Klimaat & energieKlimaat-AI & biosfeersimulaties

Google lanceert WeatherNext 3: uurlijkse AI-weersvoorspelling vijf keer scherper

· Bijgewerkt 8 september 2026, 03:15 · 2 min leestijd

Klimaat-AI & biosfeersimulaties
Beeld: Hacker News frontpage

Google heeft een nieuwe versie van zijn AI-weermodel gelanceerd: WeatherNext 3. Het model gebruikt live satellietdata om elk uur een nieuwe, veel gedetailleerdere voorspelling te maken dan voorheen mogelijk was. De technologie is nu verwerkt in Google Zoeken, Maps en Gemini, en moet vooral lokale buien en duurzame energieopwekking beter voorspelbaar maken.

Google heeft een nieuwe versie van zijn AI-weermodel gelanceerd: WeatherNext 3. Het model maakt elk uur nieuwe voorspellingen op basis van actuele satellietbeelden, in plaats van de gebruikelijke natuurkundige simulaties die pas na uren beschikbaar zijn. Volgens Google is de resolutie van de voorspellingen daarmee ongeveer vijf keer scherper dan bij de vorige versie.

Van natuurkundige modellen naar live satellietdata

Traditionele weermodellen, ook wel numerieke weersvoorspelling genoemd, berekenen het weer met natuurkundige vergelijkingen op supercomputers. Dat proces kost tijd: de data die als basis dient, is vaak al zes uur oud tegen de tijd dat de voorspelling klaar is. Voor snel veranderende verschijnselen zoals buien of plotselinge temperatuurschommelingen is dat een probleem.

WeatherNext 3, ontwikkeld door Google DeepMind en Google Research, omzeilt dat knelpunt. Het model, een voorbeeld van een AI-weersvoorspellingsmodel, leert direct van een doorlopende stroom geostationaire satellietbeelden die in een satellietmozaïek worden samengevoegd. Daardoor kan het elk uur een nieuwe voorspelling maken, gebaseerd op de meest recente waarnemingen. Voor temperatuur en vochtigheid haalt het model een resolutie van 5 kilometer, voor windsnelheid 25 kilometer. Dat is fijnmaziger dan het vorige model, WeatherNext 2, dat werkte met een raster van 25 kilometer en voorspellingen om de zes uur bijwerkte.

Volgens Google is die precisie vooral belangrijk voor gebieden met veel lokale variatie, zoals kustlijnen, dalen en gebergtes. Ook voor Latijns-Amerika, Afrika en delen van Azië, waar traditionele regionale modellen te duur zijn om op te zetten, biedt het model voor het eerst gedetailleerde lokale voorspellingen.

Nauwkeurigere regen- en sneeuwvoorspellingen

Neerslag voorspellen is van oudsher lastig voor computermodellen, omdat regen- en sneeuwbuien op kleine schaal en in korte tijd ontstaan. AI-modellen produceerden daardoor vaak wazige of te gladde voorspellingen die de grenzen van hevige buien misten.

Om dat te verbeteren, is WeatherNext 3 getraind op twee gedetailleerde databronnen: de satellietdataset IMERG van de Amerikaanse ruimtevaartorganisatie NASA en een eigen reanalyse van Google op basis van satellietradar. Dat levert volgens interne evaluaties een verbetering op van de Continuous Ranked Probability Score, een rekenkundige maatstaf voor de betrouwbaarheid van kansvoorspellingen: tot 60 procent nauwkeuriger vergeleken met IMERG-data, 30 procent beter dan het Amerikaanse MRMS-systeem en 10 procent beter dan metingen van regenmeters.

Ook interessant voor duurzame energie

Naast temperatuur en neerslag voorspelt WeatherNext 3 ook windsnelheden op ongeveer honderd meter hoogte, de hoogte waarop windturbines draaien. Ook geeft het model voorspellingen van bewolking en zoninstraling, informatie die zonneparken nodig hebben om in te schatten hoeveel stroom ze gaan opwekken. Energiebedrijven kunnen die gegevens gebruiken om aanbod van groene stroom beter af te stemmen op de vraag.

Het model wordt beoordeeld als het meest nauwkeurige wereldwijde weermodel volgens onafhankelijke evaluaties van onderzoeksinstituut Brightband. De voorspellingen van WeatherNext 3 zijn inmiddels verwerkt in Google Zoeken, Google Maps, de chatbot Gemini en Google Maps Platform. Ontwikkelaars en bedrijven kunnen de data ook rechtstreeks afnemen via aardobservatie-diensten van Google Cloud, bijvoorbeeld om ze in eigen apps of dashboards te verwerken.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Nauwkeurigere en snellere weersvoorspellingen helpen niet alleen particulieren om beter geïnformeerd de dag te plannen, maar zijn ook cruciaal voor de energietransitie: netbeheerders kunnen beter voorspellen hoeveel stroom zon en wind gaan leveren. Voor gebieden die tot nu toe weinig toegang hadden tot gedetailleerde voorspellingen, zoals delen van Afrika en Azië, kan dit soort technologie bovendien de voorbereiding op extreem weer verbeteren.

AI-weersvoorspellingsmodel
Een computermodel dat met kunstmatige intelligentie, in plaats van klassieke natuurkundige berekeningen, het weer voorspelt op basis van patronen in data.
Numerieke weersvoorspelling
De traditionele methode om het weer te voorspellen met natuurkundige vergelijkingen, uitgevoerd op supercomputers.
Satellietmozaïek
Een samengesteld beeld dat wordt gemaakt door meerdere satellietopnames aan elkaar te plakken tot één continu overzicht van een gebied of de hele aarde.
Resolutie
De mate van detail van een voorspelling of beeld; hoe kleiner het raster in kilometers, hoe gedetailleerder de voorspelling.
Continuous Ranked Probability Score (CRPS)
Een statistische maatstaf die aangeeft hoe goed een kansvoorspelling overeenkomt met wat er werkelijk gebeurt.
IMERG
Een satellietdataset van NASA die wereldwijd neerslag meet en vaak wordt gebruikt om weermodellen te trainen en te toetsen.
Zoninstraling
De hoeveelheid zonlicht die op een bepaald oppervlak valt, een belangrijke meetwaarde voor het voorspellen van de opbrengst van zonnepanelen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Klimaat-AI & biosfeersimulaties