שאלות נפוצות על Weather API

מידע כללי

מה ההבדל בין Google Weather API לבין ספקים של נתוני מזג אוויר מיוחדים?

‫Google משלבת טכנולוגיה מחברת מזג האוויר המוכרת שרכשה, עם פיתוחים של מודלי ה-AI ‏MetNet ו-WeatherNext של Google DeepMind ‏(2025). הפתרון הזה מתבסס על האמינות המוכחת של Google Maps Platform.

מה ההבדל בין נתוני מזג האוויר שזמינים ב-Earth Engine וב-BigQuery לבין Weather API של Google?

חבילת מוצרי מזג האוויר של Google מציעה מגוון רחב של פתרונות לצרכים שונים. מודלים של WeatherNext (כלומר GraphCast ו-GenCast) מספקים פלט גולמי של תחזיות מבוססות-AI, כולל פרמטרים שמתאימים למחקר, ליצירת מודלים ולניתוח. הפלט זמין באמצעות קוד מקור פתוח וקבוצות נתונים היסטוריות או עדכניות של מזג האוויר, באמצעות ממשקי ה-API של Earth Engine ו-BigQuery.

לעומת זאת, Weather API של הפלטפורמה של מפות Google מספק נתוני מזג אוויר מעובדים לגבי התנאים הנוכחיים, תחזיות שעתיות ותחזיות יומיות, על ידי שילוב של AI ומערכות חיזוי מסורתיות בפורמט שמתאים למפתחים ומשתלב בצורה חלקה באפליקציות ובשירותי אינטרנט. הגישה הכפולה הזו נותנת מענה גם לצורכי מחקר מיוחדים וגם לנגישות רחבה למפתחים.

למה Google לא מסתמכת רק על מדידות מתחנות מזג אוויר?

‫Google משתמשת במגוון מקורות קלט למודל מזג האוויר שלה, כולל תצפיות מתחנות מזג אוויר, מודלים מספריים של חיזוי מזג אוויר ומודלים של AI לחיזוי מזג אוויר. הסיבה לשימוש במקורות הקלט השונים האלה היא שהתצפיות מתחנות מזג אוויר מספקות רק מידע על מזג האוויר במיקום של התחנה בזמן המדידה. התצפיות של תחנות מזג האוויר יכולות להיות מדויקות מאוד לגבי המיקום הספציפי, אבל תופעות מזג אוויר כמו משקעים, במיוחד ממטרות או מסופות רעמים, הן לרוב מקומיות ויכולות להשתנות באופן משמעותי במרחק קצר.

לדוגמה, יכול להיות שיורד גשם כבד ממש במיקום של התחנה, אבל במרחק של כמה קילומטרים משם יש רק טפטוף קל או שאין גשם בכלל. מכיוון שקריאה מתחנה אחת לא בהכרח מייצגת אזור רחב יותר, צריך מודלים כדי לספק מידע נוסף בין התחנות.

בנוסף, תחנות מזג אוויר בדרך כלל מספקות קריאות מדי שעה או חצי שעה. גם אם הנתונים האלה מסופקים כמעט בזמן אמת, עדיין יכול להיות עיכוב קל בין אירועי המשקעים בפועל לבין הדיווח עליהם. המודלים גם עוזרים לקבל את התנאים הנוכחיים בצורה הכי קרובה למציאות שנחווית במיקום שבו מתבצעת השאילתה.

שימוש ב-API

מהו הכיסוי של Weather API?

‫Weather API תומך בכל המדינות בעולם, למעט יפן, קוריאה ואזורים אסורים. בשלב ההשקה הראשוני, אנחנו תומכים באזורים מיושבים (לא כולל מיקומים מרוחקים כמו אמצע האוקיינוס, מדבריות ופסגות הרים). אנחנו מתכננים להמשיך לשפר את הרזולוציה והאיכות במהלך שנת 2025.

מהי הגרנולריות המרחבית של Google Weather API?

רזולוציית הנתונים מאפשרת ליצור תחזיות בטווח של כמה קילומטרים לכל מיקום בעולם.

מהי תדירות העדכון של Weather API?

נקודת קצה התנאים הנוכחיים תחזית שעתית תחזית יומית היסטוריה לפי שעה
קצב רענון 15 דקות (מעת לעת במהלך השעה) ‫30 דקות (מעת לעת במהלך השעה) 30 דקות (מתעדכן באותו זמן כמו התחזית השעתית) פעמיים ביום (בשעה 7:00 בבוקר ובשעה 19:00 לפי שעון החוף המערבי בארה"ב ובקנדה).

האם Weather API מספק תחזית Nowcast לירידת משקעים?

‫Google לא מספקת תחזית Nowcast (תחזית לפי דקות) ב-API, אבל היא מספקת את תנאי מזג האוויר הנוכחיים, תחזיות לפי שעות ותחזיות יומיות.

האם Weather API מספק ערכים נפרדים של UVA ו-UVB?

מדד קרינת ה-UV הוא מדד יחיד שמשלב בין קרינת UVA וקרינת UVB. אנחנו לא מספקים פירוט לפי רכיבים.

איך Weather API יוצר פלט של תחזית?

כפי שמוצג בתרשים שלמטה, התחזיות ב-Weather API נוצרות על ידי מערכת פנימית לחיזוי. המערכת נעזרת בתצפיות ובמודלים לחיזוי מזג אוויר שמגיעים מסוכנויות של חיזוי מזג אוויר מרחבי העולם כקלט. הנתונים מחיישני מזג אוויר ציבוריים מסוג אמת קרקע (ground truth) משמשים לשיפור מודל התחזית.

דיאגרמה של מודל התחזית של Weather API

מהי רמת הדיוק של Google Weather באזורים שונים ובטווחי זמן שונים, בהשוואה לתחזיות של סוכנויות ממשלתיות מובילות לחיזוי מזג אוויר?

הנתונים בטבלה 1 משווים בין שורש טעות ריבועית ממוצעת (RMSE) של הטמפרטורה ומהירות הרוח בטווח תחזית של 240 שעות (10 ימים) בין נתוני מזג האוויר של Google לבין מודלים גלובליים ואזוריים של מזג אוויר מסוכנויות ממשלתיות, לאורך 11 חודשים (מ-15 באוגוסט 2024 עד 1 ביולי 2025).

ברמה הגלובלית, תחזית מזג האוויר של Google מדויקת יותר מתחזיות של סוכנויות ממשלתיות מובילות. באירופה ובצפון אמריקה, נתוני מזג האוויר של Google כוללים פחות שגיאות מאשר המודלים הממשלתיים האזוריים המדויקים ביותר, לפחות בחלק המאוחר יותר של טווחי החיזוי שלהם. הביצועים המצוינים של נתוני מזג האוויר של Google בחיזוי לטווח ארוך בולטים במיוחד, כי בדרך כלל קשה לחזות את מזג האוויר לטווח ארוך בצורה מדויקת.

בטבלה 1 מפורטים ערכי ה-RMSE הממוצעים לכל טווח התחזית הרלוונטי לכל שילוב של מודל אזורי. ערך RMSE נמוך יותר מצביע על ביצועים טובים יותר. תחזיות מזג האוויר של Google הן בעלות ערכי RMSE נמוכים, או בין הנמוכים ביותר, כמעט לכל הפרמטרים, האזורים וטווח האופק של התחזית.

כדי לצפות בגרסה מוגדלת של התמונה, לחצו עליה.

טמפרטורה מהירות הרוח
גלובלי
צפון אמריקה
אירופה

טבלה 1. ערכי RMSE ממוצעים שרלוונטיים לכל שילוב של מודלים אזוריים

בטבלה 2 מפורטים ערכי ה-RMSE הממוצעים עבור טווחי התחזיות הרלוונטיים לכל מודל (הערכים של Google מודגשים). הפרמטרים (טמפרטורה, רוח) וטווחי התחזית שבהם ל-Google יש באופן ייחודי את ה-RMSE הממוצע הנמוך ביותר מודגשים בירוק כהה. פרמטרים ואופקים של תחזיות שבהם ל-Google יש את שגיאת השורש הממוצעת (RMSE) הכי נמוכה, יחד עם מודל אחד או יותר, מודגשים בירוק בהיר.

ערכי RMSE ממוצעים לטווחי התחזית הרלוונטיים טבלה 2. ערכי RMSE ממוצעים לטווחי תחזית רלוונטיים לכל מודל

האם נקודת הקצה של הנתונים ההיסטוריים משקפת נתוני מזג אוויר בפועל (כלומר, מאומתים על ידי מדידות מקומיות)?

נתוני מזג אוויר היסטוריים הם בעיקר תוצאות של מודלים. הוא משלב תצפיות מסוכנויות מזג אוויר גלובליות ומודלים מספריים לחיזוי מזג האוויר (NWP), אבל הם מוטמעים במודל של Google Weather כדי ליצור תיעוד היסטורי מלא ועקבי. מדידות בפועל בתחנות נחשבות ל "אמת קרקע" (ground truth) במיקומים הספציפיים שלהן, אבל בגלל שהפריסה שלהן בעולם מוגבלת, הן לא מספיקות כדי לקבל תמונה מלאה של כל העולם.

השדות האלה מספקים תובנות שונות אך קשורות לגבי משקעים ומזג האוויר הכללי.

  • ‫weatherCondition: השדה הזה מספק תיאור כללי ואינטואיטיבי של תנאי מזג האוויר הכלליים באזור שנשלחה לגביו השאילתה, תוך התחשבות בפרמטרים שונים כדי להקל על ההבנה.
  • precipitation.probability.percent (PoP): הסבירות למשקעים. הסיכוי שירדו משקעים במיקום של התחזית במהלך תקופת הזמן המוגדרת (בדרך כלל לפי שעה).
  • precipitation.qpf.quantity (QPF): ראשי תיבות של quantitative precipitation forecast (תחזית כמותית של משקעים). המדד הזה מציין את כמות המשקעים הצפויה, שנמדדת בעומק (לדוגמה, מילימטרים או אינצ'ים). הערך הזה מייצג את כמות המשקעים הצפויה אם הם יתרחשו בזמן ובמיקום שצוינו.

איך אפשר לדעת אם יורד גשם במיקום מסוים?

כדי לדעת אם יורד גשם במיקום מסוים, מומלץ להשתמש בשדה weatherCondition. יש כמה תנאים שיכולים להצביע על כך שיורד גשם (גשם, גשם קל, ממטרים, גשם כבד, רוח וגשם, סופת רעמים, סופת רעמים כבדה, ממטרים עם רעמים, ממטרים פזורים, סופת גשם קלה, סופות רעמים פזורות, גשם ושלג). התנאים האלה נועדו לזהות את כל המקרים של גשם קל, חזק, רציף או מקומי, וגם להבחין בין גשם לשלג. בהתאם לתרחיש הספציפי שלכם – לדוגמה, אם התרחיש שלכם מתייחס רק לגשם חזק – יכול להיות שתבחרו להשתמש רק בחלק מהתנאים האלה.

האם 'התנאים הנוכחיים' שווים לתצפיות במיקומים של תחנות מזג אוויר? איך נקבעים "התנאים הנוכחיים" במקומות שאין בהם תחנות?

התחזית שלנו ל'תנאים הנוכחיים' מספקת את נתוני מזג האוויר העדכניים ביותר על ידי שילוב של נתונים ממקורות שונים, אבל היא לא תמיד שווה ערך לתצפיות ישירות בתחנות.

עבור precipitation.probability.percent ו-precipitation.qpf.quantity (מצטבר בשעה האחרונה), הערך שמוצג בתגובה currentConditions תמיד נגזר מהתחזית האחרונה. ההסתברות עצמה היא כמות שמחושבת לפי מודל, ולא כמות שנמדדת ישירות.

הגישה הזו מאפשרת לנו לספק מידע מקיף על "התנאים הנוכחיים" גם באזורים שאין בהם כיסוי ישיר של חיישנים, וכך להבטיח שהמידע הטוב ביותר יהיה זמין בכל שלב.

מכסות בקשות API וגישה

האם יש הגבלה על קצב יצירת הבקשות ב-API?

ל-Weather API מוגדרת כברירת מחדל מגבלה של 6,000 שאילתות לדקה.

האם אפשר לגשת לנתונים בכמות גדולה?

אי אפשר להוריד נתונים בכמות גדולה. אפשר לשלוח שאילתות ל-Weather API במסגרת המכסה (6,000 שאילתות לדקה) ולפעול בהתאם לתנאי הקאשינג שמפורטים בתנאים ובהגבלות.

האם צריך להפעיל את החיוב?

כדי להשתמש ב-Weather API, צריך חשבון לחיוב תקף. במאמר הפעלת החיוב מוסבר איך להגדיר חשבון לחיוב בפרויקט.

מה קורה אם שולחים שאילתה לגבי מיקום שלא אפשרי?

אם קווי הרוחב והאורך לא נכללים ברשימת המדינות הנתמכות, התגובה תחזיר קוד שגיאה 404 עם ההודעה "Information is unavailable for this location. צריך לנסות מיקום אחר".