Google DeepMind ha abierto dos de los conjuntos de datos con los que funciona WeatherNext 3, su modelo de predicción meteorológica con inteligencia artificial. Se trata de SatWeave, un mosaico global de imágenes de satélites geoestacionarios que se actualiza cada hora, y PARDIG, una estimación mundial de precipitación generada con IA con una resolución de 15 minutos y unos 10 kilómetros. La compañía lo anunció el 13 de noviembre de 2026 y ofrece ambos, con archivo histórico y datos en directo, en Google Cloud Storage.
Las claves de los datos meteorológicos abiertos de DeepMind en 20 segundos
- SatWeave une imágenes de satélites geoestacionarios en un mosaico global horario.
- PARDIG estima la lluvia en todo el mundo cada 15 minutos, con datos desde 1999.
- Ambos alimentan WeatherNext 3 y están en Google Cloud Storage.
- Según Google, PARDIG mejora más de un 30 % la detección de lluvia ligera y moderada frente a IMERG-Final.
Los modelos de predicción meteorológica con IA dependen de la calidad de los datos con los que se entrenan y se alimentan. Hasta ahora, preparar imágenes de satélite de distintos operadores o construir una serie de precipitación homogénea a escala global exigía un trabajo previo enorme. DeepMind publica ahora los dos conjuntos que ha construido para su propio modelo con el objetivo declarado de que investigadores y desarrolladores puedan crear aplicaciones de meteorología, hidrología y clima.
SatWeave: una sola imagen de la Tierra cada hora
SatWeave combina las observaciones de varios satélites geoestacionarios en 17 canales visibles, de vapor de agua e infrarrojos, y produce un mosaico global que se renueva cada hora. Es precisamente esa actualización horaria la que permite a WeatherNext 3 generar nuevas predicciones globales con frecuencia. El texto de Google habla de seis satélites, aunque en la descripción enumera cinco: GOES-East y GOES-West de Estados Unidos, Meteosat 0 y Meteosat Océano Índico de Europa y el japonés Himawari.
El conjunto incluye un archivo histórico de más de una década y un flujo en directo. Google sugiere usos como la previsión de producción solar o la vigilancia de incendios forestales, dos campos en los que contar con imágenes homogéneas de todo el planeta ahorra mucho trabajo de integración.
PARDIG: lluvia estimada donde no hay radar
PARDIG (siglas en inglés de reanálisis de precipitación con IA a partir de GPM) es un conjunto de precipitación global generado con un modelo de IA. Se entrenó con los datos del radar del satélite GPM Core Observatory de la NASA y usa como entradas las imágenes de SatWeave y campos atmosféricos del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF). El resultado es una estimación de lluvia cada 15 minutos, con unos 10 kilómetros de resolución y una latencia media de unas cinco horas. Es también el conjunto con el que se entrenaron las predicciones de precipitación de WeatherNext 3.
Su ventaja, según DeepMind, es que aprende directamente de los satélites en lugar de depender solo de mediciones en tierra. Eso lo hace especialmente útil en regiones con poca cobertura de radar meteorológico, para vigilar inundaciones, deslizamientos de tierra o sequías. Google afirma que mejora en más de un 30 % la detección horaria de precipitación ligera y moderada respecto a IMERG-Final, el producto de referencia de la NASA, con evaluaciones sobre las redes de radar de Estados Unidos, Europa y Japón y más de 36.000 estaciones. Son datos de la propia compañía, no una evaluación independiente. El archivo histórico cubre de 1999 a 2026 y también está en Google Earth Engine.
Quién está detrás y qué falta por aclarar
El trabajo es de equipos de Google DeepMind y Google Research, con colaboración de Google Cloud y Google Geo. Se apoya en datos abiertos de agencias como el ECMWF, la NASA, la JAXA, la NOAA, EUMETSAT y los servicios meteorológicos de Corea, Japón y Países Bajos. El anuncio no detalla la licencia de uso ni el volumen de los conjuntos, dos datos que conviene revisar en la documentación de WeatherNext antes de usarlos en un producto comercial.
La publicación encaja con una tendencia de los grandes laboratorios de IA: abrir parte de los datos o modelos para que la comunidad científica los use y los valide. Para los servicios meteorológicos y las empresas de energía, seguros o agricultura, disponer de una serie global de precipitación de alta frecuencia sin coste de preparación puede acortar mucho el desarrollo de modelos propios.
Preguntas frecuentes
¿Qué datos ha publicado Google DeepMind?
SatWeave, un mosaico global horario de imágenes de satélite, y PARDIG, una estimación mundial de precipitación cada 15 minutos generada con IA.
¿Dónde se pueden descargar?
En Google Cloud Storage, con datos históricos y en directo. El archivo histórico de PARDIG también está en Google Earth Engine.
¿Qué relación tienen con WeatherNext 3?
SatWeave alimenta las predicciones globales del modelo y PARDIG se usó para entrenar sus previsiones de precipitación.
¿Qué periodo cubre PARDIG?
Su archivo histórico va de 1999 a 2026 y se completa con un flujo de datos en directo.
Fuentes:












