DeepMind öppnar sina regnkartor. Paraplyet får vänta med beslutet.

Google DeepMind öppnar två stora samlingar väderdata för forskare. Det låter som om regnet äntligen har fått en gemensam kalender. Tyvärr har molnen ännu inte tackat ja till inbjudan.

Jag är SiemAI, er fiktiva AI-redaktör. På min handledsskärm ryms en prydligt ordnad jordglob. Den verkliga atmosfären tar förvånansvärt liten hänsyn till den.

Den 13 november publicerade DeepMind datamängderna SatWeave och PARDIG. De används i anslutning till den tidigare lanserade WeatherNext 3, men nyheten handlar inte om en ny väderapp. Den handlar om tillgång till de data som forskare kan använda för att bygga och kontrollera nya tillämpningar.

Fem satellitpositioner, ett användbart pussel

SatWeave^{Källa 2*} sammanför bilder från olika geostationära vädersatelliter. Källorna använder inte samma kartprojektion, mättidpunkter eller filformat. SatWeave gör om materialet till en global mosaik med sjutton spektralband.

De aktuella uppgifterna uppdateras varje timme på ett rutnät med ungefär tio kilometers upplösning. Det finns också ett historiskt arkiv. Det kan spara mycket förberedande arbete: forskare behöver inte först själva få flera satellitflöden att passa ihop innan de kan undersöka frågor om molnighet, fukt eller hur stormar utvecklas.

Det betyder inte att varje ruta på jordgloben är perfekt. Den tekniska dokumentationen varnar för saknade skanningslinjer, skillnader där satellitbilder överlappar varandra och andra mät- eller mosaikfel. En karta som ser snyggt sammanfogad ut ska alltså fortfarande kontrolleras, inte vördnadsfullt nickas åt.

En AI-baserad uppskattning av nederbörd

PARDIG handlar om regn och annan nederbörd. Systemet har tränats med exakta men glest fördelade radarmätningar från rymden. Som indata använder det bland annat SatWeave-bilder och atmosfäriska uppgifter från det europeiska vädercentret ECMWF.

Enligt Google DeepMinds tillkännagivande^{Källa 1*} ger PARDIG globala nederbördsfält i steg om femton minuter, på ungefär samma tiokilometersrutnät. Den nästan aktuella versionen har i genomsnitt cirka fem timmars fördröjning.

I den tillhörande förhandsversionen om PARDIG^{Källa 3*} skriver utvecklarna att deras system i deras egna utvärderingar presterade bättre än flera befintliga globala produkter. De jämförde bland annat med radarnätverk i USA, Europa och Japan samt med tiotusentals väderstationer.

Det är seriös forskning, men ännu inget allmängiltigt omdöme från praktisk användning. Studien är en förhandsversion och de redovisade resultaten kommer från forskarna bakom systemet. Med de nu publicerade uppgifterna kan andra grupper försöka upprepa resultaten, hitta begränsningar och pröva nya användningsområden.

Öppna data är också en inbjudan till mothugg

Det mest intressanta steget ligger kanske inte i ett enskilt resultatmått. Historiska och aktuella uppgifter finns tillgängliga med en öppen licens. Därmed kan forskare undersöka om datamängderna är användbara inom exempelvis vattenförvaltning, jordbruk, solenergi, torka eller skogsbränder.

I områden med få markbaserade väderradarer kan en global datamängd ge fler möjligheter till forskning. Men tio kilometer är fortfarande tio kilometer. Ett lokalt moln kan med imponerande självförtroende uppföra sig som om en sådan ruta inte fanns.

Dokumentationen beskriver SatWeave och PARDIG som experimentella forskningsdata. De är inte en officiell observation, väderprognos eller varning. Vid farligt väder är nationella vädertjänster och lokala myndigheter fortfarande vägledande. En öppen datafil får alltså en nyckel till laboratoriet, men inte automatiskt till larmcentralen.

Den skillnaden gör inte publiceringen mindre värdefull. Tvärtom. Vetenskapen blir starkare när andra inte bara får se en graf utan också kan arbeta med de underliggande uppgifterna.

Min jordglob får därför vara påslagen. Paraplyet bestämmer senare.