Google DeepMindがWeatherNext 3を発表、5km解像度で毎時更新する気象AIモデル
Google DeepMindとGoogle Researchが2026年9月3日、気象予測AIの最新モデル「WeatherNext 3」を発表した。解像度は従来比約5倍の5kmに達し、予測更新も6時間間隔から1時間間隔へ大幅に短縮されている。
独立評価機関Brightbandのライブ評価によると、現時点で最も高精度な全球気象モデルとされている。降水予測の精度指標CRPSは最大60%改善し、Google検索やGeminiアプリなど主要サービスへの統合も始まった。
この記事ではWeatherNext 3の技術的な進化、予測精度の具体的な数値、再生可能エネルギー分野への応用、そしてGoogleエコシステムへの展開を解説する。気象AIの最前線がどこまで来たのかを俯瞰できる内容だ。
WeatherNext 3の概要と従来モデルからの進化
WeatherNext 3は、WeatherNext 2の後継として開発された全球気象予測モデルだ。最大の特徴は、従来の数値予報モデル（NWP）の出力データではなく、衛星や地上観測所から得られるリアルタイムの観測データを直接学習することにある。
NWPモデルとは、スーパーコンピュータ上で物理方程式を解いて大気の状態をシミュレーションする仕組みのこと。精度は高いものの計算コストが膨大で、データ生成に6時間程度の遅延が生じる。この遅延が雨や地表温度など変化の速い変数の予測にバイアスを生んでいた。
WeatherNext 2から何が変わったのか
WeatherNext 2は25kmグリッド、6時間間隔の予測だった。WeatherNext 3では地表の気温や湿度を5km解像度、その他の地表変数を10km、風速などの大気変数を25kmで出力する。予測頻度も1時間ごとに大幅改善した。
解像度が5倍になったことで、海岸線や谷、山脈といった複雑な地形に起因する局地的な気象変化を捉えられるようになった。従来モデルではピクセル化されて平滑化されていた気温分布が、WeatherNext 3では実際の地形に沿った精緻な表示になる。
FGNメッシュトランスフォーマーとは
WeatherNext 3の中核には、FGN（Functional Generative Network）メッシュトランスフォーマーと呼ぶ単一の柔軟なモデルが採用されている。1時間ごとの静止衛星モザイク画像と従来の解析データを取り込み、高密度のグリッド予測、サイクロン進路の離散的な追跡、観測所レベルの座標予測を同時に出力する設計だ。
「単一のモデルで複数の出力形式を扱える」という点が実用上重要になる。従来は目的ごとに別モデルを用意する必要があったが、WeatherNext 3は1つのモデルで全球予測から地点予測までをカバーする。インフラの複雑さが減り、運用コストも抑えられる。
5km解像度と毎時更新の実現
天気予報の実用性は、時間と空間をどれだけ細かく解像できるかで大きく変わる。WeatherNext 3は全球規模で5kmグリッドの予測を毎時生成する。これはWeatherNext 2の約5倍の鮮明さだ。
5km解像度という数字の意味を具体的に考えると、都市の区単位、郊外の町単位での気温や湿度の違いを表現できるレベルになる。25kmでは県単位の大まかな傾向しか見えなかったものが、より生活に密着した予測になる。
上の比較は解像度と更新頻度の差を概念的に示したものだ。実際の予測では、WeatherNext 3は英国上空の2m気温分布で、海岸線や丘陵地の起伏に沿った精緻な温度勾配を描き出す。従来モデルで見られたピクセル状の平滑化は解消された。
毎時更新が可能にした迅速な対応
気象現象の中でも、嵐や前線、降水システムは突発的に発生し急速に発達する。6時間間隔の更新では、こうした急変を捉えきれず、警報や避難判断の遅れにつながる可能性があった。
WeatherNext 3は最新の衛星観測データを毎時取り込み、その都度新しい予測を生成する。気象災害への早期警戒という観点で、更新頻度の短縮は解像度向上と同等かそれ以上の実用的価値を持つ。防災担当者にとって、1時間でも早く精度の高い情報を得られることは意思決定の質を直接左右する。
衛星データと地上観測データの直接学習
WeatherNext 3の技術的なブレークスルーは、学習データの質的転換にある。従来のAI気象モデルはNWPモデルの出力を訓練データとして使っていたが、WeatherNext 3は観測データそのものを学習する。
静止衛星モザイクデータの取り込み
WeatherNext 3は、全球をカバーする静止衛星のモザイク画像をリアルタイムで取り込む。静止衛星とは赤道上空の特定位置に固定され、地球の同じ領域を継続的に観測する衛星のこと。このデータにより、大気の状態を途切れることなく最新の状態で把握できる。
NWPモデルの出力には6時間の遅延があるのに対し、衛星観測データはほぼリアルタイムに近い。変化の速い雨や地表温度などの変数で、この遅延が予測バイアスを生むことは前述のとおりだ。衛星データ直接学習は、この遅延問題を根本から解消する。
このデータフロー図はWeatherNext 3の処理の流れを簡略化したものだ。衛星観測データがモデルに直接入力され、多様な形式の予測が単一モデルから出力される。
地上観測所データによる局地予測の改善
衛星データに加えて、WeatherNext 3は地上気象観測所のスパースな観測データも直接学習する。「スパース」とは観測点がまばらに分布している状態を指す。従来モデルは大気の表現が粗く、海岸線や谷、山脈付近の極端な局地変化を見逃していた。
観測所データを直接学習することで、WeatherNext 3は地形の影響を受けた局地的な気温・湿度の変動を5kmグリッドで表現できるようになった。この改善は、従来はスーパーコンピュータによる地域モデルの運用コストが高く、高解像度予測の提供が難しかった中南米・アフリカ・アジア太平洋地域で特に大きな意味を持つ。数十億人規模の人々とビジネスに、局地化された高精度予測をもたらす可能性がある。
降水予測精度のブレークスルー
全球気象モデルが最も苦手とするのが降水予測だ。雨や雪は雲内部の微細なプロセスに駆動され、物理シミュレーションでは正確なモデル化が困難だった。AI予測でも、降水域がぼやけたり暴風雨の境界を捉え損ねたりする問題が残っていた。
降水予測が難しい理由
降水は大気の状態が局所的に急変することで発生する。数百メートル単位の雲の動きが数キロ先の降水の有無を決めることもあり、全球モデルのグリッドでは捉えきれない微細な現象だ。さらに降水データ自体の品質も重要になる。観測網が密な地域と疎な地域で、モデルの学習に使えるデータ量に差が生じる。
WeatherNext 3はこの問題に対処するため、2つの高品質な降水データソースを学習に使っている。1つはNASAの衛星降水観測システムIMERG、もう1つは衛星レーダーに基づくGoogle独自の全球降水再解析データだ。再解析とは、観測データとモデルを組み合わせて過去の大気状態を統一的に再構築する手法を指す。
精度評価の具体的な数値
WeatherNext 3の降水予測精度は、複数の基準データに対して大幅な改善を示している。CRPS（連続ランク確率スコア）と呼ぶ予測精度の指標で、IMERG比で最大60%、MRMS比で30%、雨量計測定比で10%の改善が確認された。CRPSは予測分布と実際の観測値のずれを測る指標で、値が小さいほど予測が正確であることを意味する。
上の比較は降水予測の質の違いを概念的に示したものだ。実際の評価では、WeatherNext 3は11km解像度でWeatherNext 2の25km解像度を大きく上回り、衛星観測の真値に近い降水分布を再現している。
再生可能エネルギーとGoogleエコシステムへの展開
WeatherNext 3の進化は予測精度の向上にとどまらない。再生可能エネルギー生産に特化した予測機能を備え、Googleの主要サービスへの統合も始まっている。
風力・太陽光発電向けの専用予測
WeatherNext 3は風力発電のタービン高さに相当する100mの風速を予測する。太陽光発電向けには、高解像度の雲量と日射量の予測を提供する。これにより、発電事業者は太陽光パネルが地上で受け取る光量を事前に把握できる。
再生可能エネルギーは天候に発電量が直接左右される。電力網の運用者は、風力・太陽光の発電量を正確に予測できれば、需要とのマッチングを最適化できる。天気予報の精度向上は、クリーンエネルギーの経済性と安定供給に直結する。この分野での高精度予測の価値は、今後さらに高まると見られている。
Googleサービスとデベロッパー向け提供
WeatherNext 3は発表当日から、Google検索、Geminiアプリ、Google Maps、Google Maps Platform Weather API、Google Earth Engineで気象体験を強化し始めた。特に降水予測では、1日以上先の計画時に最大50%の精度向上が見込まれる。予測精度の改善幅は、従来予測の信頼性が低かった地域ほど大きい。
デベロッパーや研究者向けには、BigQueryとEarth Engineでデータ照会が可能になり、Google Cloud Storageからのバルクダウンロードにも対応する。モデル設定不要で、毎時更新される全球予測データを自社のワークフローに組み込める。
なお、公式の気象警報や防災情報については、各国の気象機関や国家気象サービスを参照する必要がある。WeatherNext 3はあくまで研究開発段階のAIモデルであり、公的な警報システムを代替するものではない。
この記事のポイント
- WeatherNext 3は解像度5kmで毎時更新する全球気象AIモデル。WeatherNext 2比で約5倍の鮮明さ
- NWPモデルの出力ではなく衛星・地上観測所のリアルタイムデータを直接学習する設計に転換
- 降水予測のCRPSがIMERG比で最大60%改善し、暴風雨の境界線を正確に捉える
- 風力・太陽光発電向けの専用予測を実装し、再生可能エネルギーの需給マッチングを支援
- Google検索、Geminiアプリ、Mapsなど主要サービスへの統合とBigQueryやEarth Engineでのデータ提供を開始
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、JavaScript等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
WeatherNext AIがサイクロン予測で1日分の警報リードタイムを実現、オープンソース化へ
Google DeepMindは2026年8月6日、AI気象予測モデル「WeatherNext」がサイクロン（ハリケーン・台風）予測において、警報のリードタイムを1日延長する画期的な精度を達成したと発表した。同モデルはすでに2025年のハリケーンシーズンで実運用され、上陸地点と急速発達の予測に貢献している。さらにコードとモデル加重がオープンソース化され、研究コミュニティ全体での活用が可能になった。
この成果は、過去50年間で70万人以上の死者と1.4兆ドルの経済損失をもたらしてきた熱帯低気圧への対策に、AIが本格的に実用化される転換点となる。本記事ではWeatherNextの技術的ブレークスルーと、それが実際の防災現場にもたらすインパクトを掘り下げる。
サイクロン予測で警報リードタイムを1日延長
WeatherNextは、サイクロンの進路（どこに行くか）・強度（どれだけ強くなるか）・風構造の3要素すべてで最先端の予測精度を達成した。平均すると、3日先の予測が従来の最優秀モデルの2日先予測と同等の正確さを示し、1日分のリードタイム短縮に相当する。気象学分野では、このレベルの改善は約10年分の技術進歩に匹敵するという。
この大幅な改善は、3日後の進路・強度・風構造すべてにわたる。気象庁や米国国立ハリケーンセンター（NHC）のような機関が早期警報を出せる余地が格段に広がることを意味する。
WeatherNextが予測精度を高める仕組み
従来のサイクロン予測には、大きなジレンマがあった。進路は地球規模の大気の流れが支配するため、広域を粗い解像度でモデル化する全球モデルが必要だった。一方、強度や風構造は台風の目の周辺数十キロメートルの局所的な対流活動が決め手となるため、高解像度の局地モデルが不可欠とされてきた。この二つの異なるモデルを併用するアプローチが限界を生んでいた。
WeatherNextは単一のAIモデルでこのギャップを埋める。全球の気象力学と、専門家が蓄積してきた過去約5,000個のサイクロン観測データ（IBTrACS）を同時に学習することで、広域のパターンも局所的な暴風構造も一貫して予測できるようになった。学習に使った大気データは約20テラバイトに及ぶ。
もう一つの鍵は、機能的生成ネットワーク（FGNs）を用いたアンサンブル予測だ。気象には本質的に不確実性が伴うため、1つの予測ではなく多数のシナリオを生成し、その確率分布からリスクを評価する。WeatherNextはTPU上で1度の15日予測を1分未満で実行でき、当初50メンバーだったアンサンブルを現在は1,000メンバーに拡大。ハリケーン・メリッサ（2025年）のような急速発達イベントも、低確率ながら重大なテールリスクとして捉えられるようになった。
驚くべきことに、WeatherNextは従来の局地モデルより100倍粗い28km四方の解像度データだけで高精度な強度予測を実現している。さらに111km四方の解像度で動作する軽量版「WeatherNext 2-mini」でも高い性能を示しており、なぜこれほど粗いデータで正確な予測ができるのかは、まだ科学的に完全には解明されておらず、研究コミュニティとともに探求するテーマだ。
2025年ハリケーンシーズンでの実績とオープンソース化
WeatherNextはすでに実際の防災判断に貢献している。2025年のハリケーンシーズン、NHCはWeatherNextの予測をもとにハリケーン・メリッサの急速発達とジャマイカ上陸を早期に警告した。これにより現地の準備期間が確保され、人命とインフラを守る重要な一手になったと報告されている。
2026年8月のNature掲載論文と並行して、Google DeepMindはWeatherNext 2およびWeatherNext Cyclonesモデルのコードと重みをGitHubで公開した。商用利用を含め自由に利用でき、学術研究から各国の気象機関による現業予報、さらに地域特化のカスタムモデル開発まで幅広く活用できる。また、無料のColabノートブックで動作する軽量版も提供され、個人や小規模組織でも気象AIのプロトタイプを試せる環境が整った。
気象予測の民主化として、このオープンソース化は大きな意味を持つ。途上国や島嶼国の気象機関にとって、高価なスーパーコンピュータがなくてもTPU相当のクラウドリソースがあれば、世界最高水準のサイクロン予測を運用できる可能性が開けたからだ。
今後の展望とコミュニティへの期待
Google DeepMindは、研究者や気象機関に対し、WeatherNextをベースにした共同開発や改良を呼びかけている。最終的な警報や避難指示は各国の気象当局が発出するものであり、AIはあくまでその判断を支えるツールだが、予測精度の向上が地域コミュニティのレジリエンスを高めることは明らかだ。
粗解像度で高精度を達成した理由の解明や、より長期の予測への応用など、学術的にも興味深い課題が残されている。WeatherNextのオープンソース公開により、世界中の研究者がこれらの謎に取り組み、気象学とAIの融合をさらに加速させることが期待される。
この記事のポイント
- WeatherNextはサイクロンの進路・強度・風構造を3日前の時点で高い精度で予測し、警報リードタイムを1日延長
- 単一AIモデルで広域と局所の両方をカバー。28km解像度の粗いデータでも高性能
- 2025年ハリケーンシーズンで実際にNHCの早期警報を支援し、オープンソース化で全世界に利用拡大
- 機能的生成ネットワークにより1,000メンバーのアンサンブル予測を1分未満で実行し、レアシナリオを捕捉
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、JavaScript等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験