İçindekiler
Google DeepMind, hava tahmin modeli WeatherNext 3'ün arkasında duran iki veri setini 13 Kasım 2026'da herkese açtı. SatWeave, yer eşzamanlı uydulardan gelen görüntüleri tek bir küresel mozaiğe birleştiriyor; PARDIG ise yapay zeka ile üretilen küresel yağış verisi. İkisi de Google Cloud Storage üzerinden canlı akış ve tarihsel arşiv olarak erişilebilir durumda; PARDIG'in arşiv katalogları Google Earth Engine'de de yer alıyor.
Bu duyuru yeni bir model lansmanı değil. WeatherNext 3 Eylül 2026'da tanıtılmıştı; buradaki yenilik, modeli besleyen gözlem verisinin araştırmacıya ve geliştiriciye açılması. DeepMind, veri setlerini Earth AI portföyünün yeni parçası olarak konumlandırıyor.
SatWeave: beş uydudan tek küresel görüntü
SatWeave, farklı yörüngelerdeki yer eşzamanlı uyduların görüntülerini birleştiriyor: GOES-East, GOES-West, Meteosat 0, Meteosat Indian Ocean ve Himawari. Bu uydular farklı projeksiyon, dosya formatı, sensör ve tarama takvimi kullanıyor; tarama aralıkları 10 ile 30 dakika arasında değişiyor. Bu yüzden tutarlı bir küresel harita kurmak ciddi bir mühendislik işi.
DeepMind'ın çözümü 17 görünür, su buharı ve kızılötesi kanalı tek mozaikte birleştirmek. Mozaik saatlik güncelleniyor ve 2016'dan bugüne uzanan bir arşiv sunuyor. Grid çözünürlüğü 0,1 derece, yani yaklaşık 10 kilometre. Veri Zarr formatında, gs://satweave_1/ yolunda duruyor. Geliştirici rehberi, küresel bir gridin her kanalın her noktayı gördüğü anlamına gelmediğini hatırlatıyor: kutup bölgelerinde, erişilemeyen bantlarda ve gece yansıma ölçümlerinde eksik değerler olabiliyor.
Model tarafındaki kazanç zaman çözünürlüğünde: WeatherNext 3, altı saatte bir yenilenen analiz verisi yerine saatlik güncellenen uydu mozaiğiyle çalışabildiği için daha sık tahmin üretiyor. DeepMind, güneş enerjisi üretimi ve yangın izleme gibi alanlarda topluluğun bu veriyi kullanmasını bekliyor.
PARDIG: seyrek radardan yoğun yağış haritası
PARDIG'in açılımı "Precipitation AI Reanalysis: Densely Inferred GPM". Model, NASA'nın GPM Core Observatory uydusundaki seyrek radar gözlemleri üzerinde eğitiliyor; girdi olarak SatWeave görüntülerini ve ECMWF'nin atmosferik alanlarını kullanıyor. Çıktı, 15 dakikalık zaman çözünürlüğünde ve yaklaşık 10 kilometre mekân çözünürlüğünde küresel yağış haritası. Uçtan uca gecikme 2 ile 8 saat arasında değişiyor, ortalama yaklaşık 5 saat.
DeepMind'ın değerlendirmesi iddialı: PARDIG, ABD, Avrupa ve Japonya'daki üç kıta radar ağına ve dünya genelinde 36 binden fazla istasyona karşı test edilmiş. Şirkete göre model, NASA'nın IMERG-Final ürünü, MSWEP V3, ERA5 ve HRES gibi mevcut referansları tüm yağış eşiklerinde geçiyor; hafif ve orta şiddetteki yağışta saatlik tespit becerisinde yüzde 30'u aşan iyileşme sağlıyor. En büyük fark ise aşırı yağış olaylarında görülüyor.
İki sürüm var. PARDIG-NRT, 2016'dan bugüne yakın gerçek zamanlı akış sunuyor ve ECMWF HRES alanlarıyla SatWeave'i kullanıyor. PARDIG-LR ise 1999'a kadar uzanan uzun kayıt; ERA5, GridSat-B1 ve kutup yörüngeli pasif mikrodalga sensörlerinden besleniyor. DeepMind, uzun kayıtta girdi kaynaklarının değişmesinin iklimsel olmayan kaymalara yol açabileceğini, çok on yıllık eğilimlerin bu gözle okunması gerektiğini kendi rehberinde belirtiyor.
Lisans, erişim ve uyarılar
Her iki veri seti de CC BY 4.0 lisansıyla, erişim formu istenmeden yayımlandı. Bu, üniversite dışındaki küçük ekipler için de kapıyı açıyor: ticari üründe kullanmak isteyen bir girişim, atıf vererek veriyi indirebiliyor. Teknik tarafta Google Cloud hesabı hâlâ iş akışının parçası.
En önemli uyarı, verinin ne olmadığıyla ilgili. DeepMind'ın geliştirici rehberi PARDIG'i "aktif araştırma altındaki deneysel bir yapay zeka veri seti" olarak tanımlıyor ve resmî hava gözlemi, tahmini ya da uyarısı sayılmaması gerektiğini yazıyor. Acil durumlarda yetkili meteoroloji kurumunun uyarıları esas alınmalı. Sel veya kuraklık modeli kuran bir ekip için bu, veri setinin operasyonel bir onay taşımadığı anlamına geliyor.
Bir diğer nokta, DeepMind'ın X hesabında duyurulan Met Office araştırma işbirliği. Şirketin blog yazısında bu ortaklığın ayrıntısı yer almıyor; bağımsız doğrulama yapan kaynaklar da resmî bir ortaklık sayfası bulamadı. Yani "İngiltere meteoroloji servisiyle ortaklık" ifadesini kullanırken temkinli olmak gerekiyor: doğrulanmış olan, Met Office uzmanlarının modeli değerlendirdiği yönündeki açıklama.
Türkiye ve yerel kullanım açısından anlamı
Türkiye, yağış rejimi hızla değişen ve sel riski yüksek bir ülke. Meteoroloji Genel Müdürlüğü'nün radar ağı belirli havzalarda yoğun, ancak dağlık bölgelerde seyrek. 15 dakikalık, 10 kilometre çözünürlüklü açık bir yağış ürünü, üniversite ve belediye ekiplerinin kendi hidroloji modellerini kurmasını kolaylaştırabilir.
Pratik başlangıç noktası Earth Engine kataloğu: PARDIG arşivi oradan sorgulanabiliyor, böylece indirme yapmadan birkaç yıllık yağış serisi üzerinde çalışmak mümkün. Canlı akışa ihtiyaç duyan üretim sistemleri için Zarr deposundan altı saatlik partiler halinde okuma yapılması gerekiyor.
Sonuç olarak DeepMind, hava tahmini tarafında modeli değil veriyi açtı. Uzun vadede etkisi, WeatherNext 3'ün kendi tahminlerinden çok, bu veriyle kurulacak üçüncü taraf sel, kuraklık ve güneş enerjisi uygulamalarında görülecek.