa/s	公尺	500 hPa 的垂直速度
`600_vertical_velocity`	Pa/s	公尺	600 hPa 的垂直速度
`700_vertical_velocity`	Pa/s	公尺	700 hPa 的垂直速度
`850_vertical_velocity`	Pa/s	公尺	850 hPa 的垂直速度
`925_vertical_velocity`	Pa/s	公尺	925 hPa 的垂直速度
`1000_vertical_velocity`	Pa/s	公尺	1000 hPa 的垂直速度

圖片屬性

圖片屬性

名稱	類型	說明
start_time	STRING	預測的初始化時間。單一模型執行期間的所有預測時數都相同。
end_time	STRING	這項特定預報的有效時間。計算方式為 start_time + forecast_hour。
forecast_hour	INT	以小時為單位的預測前置時間。代表從 start_time 算起的時數。
ingestion_time	DOUBLE	這項預測資料在 Earth Engine 中可用的時間。
ensemble_member	STRING	以字串形式表示的樂團成員。

使用條款

使用條款

歷史實驗資料採用創用 CC 姓名標示國際授權條款 4.0 版 (CC BY 4.0)。

即時實驗資料的提供須遵守下列 GDM 即時天氣預報實驗資料使用條款。

第三方素材

使用「特別銘謝」一節中提及的第三方素材時，可能須遵守其他條款及細則或授權條款。使用第三方素材時，您必須遵守相關條款，並在事前確認是否符合適用限制或條款及細則。

引用內容

如要瞭解即時實驗資料的引用規定，請參閱適用的《使用條款》。

如要揭露從歷史資料得出的結果，請務必引用「© 2024 DeepMind Technologies Limited 的機器學習模型，用於建立實驗資料，並依據 CC BY 4.0 授權條款，在 https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_126478713_1_0 提供」。這項資料僅供實驗性模型使用，未經核准或驗證，不適用於現實世界。」

使用 Earth Engine 探索

程式碼編輯器 (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');

在程式碼編輯器中開啟

WeatherNext Gen Forecasts

WeatherNext Gen 是全球中程集合天氣預報的實驗資料集，由 Google DeepMind 擴散式集合天氣模型的操作版本生成。實驗資料集包含即時和歷來資料。即時資料是指與不超過 48 小時前時間相關的任何資料，

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/2025-10-03T18:00:00Z

-90 -180 90 180

Google Earth Engine

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

WeatherNext Gen Forecasts 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

說明

頻帶

圖片屬性

使用條款

引用內容

使用 Earth Engine 探索

程式碼編輯器 (JavaScript)

WeatherNext Gen Forecasts