衛星観測を直接読む気象AI、WeatherNext 3は何を変えたか｜2026年9月9日版
Googleの気象AI「WeatherNext 3」は、最新の衛星観測を直接取り込み、毎時、新しい予報を生成する。大きな変更は、予報の計算だけでなく、現実の天気をモデルに取り込む入口にもある。
Google DeepMindとGoogle Researchは9月3日、このモデルを発表した。従来の解析データに観測を組み合わせ、地域ごとの気温や降水を、より細かい時間・空間単位で予測する設計だ。本稿では日本時間2026年9月9日時点の公開資料を基に、仕組みと利用時の確認点を整理する。公式発表
- 入力の変化：静止衛星の観測を直接使い、毎時の予報更新につなげる。
- 出力の変化：観測地点向けの気温・露点は約5km、地表の格子データは約10kmなど、対象によって解像度が異なる。
- 利用の変化：予報データをクラウド経由で取得し、業務データと組み合わせられる。
解析データへの依存を、直接観測で補う
気象AIは、学習元のデータが持つ誤差まで引き継ぐことがある。
9月3日公開の論文は、従来の有力なAI気象モデルについて、学習と予報開始時の入力を解析データに依存する点を課題に挙げた。解析データとは、観測と数値モデルを組み合わせて、大気の状態を整理したものだ。これだけを学習していれば、整理する過程で生じた偏りも予報に残り得る。
WeatherNext 3は、更新の速い静止衛星データを直接入力し、さらに地上観測所の測定値なども学習に使う。地形などの条件を踏まえて、場所ごとの気温や露点を予測する仕組みも備える。論文では、学習に使っていない観測所でも評価している。研究論文
ただし、衛星画像だけで天気を予測する構成ではない。開発者資料には、入力として衛星画像のモザイクとECMWFのHRES解析が併記されている。既存の気象解析を使いながら、新しい観測を取り込む経路を加えたモデルと理解すると分かりやすい。モデル仕様
「毎時更新」「5km解像度」は対象を分けて読む
時間と空間の細かさは、別々に確認したい。
まず、毎時更新とは、新しい予報計算を1時間ごとに開始することだ。一方、各予報が何日先まで届くかは、開始時刻によって異なる。
- UTCの0・6・12・18時に開始する予報：15日先まで。
- その間の毎時の予報：48時間先まで。
毎時間、15日先までの全予報が更新されるわけではない。配送や屋外作業のシステムでは、短期の計画修正に使う予報と、数日先の計画に使う予報を分けて取得する必要がある。
空間解像度にも区別がある。観測所データを学習した気温・露点の出力は約5km、地表の風や降水などの格子出力は約10km、上空の気象要素は約25kmだ。「5km」は全項目に共通する仕様ではない。 利用する変数と予報期間は、開発者向け仕様で確認できる。
細かい格子で出力されることと、個々の道路や施設で必ず正確に予測できることも同義ではない。日本で業務利用するなら、対象地点の実測値との比較が欠かせない。
モデルを動かさず、予報データを業務に組み込む
開発者にとっての入口は、学習済みモデルの運用よりも、生成済みの予報データの取得になる。
公式ガイドは、主な取得先を次のように整理している。
- BigQuery：SQLで予報を検索し、店舗・設備・物流などのデータと結合する。
- Earth Engine：地図や衛星画像に予報を重ね、地理的な違いを分析する。
- Google Cloud Storage：Zarr形式のデータをPythonなどで処理し、複数の予測シナリオを詳しく調べる。
リアルタイムの運用データは申請制で、ガイドには通常5〜7営業日で審査するとある。データへのアクセス承認と、取得後のクラウド処理に必要な費用・設定は分けて確認したい。データ取得ガイド
日本の企業が試すなら、例えば一つの配送拠点を対象に、降水予報と実際の作業遅延を照合するところから始められる。これは導入例の報告ではなく、検証方法の一案だ。全国平均の精度だけで判断せず、「何時間前の予報が、どの判断に役立ったか」を測れば、更新頻度を増やす価値が見えやすい。
平均予報だけでは、悪天候の幅が見えない
WeatherNext 3は、複数の予測を生成するアンサンブルモデルだ。予測のばらつきも、利用時の重要な情報になる。
ただし、表示画面にその幅がそのまま出ているとは限らない。公式のWeather Labガイドでは、WeatherNext 3は64メンバーのアンサンブルで、画面にはアンサンブル平均を表示すると説明している。Weather Labの仕様
平均値だけを見ると、予測間の違いは読み取れない。屋外設備の運用などでは、平均的な見通しに加えて、悪条件側の予測も確認する設計が必要になる。
また、GoogleはWeather Labを実験的な研究プラットフォームと位置付け、公式の予報・警報は各国の気象機関を参照するよう案内している。日本で防災情報を扱う画面なら、AI予報と気象庁・自治体の警報や避難情報を明確に分けて表示することが実務上の前提になる。WeatherNext公式ページ
継続ウォッチ
今回の進展は、観測を直接取り込む設計と、毎時の予報更新がつながったことにある。次に確認したいのは、その細かさが実際の判断改善につながるかだ。
- 日本の地点別の誤差：山地・沿岸・都市などで、必要な時間帯の予測がどれだけ合うか。
- データが届くまでの時間：毎時の計算開始から取得可能になるまでの遅れが、業務の締め切りに間に合うか。
- 予測の幅の使い方：平均値だけでなく、悪条件側の予測を運用判断に組み込めるか。
導入前に残しておきたいのは、予報の対象時刻だけではない。どの時点で生成された予報を使って判断したのかも記録する。それがなければ、毎時更新が役立ったかを後から検証できない。