WeatherNext 3とは 衛星データ直接学習で毎時5km予報を実現

Google DeepMindとGoogle Researchは2026年9月3日、グローバル気象AIモデル「WeatherNext 3」を発表した。Functional Generative Network（FGN）ベースのmesh transformerを採用し、気温や湿度など主要な地表変数を5kmグリッドで解析する。最大の変更点は、従来の数値予報（NWP）データを介さず静止気象衛星の観測データから直接学習・推論を行う設計に切り替えたことで、これによりNWPの6時間ごとの公的データ更新を待たずに毎時予報を更新できるようになった。Google検索・Geminiアプリ・Google マップでの表示に加え、Google Maps Platform Weather API、Google Earth Engine、BigQuery、Cloud Storageからのバルクダウンロード（Zarr形式）を通じて2026年9月3日から提供が始まっている。

従来のNWPベースのAI気象モデルは、各国気象機関が同化・解析済みの数値予報プロダクトを入力として学習する。この構成では入力データの更新頻度そのものがボトルネックとなり、6時間ごとの公的データ更新を待つ必要があった。WeatherNext 3は静止気象衛星の観測データを直接入力として学習・推論するアーキテクチャを採用しており、NWPプロダクトの生成・配信サイクルを経由せずに最新の観測を反映できる。結果として毎時単位での予報更新が可能になった。これはNWPを完全に代替するという主張ではなく、入力パイプラインを短縮することでAIモデル側の更新サイクルを独立させた、という技術的な変更として理解するのが妥当である。

Googleは降水予測について、中期予報でIMERGベースラインに対し最大60%、MRMSに対し30%の改善があるとし、ユーザー体感としては「最大50%高精度」という表現を用いている。注意すべきは、比較対象がIMERG（衛星観測ベースの降水推定プロダクト）とMRMS（レーダー主体の高解像度降水プロダクト）という、それぞれ特性の異なるベースラインである点だ。改善幅は地域・季節・予報リードタイムによって変動しうるため、単一の改善率をすべての条件に一般化するのは適切ではない。実運用での採用を検討する場合は、自組織が対象とする地域・変数・リードタイムで独自に検証することが望ましい。

- 再生可能エネルギー: 地上100mの風速・雲量・日射量から風力・太陽光の発電量を見積もる
- 物流・配送計画: 毎時更新される予報を使い、ルートや積載計画を直前まで調整する
- 農業: 降水・気温予報の精度向上を灌漑計画や収穫時期の判断に反映する
- イベント運営: 屋外イベントの実施可否判断に、直近まで更新される予報を活用する
- 保険: 気象リスク評価やパラメトリック保険の設計データとして利用する

WeatherNext 3の料金体系、具体的なリードタイム日数、アンサンブルメンバー数などの技術的詳細は、本稿執筆時点で公表されていない。また、AI気象モデル全般に共通する限界として、台風や線状降水帯のような急激に発達する極端現象では予測が難しい場合があること、物理法則との整合性が従来型NWPほど明示的には保証されていないこと、学習データに含まれない稀な気象パターンへの汎化性能が未知数であることが挙げられる。実運用では、AIモデルの予報を唯一の情報源とせず、気象庁の発表や複数モデルの予報と突き合わせて判断することが引き続き推奨される。