WeatherNext

WeatherNext 项目概述

WeatherNext 是由 Google DeepMind 与 Google Research 联合开发的全球中尺度大气与气旋预报模型系列。本仓库（WeatherNext 2）整合了前代模型 GraphCast 与 GenCast 的代码与文档，并发布最新的中尺度集合预报与热带气旋预报模型。

预报数据访问

若无需自行运行模型，可直接获取每日发布的 WN2 预报数据流：

• Google Cloud：覆盖 Earth Engine、BigQuery、Vertex AI 等平台。
• WeatherLab：包含气旋路径数据。
• OpenMeteo：提供 API 与交互式预报构建器。

预训练模型

仓库提供多个版本的 WeatherNext 2 与 WeatherNext Cyclones 模型权重。两类模型的核心算法一致，区别在于 WN2 额外预测 100 米高度处的风场。

WeatherNext 2

• WeatherNext2_<2025（业务部署版本）：0.25° 分辨率（约 30 公里），基于 ECMWF HRES 数据微调，可直接以 HRES 业务初始场驱动，训练数据截止 2024 年。权重文件为 WeatherNext2_<2025_model{1,2,3,4}.npz。

WeatherNext Cyclones

• WeatherNextCyclones_<2025：0.25° 分辨率，2025 年大西洋飓风季业务运行模型，论文中包含 2025 年 NHC 流域的部分评估。训练数据截止 2024 年。
• WeatherNextCyclones_<2024：复现论文中 2024 年结果，训练数据截止 2023 年。
• WeatherNextCyclones_<2023：复现论文中 2023 年结果，训练数据截止 2022 年。

WeatherNext Cyclones Mini

• WeatherNextCyclones_Mini_<2024：1° 分辨率轻量版本，适配单卡 TPU/GPU 或本地测试环境，预报变量同 WN2_<2025，训练数据截止 2023 年。
• WeatherNextCyclones_Mini_<2023：同上，但训练数据截止 2022 年。

快速上手

推荐从交互式 Colab Notebook 入手，默认以 WeatherNext Cyclones Mini 为例，使用免费的 v5e-1 运行时即可运行；其他大模型需 v5p 加速器。GPU 环境下需切换注意力实现，非 Mini 模型需 H100 以满足显存要求，Mini 模型可在 P100 上完成推理。预训练权重与样例数据托管于 Google Cloud Bucket。

Notebook 中将演示以下流程：自动加载模型权重、读取 HRES 初始场、初始化 WN2（FGN）架构、执行自回归滚动生成预报、可视化温度/风速/位势高度等输出、调用直接追踪器提取气旋路径、计算损失并执行梯度下降训练步骤。

安装

# 推荐固定到具体发布版本
pip install git+https://github.com/google-deepmind/weathernext.git@v0.3.0

需另行从 Google Cloud Bucket 下载对应 .npz 权重文件。

数据集与共享工具

• 训练数据：完整训练需下载 ECMWF 提供的 ERA5 再分析数据，建议通过 WeatherBench2 的 Zarr 接口获取；业务微调则使用 WeatherBench2 提供的 HRES 数据。
• 共享工具：utils/ 目录提供自回归滚动、输入归一化、图神经网络基础模块、损失计算、JAX 兼容的 xarray 工具等。各模型专属代码见对应子目录 README。

许可证

• Colab 笔记本与配套代码遵循 Apache License 2.0。
• 其余材料遵循 Creative Commons Attribution 4.0 International (CC BY 4.0)。

所有材料按"原样"分发，不提供任何明示或暗示的担保。

免责声明

WeatherNext 属于实验性研究项目，并非官方支持的 Google 产品。模型未与任何政府气象机构合作或获得其认可，不能替代官方发布的警报、警告或公告。使用者需自行评估并承担使用、分发或发布模型及其输出结果的全部风险。

引用

@article{Alet2026,
  title={Operational Tropical Cyclone Forecasting with AI},
  author={Alet, Ferran and Andersson, Tom R. and Price, Ilan and others},
  journal={Nature},
  year={2026},
  doi={10.1038/s41586-026-10953-2}
}

@article{alet2025skillful,
  title={Skillful joint probabilistic weather forecasting from marginals},
  author={Alet, Ferran and Price, Ilan and El-Kadi, Andrew and others},
  journal={arXiv preprint arXiv:2506.10772},
  year={2025}
}

联系方式

代码库与模型相关的反馈与问题，可发送至 weathernext@google.com。