Введение

Прогнозирование тропических циклонов — ураганов и тайфунов — остаётся одной из сложнейших задач метеорологии. Каждый час промедления в предупреждении может стоить человеческих жизней. За последние 50 лет эти разрушительные явления унесли более 700 000 жизней и нанесли экономический ущерб на сумму 1,4 триллиона долларов по всему миру.

В августе 2026 года в журнале Nature была опубликована работа исследователей Google DeepMind и Google Research, в которой представлена модель WeatherNext, достигшая беспрецедентной точности в прогнозировании траектории, интенсивности и структуры ветра тропических циклонов. Модель даёт прогнозистам дополнительный день упреждения: трёхдневные прогнозы WeatherNext по точности соответствуют двухдневным прогнозам предыдущих моделей. Это улучшение эквивалентно примерно десятилетию прогресса в метеорологии.

Проблема прогнозирования циклонов

Традиционно прогнозирование циклонов требовало компромисса между двумя различными подходами. Траектория циклона (куда он движется) определяется крупномасштабными глобальными атмосферными течениями, которые лучше всего моделируются грубыми глобальными моделями. Интенсивность же (насколько сильным он станет) зависит от высоколокализованных, мелкомасштабных термодинамических процессов в ядре циклона, для моделирования которых требуются специализированные модели высокого разрешения.

WeatherNext преодолевает этот разрыв, представляя собой единую ИИ-модель, которая одновременно прогнозирует траекторию, интенсивность и структуру ветра тропического циклона с передовой точностью.

Модель WeatherNext: архитектура и обучение

Данные для обучения

Модель обучена сквозным образом на двух типах данных:

• Глобальные атмосферные данные — почти 20 терабайт информации о состоянии атмосферы;
• Исторические наблюдения за циклонами — база данных IBTrACS, охватывающая почти 5000 исторических штормов.

Такой подход позволяет модели изучать сложные атмосферные закономерности и экстремальные погодные явления.

Технические особенности

WeatherNext использует Функциональные Генеративные Сети (Functional Generative Networks, FGN) для эффективного построения ансамблей различных прогнозов, что позволяет учитывать присущую погоде неопределённость. В 2025 году система генерировала 50 прогнозов одновременно; в 2026 году масштаб ансамбля был увеличен до 1000 членов, что позволяет фиксировать редкие, но крайне опасные сценарии, такие как быстрое усиление циклонов.

Ключевое преимущество: один 15-дневный прогноз генерируется менее чем за минуту на одном TPU-ускорителе Google. Это даёт прогнозистам возможность быстро оценивать распределение вероятностей потенциально разрушительных исходов.

Неожиданное открытие

До сих пор считалось, что высокое пространственное разрешение является главным условием для точных прогнозов интенсивности. Однако WeatherNext Cyclones работает с данными разрешением 28×28 км — в 100 раз грубее, чем традиционные модели. Более того, облегчённая версия модели, WeatherNext 2-mini, с разрешением 111×111 км также демонстрирует отличные результаты. Этот факт удивил учёных, и причины такой эффективности при низком разрешении остаются открытым исследовательским вопросом.

Результаты и практическое применение

Оценка точности

WeatherNext Cyclones был оценён на исторических циклонах 2023–2024 годов. В среднем модель обеспечивает более чем 24 часа дополнительного времени упреждения для прогнозирования траектории, интенсивности и структуры ветра. Графики, опубликованные в Nature, показывают, что трёхдневная точность модели по позиции (около 100 км) и интенсивности (около 11 узлов) значительно превосходит существующие модели.

Реальное применение: ураган Мелисса (2025)

Во время сезона ураганов 2025 года модель помогла Национальному центру ураганов США (NHC) сделать исторический прогноз для урагана Мелисса, предсказав его быстрое усиление и выход на сушу на Ямайке. Это позволило NHC выпустить предупредительное оповещение, дав наземным службам критически важное время для подготовки. В 2026 году сотрудничество продолжается: для каждого циклона теперь генерируется 1000 возможных сценариев, чтобы поддержать прогнозистов в принятии решений.

Открытый исходный код и доступность

Вместе с публикацией в Nature Google открывает исходный код и веса моделей, делая их свободно доступными для всех желающих. Это включает:

• WeatherNext Cyclones — модель, использовавшаяся во время сезона ураганов;
• WeatherNext 2 — более позднее обновление, введённое в эксплуатацию в октябре;
• WeatherNext 2-mini — компактная версия, которая может работать на одном TPU в бесплатном блокноте Colab.

Открытый доступ призван ускорить прогресс в мировом метеорологическом сообществе и дать метеорологическим агентствам, исследователям и некоммерческим организациям инструменты для лучшего прогнозирования погодных явлений и принятия решений по защите жизни и инфраструктуры.

Weather Lab: визуализация прогнозов

Прогнозы WeatherNext доступны для визуализации на платформе Weather Lab, которая недавно получила обновлённый интерфейс. Weather Lab позволяет визуализировать прогнозы температуры, осадков, скорости ветра и траектории циклонов в едином представлении. Обе платформы — Weather Lab и WeatherNext — являются частью экосистемы Google Earth AI.

Заключение

WeatherNext знаменует собой исторический прорыв в прогнозировании циклонов, обеспечивая более чем суточное упреждение — улучшение, эквивалентное десятилетию метеорологического прогресса. Сочетая передовое машинное обучение с незаменимым практическим опытом прогнозистов-людей, модель создаёт основу для коллаборативной экосистемы прогнозирования погоды, способной спасать жизни и помогать сообществам адаптироваться к изменяющемуся климату.

Открытый исходный код и доступность модели через Weather Lab призваны расширить возможности исследовательского сообщества и усилить влияние ИИ в создании более устойчивых сообществ — будь то предоставление местным прогнозистам инструментов для подготовки к стихийным бедствиям, поддержка развития возобновляемой энергетики или прогнозирование экстремальной погоды.