اطلاعات کلی
چگونه Weather API از Google را از فروشندگان تخصصی داده‌های آب‌وهوا متمایز می‌کنید؟
Google درحال ادغام فناوری شرکت هواشناسی معتبری است که خریداری کرده‌ایم با پیشرفت‌های مدل‌های هوش مصنوعی MetNet و WeatherNext از Google DeepMind (۲۰۲۵). این کار از قابلیت اطمینان اثبات‌شده «پلاتفرم Google Maps» بهره می‌برد.
تفاوت بین داده‌های آب‌وهوای دردسترس در Earth Engine و BigQuery و Weather API از Google چیست؟
مجموعه محصولات آب‌وهوای Google طیف جامعی از راه‌حل‌ها را برای نیازهای متنوع ارائه می‌دهد. مدل‌های WeatherNext (یعنی GraphCast و GenCast) خروجی‌های پیش‌بینی مدل مبتنی بر هوش مصنوعی خام را ارائه می‌دهند، ازجمله پارامترهای ایده‌آل برای پژوهش، مدل‌سازی، و تحلیل، که بااستفاده از کد متن‌باز و مجموعه‌داده‌های آب‌وهوای گذشته یا فعلی بااستفاده از Earth Engine و BigQuery API دردسترس قرار می‌گیرند.
برعکس، Google Maps Platform Weather API داده‌های پردازش‌شده آب‌وهوا را برای شرایط فعلی، پیش‌بینی‌های ساعتی، و پیش‌بینی‌های روزانه با ترکیب هوش مصنوعی و سیستم‌های پیش‌بینی سنتی در قالبی مناسب برای توسعه‌دهندگان ارائه می‌دهد که به‌طور یکپارچه در برنامه‌ها و سرویس‌های وب ادغام می‌شود. این رویکرد دوگانه هم نیازهای پژوهشی تخصصی را برآورده می‌کند و هم دسترسی گسترده‌ای برای توسعه‌دهندگان فراهم می‌کند.
چرا Google فقط به اندازه‌گیری‌های ایستگاه‌های هواشناسی اتکا نمی‌کند؟
Google از انواع منابع ورودی برای مدل آب‌وهوای خود استفاده می‌کند، ازجمله مشاهدات ایستگاه‌های هواشناسی، مدل‌های عددی پیش‌بینی وضعیت آب‌وهوا، و مدل‌های هوش مصنوعی آب‌وهوا. دلیل استفاده از این منابع ورودی مختلف این است که مشاهدات ایستگاه‌های هواشناسی فقط اطلاعاتی درباره آب‌وهوا در مکان ایستگاه در زمان اندازه‌گیری ارائه می‌دهند. مشاهدات ایستگاه هواشناسی می‌تواند برای آن نقطه دقیق بسیار دقیق باشد، اما پدیده‌های آب‌وهوایی مانند بارش، به‌ویژه از رگبار یا رعدوبرق، اغلب محلی هستند و می‌توانند به‌طور قابل‌توجهی در فاصله کوتاهی متفاوت باشند.
برای مثال، ممکن است رگبار شدیدی دقیقاً در محل ایستگاه درحال وقوع باشد، درحالی‌که چند مایل دورتر، فقط نم‌نم باران ملایمی می‌بارد یا اصلاً باران نمی‌بارد. ازآنجایی‌که خوانش یک ایستگاه ممکن است نماینده منطقه وسیع‌تری نباشد، مدل‌ها برای ارائه اطلاعات بیشتر بین ایستگاه‌ها ضروری هستند.
علاوه‌براین، ایستگاه‌های هواشناسی معمولاً خوانش‌های ساعتی یا نیم‌ساعتی ارائه می‌دهند. حتی اگر این داده‌ها تقریباً هم‌زمان ارائه شوند، ممکن است همچنان تأخیر اندکی بین رویدادهای واقعی بارش و گزارش آن وجود داشته باشد. مدل‌ها همچنین کمک می‌کنند تا شرایط کنونی تا حد امکان به واقعیت تجربه شده در مکان مورد پرس‌وجو نزدیک باشد.
استفاده از میانای برنامه‌سازی کاربردی
پوشش Weather API چقدر است؟
Weather API از همه کشورهای جهان به‌جز قلمروهای ممنوعه پشتیبانی می‌کند. برای ژاپن و کره جنوبی، داده‌های آب‌وهوا توسط Weathernews Inc.، اپراتور رسمی دارای مجوز خدمات هواشناسی، ارائه می‌شود.
دقت فضایی Google Weather API چقدر است؟
وضوح داده‌ها به‌گونه‌ای است که پیش‌بینی‌ها در فاصله چند کیلومتری برای هر مکانی در سراسر جهان ایجاد می‌شود.
فواصل تجدید نظر برای Weather API چقدر است؟
| نقطه پایانی | شرایط آب‌وهوایی فعلی | پیش‌بینی ساعت‌به‌ساعت | پیش‌بینی روزانه | سابقه ساعتی |
|---|---|---|---|---|
| نرخ بازآوری | به‌طور هم‌زمان محاسبه می‌شود. | هر ساعت بازآوری می‌شود. | هر ساعت بازآوری می‌شود. | دو بار در روز (۷ صبح و ۷ بعدازظهر به‌وقت استاندارد اقیانوس آرام). |
- بارش کوتاه‌برد (۱۲ ساعت اول پیش‌بینی): هر ۲ تا ۱۵ دقیقه بااستفاده از رادار و مدل‌های پیش‌بینی هوای حالا با وضوح بالا بازآوری می‌شود.
- افق بارندگی گسترده و غیربارندگی (تا ۱۰ روز): هر ساعت بازآوری می‌شود تا جدیدترین راهنمای پیش‌بینی ارائه شود.
آیا Weather API پیش‌بینی بارش «پیش‌بینی هوای حالا» را ارائه می‌دهد؟
Google پیش‌بینی هوای حالا (پیش‌بینی دقیقه‌ای) را در API ارائه نمی‌دهد، اما شرایط فعلی، پیش‌بینی‌های ساعتی، و پیش‌بینی‌های روزانه را ارائه می‌دهد.
آیا Weather API مقادیر UVA و UVB را به‌صورت جداگانه ارائه می‌دهد؟
شاخص فرابنفش شاخصی واحد است که هر دو UVA و UVB را ترکیب می‌کند. تفکیک براساس مؤلفه را ارائه نمی‌دهیم.
Weather API چگونه خروجی پیش‌بینی تولید می‌کند؟
همان‌طور که در نمودار زیر نشان داده شده است، پیش‌بینی‌های Weather API از یک سیستم پیش‌بینی داخلی ساخته شده است که از مدل‌های آب‌وهوا و مشاهدات سازمان‌های هواشناسی در سراسر جهان به‌عنوان ورودی بهره می‌برد. از داده‌های حسگرهای آب‌وهوای واقعیت عینی عمومی برای بهبود مدل پیش‌بینی استفاده می‌شود.
دقت پیش‌بینی «آب‌وهوای Google» برای مناطق مختلف و افق‌های پیش‌بینی در مقایسه با پیش‌بینی‌های سازمان‌های هواشناسی دولتی پیشرو چقدر است؟
ارقام موجود در جدول ۱ ریشه میانگین مربعات خطا (RMSE) را برای دما و سرعت باد در یک افق پیش‌بینی ۲۴۰ ساعته (۱۰ روزه) بین داده‌های آب‌وهوای Google و مدل‌های آب‌وهوای جهانی و منطقه‌ای از سازمان‌های دولتی درطول ۱۱ ماه (۱۵ اوت ۲۰۲۴ تا ۱ ژوئیه ۲۰۲۵) مقایسه می‌کنند.
در سطح جهانی، پیش‌بینی وضعیت آب‌وهوای Google از پیش‌بینی‌های وضعیت آب‌وهوای سازمان‌های دولتی پیشرو بهتر عمل می‌کند. برای اروپا و آمریکای شمالی، داده‌های آب‌وهوای Google حداقل برای بخش بعدی افق‌های پیش‌بینی خود، خطای کمتری نسبت به دقیق‌ترین مدل‌های دولتی منطقه‌ای دارد. عملکرد عالی داده‌های آب‌وهوای Google برای افق‌های پیش‌بینی طولانی‌تر به‌ویژه قابل‌توجه است، که می‌تواند چالش‌برانگیزترین مورد برای پیش‌بینی دقیق باشد.
جدول ۱ میانگین مقادیر RMSE را برای کل افق‌های پیش‌بینی مربوط به هر ترکیب مدل منطقه فهرست می‌کند. مقدار RMSE کمتر نشان‌دهنده عملکرد بهتر است. پیش‌بینی‌های آب‌وهوای Google پایین‌ترین یا یکی از پایین‌ترین مقادیر میانگین RMSE را برای تقریباً همه پارامترها، مناطق، و محدوده‌های افق پیش‌بینی دارد.
برای مشاهده نسخه بزرگ‌شده تصویر، روی آن کلیک کنید.
| دما | سرعت باد | |
|---|---|---|
| جهانی |  |
 |
| امریکای شمالی |  |
 |
| اروپا |  |
 |
جدول ۱. مقادیر میانگین RMSE برای هر ترکیب مدل منطقه‌ای مربوطه
جدول ۲ مقادیر میانگین RMSE را برای افق‌های پیش‌بینی مربوطه برای هر مدل فهرست می‌کند (مقادیر Google به‌صورت پررنگ نشان داده شده‌اند). پارامترها (دما، باد) و افق‌های پیش‌بینی که Google به‌طور منحصربه‌فردی کمترین میانگین RMSE را برای آن‌ها دارد با رنگ سبز تیره برجسته شده‌اند. پارامترها و افق‌های پیش‌بینی که Google برای آن‌ها کمترین میانگین RMSE را در مقایسه با مدل(های) دیگر دارد با رنگ سبز روشن برجسته شده‌اند.
جدول ۲. میانگین
مقادیر RMSE برای افق‌های پیش‌بینی مربوطه در هر مدل
آیا نقطه پایانی داده‌های گذشته نشان‌دهنده داده‌های واقعی آب‌وهوا (یعنی تأییدشده با اندازه‌گیری‌های محلی) است؟
داده‌های تاریخی آب‌وهوا عمدتاً خروجی مدل‌سازی‌شده است. اگرچه این داده‌ها شامل مشاهدات سازمان‌های هواشناسی جهانی و مدل‌های پیش‌بینی عددی آب‌وهوا (NWP) است، اما این موارد در مدل «آب‌وهوای Google» ادغام می‌شوند تا یک سابقه تاریخی کامل و منسجم ایجاد شود. اندازه‌گیری‌های واقعی ایستگاه‌ها به‌عنوان «واقعیت عینی» در مکان‌های خاص خودشان درنظر گرفته می‌شوند، اما توزیع جهانی محدود آن‌ها باعث می‌شود که برای ارائه تصویری کامل از سراسر جهان کافی نباشند.
فیلدهای weatherCondition، precipitation.probability.percent، precipitation.qpf.quantity چه معنایی دارند و چه ارتباطی باهم دارند؟
این فیلدها اطلاعات آماری متمایز اما مرتبطی درباره بارش و وضعیت کلی آب‌وهوا ارائه می‌دهند.
weatherCondition: این فیلد شرحی کلی و شهودی از شرایط کلی آب‌وهوا در منطقه موردپرسش ارائه می‌دهد و پارامترهای مختلفی را برای درک آسان درنظر می‌گیرد.precipitation.probability.percent(PoP): این نشان‌دهنده احتمال بارندگی است. احتمال وقوع بارش در مکان پیش‌بینی‌شده درطول دوره زمانی تعریف‌شده (معمولاً ساعتی).precipitation.qpf.quantity(QPF): این مخفف «پیش‌بینی کمی بارش» است و مقدار موردانتظار بارش را نشان می‌دهد که به‌صورت عمق (مثلاً میلی‌متر یا اینچ) اندازه‌گیری می‌شود. این مقدار نشان‌دهنده میزان بارندگی موردانتظار درصورت وقوع در زمان و مکان مشخص‌شده است.
چگونه می‌توانم بفهمم در مکان خاصی باران می‌بارد یا نه؟
توصیه می‌کنیم از فیلد weatherCondition استفاده کنید تا متوجه شوید
آیا در مکان خاصی باران می‌بارد یا نه. شرایط متعددی می‌تواند نشان‌دهنده
بارش باران باشد (باران، باران خفیف، رگبار باران، باران شدید، باد و باران،
توفان تندری، توفان تندری شدید، رگبار تندری، رگبار پراکنده، باران
توفان تندری خفیف، توفان تندری پراکنده، باران و برف). این شرایط برای ثبت همه موارد بارش باران خفیف، شدید، مداوم، یا پراکنده و همچنین تشخیص باران از برف طراحی شده است. بسته به مورد استفاده خاص شما — برای مثال، اگر مورد استفاده شما فقط بارندگی شدید را درنظر می‌گیرد — می‌توانید فقط زیرمجموعه مرتبطی از این شرایط را انتخاب کنید.
آیا «شرایط فعلی» معادل مشاهدات در مکان‌های ایستگاه هواشناسی است؟ «شرایط کنونی» در مکان‌های بدون ایستگاه چگونه تعیین می‌شود؟
«شرایط فعلی» ما به‌روزترین اطلاعات آب‌وهوا را با ترکیب منابع داده مختلف ارائه می‌دهد، اما این اطلاعات در همه موارد دقیقاً معادل مشاهدات مستقیم ایستگاه نیست.
برای precipitation.probability.percent و precipitation.qpf.quantity
(انباشته‌شده درطول ساعت گذشته)، مقدار ارائه‌شده در پاسخ currentConditions
همیشه از جدیدترین پیش‌بینی مشتق می‌شود. احتمال خودش
یک کمیت مدل‌سازی‌شده است، نه یک کمیت مستقیماً مشاهده‌شده.
این رویکرد به ما امکان می‌دهد «شرایط فعلی» جامعی را حتی در مناطقی که پوشش حسگر مستقیم ندارند ارائه دهیم و بهترین اطلاعات موجود را در همه زمان‌ها تضمین کنیم.
حدود و دسترسی API
آیا محدودیت نرخ برای API وجود دارد؟
برای Weather API، حد نرخ پیش‌فرض ۶٬۰۰۰ پُرسمان در دقیقه است.
آیا می‌توانم به‌صورت انبوه به داده‌ها دسترسی داشته باشم؟
داده‌های انبوه دردسترس نیست. می‌توانید Weather API را در محدوده سهمیه (۶٬۰۰۰ پُرسمان در دقیقه) پُرسمان کنید و شرایط ذخیره‌سازی موقت را که در شرایط خدمات ذکر شده است رعایت کنید.
آیا باید صدور صورت‌حساب را فعال کنم؟
برای استفاده از Weather API، حساب صورت‌حساب معتبر لازم است. برای راه‌اندازی پروژه با حساب صورت‌حساب، به فعال کردن صورت‌حساب مراجعه کنید.
اگر مکانی را پُرسمان کنم که پشتیبانی نمی‌شود چه اتفاقی می‌افتد؟
اگر طول و عرض جغرافیایی در فهرست کشورهای پشتیبانی‌شده نباشد، پاسخ کد خطای ۴۰۴ را با این پیام برمی‌گرداند: «اطلاعات برای این مکان دردسترس نیست. لطفاً مکان دیگری را امتحان کنید.»