Google ने अपने AI आधारित मौसम पूर्वानुमान मॉडल WeatherNext का तीसरा संस्करण जारी किया है. इसके सबसे बड़े बदलावों में कुछ सैटेलाइट मौसम डेटा को सीधे मॉडल में शामिल करना बताया गया है. इस बदलाव से मॉडल को मौजूदा मौसम स्थितियों के बारे में अपेक्षाकृत ताजा जानकारी मिल सकती है और नए पूर्वानुमान तैयार करने में लगने वाला अंतर कम हो सकता है.

इस अपडेट की जानकारी एक white paper में दी गई है. उपलब्ध विवरण के मुताबिक, WeatherNext 3 का उद्देश्य मौसम पूर्वानुमान मॉडल में इस्तेमाल होने वाले इनपुट का दायरा बढ़ाना है. हालांकि, उपलब्ध स्रोत में नए संस्करण की सटीक accuracy figures या अलग-अलग मौसम स्थितियों में इसके प्रदर्शन का विस्तृत आंकड़ा नहीं दिया गया है.

AI मौसम मॉडल में सैटेलाइट डेटा की भूमिका

परंपरागत मौसम मॉडल की तरह AI आधारित मॉडल भी कई तरह के डेटा पर निर्भर करते हैं. इनमें वातावरण की मौजूदा स्थिति से जुड़े अलग-अलग इनपुट शामिल होते हैं. Google और अन्य कंपनियों के AI मौसम मॉडल की एक प्रमुख विशेषता यह बताई जाती है कि वे पारंपरिक मॉडल के समान स्तर का प्रदर्शन देने की कोशिश करते हुए कम computing resources में चल सकते हैं. इससे पूर्वानुमान अधिक बार तैयार करना संभव हो सकता है.

WeatherNext 3 में सैटेलाइट से मिलने वाले कुछ raw weather data को शामिल करने का कदम इसी दिशा में है. सैटेलाइट अवलोकन वातावरण की वर्तमान स्थिति पर लगातार जानकारी उपलब्ध करा सकते हैं. इससे मॉडल को पुराने या अप्रत्यक्ष डेटा पर कम निर्भर रहना पड़ सकता है, हालांकि उपलब्ध सामग्री इस प्रभाव का मात्रात्मक आकलन नहीं करती.

Reanalysis से अलग क्या है बदलाव

कई मौसम मॉडल reanalysis नाम की प्रक्रिया से तैयार किए गए वैश्विक मौसम आकलन का इस्तेमाल करते हैं. Reanalysis विभिन्न स्रोतों से मिले मौसम डेटा को मिलाकर वातावरण की एक सुसंगत वैश्विक तस्वीर बनाने की कोशिश करता है.

ऐसी तस्वीर तैयार करते समय उन क्षेत्रों के लिए भी स्थितियों का अनुमान लगाना पड़ता है जहां वास्तविक माप उपलब्ध नहीं होते. वैश्विक स्तर पर काम करने वाले पूर्वानुमान मॉडल के लिए यह जरूरी होता है, क्योंकि उन्हें पूरे वातावरण की स्थिति का अनुमान चाहिए.

WeatherNext 3 में सैटेलाइट डेटा जोड़ना इस प्रक्रिया के साथ इस्तेमाल होने वाले इनपुट को विस्तार देने वाला बदलाव है. इससे मॉडल को वर्तमान स्थितियों और पूर्वानुमान तैयार करने के समय के बीच का lag कम करने में मदद मिलने की उम्मीद है. हालांकि, इस संस्करण से जुड़ी वास्तविक उपयोगिता और accuracy का आकलन व्यापक परीक्षणों और प्रकाशित प्रदर्शन आंकड़ों के बाद ही किया जा सकेगा.