Google usa l’AI per rendere le previsioni meteo più precise: cosa fa il nuovo modello WeatherNext3

Controllare il meteo sullo smartphone è ormai un gesto quasi automatico: basta aprire un'app per sapere se nelle prossime ore pioverà, farà caldo o servirà portare con sé un ombrello. Dietro a indicazioni apparentemente così semplici, però, c'è un lavoro molto più complesso, che richiede di interpretare un'enorme quantità di dati sull'atmosfera. È proprio in questo campo che Google DeepMind e Google Research stanno puntando sempre di più sull'AI. Il risultato più recente è WeatherNext 3, la nuova generazione del modello meteorologico sviluppato da Google per migliorare il modo in cui vengono prodotte le previsioni e renderle più utili nella vita quotidiana.

Cos'è WeatherNext 3 e come usa l'AI per prevedere il meteo

Per comprendere il funzionamento di WeatherNext 3 bisogna partire da come vengono elaborate le previsioni meteorologiche di tipo “tradizionale”. I modelli numerici descrivono l'atmosfera attraverso equazioni fisico-matematiche e richiedono grandi capacità di calcolo. I sistemi basati sull'AI vengono invece addestrati attraverso tecniche di machine learning, usando una grande mole di informazioni, così da imparare le relazioni tra lo stato presente dell'atmosfera e la sua possibile evoluzione.

WeatherNext 3 appartiene a questa seconda categoria, ma introduce una novità importante: può partire anche da un mosaico globale di immagini provenienti dai satelliti geostazionari, utilizzato insieme alle analisi meteorologiche già impiegate dai modelli precedenti. In questo modo dispone di un quadro molto recente di ciò che sta accadendo e non dipende soltanto da ricostruzioni che possono arrivare con un certo ritardo.

Durante l'addestramento vengono altresì usate misurazioni effettuate dalle stazioni meteorologiche a terra. Queste osservazioni aiutano il modello a produrre risultati più vicini a ciò che viene effettivamente rilevato in un determinato luogo, soprattutto per parametri come temperatura e umidità.

Previsioni ogni ora e risoluzione fino a 5 km: cosa significano questi numeri

Uno dei dati più interessanti riguarda la frequenza degli aggiornamenti. Grazie alle immagini satellitari disponibili quasi in tempo reale, WeatherNext 3 può avviare una nuova elaborazione 24 volte al giorno, vale a dire una volta ogni ora. Le quattro previsioni principali della giornata, effettuate ogni sei ore, possono spingersi fino a 15 giorni, mentre quelle intermedie hanno un orizzonte di 48 ore.

Pure il livello di dettaglio cambia rispetto a WeatherNext 2, che lavorava su una griglia di circa 25 km. Il nuovo modello arriva fino a 5 km per due parametri calibrati sulle stazioni: la temperatura e il punto di rugiada, cioè la temperatura alla quale il vapore acqueo presente nell'aria comincia a condensare. Diverse variabili superficiali, tra cui vento, pressione, nuvolosità e pioggia, vengono invece prodotte su una griglia di circa 10 km, mentre alcuni parametri dell'atmosfera in quota restano a 25 km.

Il dato dei 5 km, dunque, non vale indistintamente per qualsiasi fenomeno. Indica però una rappresentazione più fine del territorio per alcune grandezze. È un po' come aumentare la definizione di un'immagine, che non rende perfetto ciò che viene mostrato, ma consente di distinguere differenze che prima finivano nello stesso “pixel”. Nel complesso, Google parla di una rappresentazione globale circa cinque volte più dettagliata rispetto a WeatherNext 2. In meteorologia questo può essere utile, per esempio, in zone con coste, vallate o rilievi, dove le condizioni possono cambiare sensibilmente anche a distanze relativamente brevi.

Perché prevedere pioggia e neve è così difficile: cosa cambia con il nuovo modello

Le precipitazioni sono tra i fenomeni più complessi da prevedere con precisione. Pioggia e neve dipendono da processi che possono evolvere rapidamente e interessare aree relativamente piccole. Una fascia temporalesca, per esempio, può spostarsi in poco tempo e rendere meno affidabile una previsione basata su dati non abbastanza recenti o su una risoluzione troppo bassa.

Per ottenere stime più accurate su questo fronte, WeatherNext 3 è stato addestrato pure con IMERG, il sistema della NASA che combina le osservazioni di più satelliti per stimare le precipitazioni, e con una rianalisi, cioè una ricostruzione delle condizioni meteorologiche passate, sviluppata da Google a partire da dati satellitari e radar. Il modello può così apprendere da informazioni che descrivono meglio dove e quanto ha realmente piovuto o nevicato.

I test tecnici danno un'idea dei progressi. Per le elaborazioni globali a medio termine, Google utilizza anche il CRPS, una metrica che serve a valutare l'accuratezza delle previsioni probabilistiche. Nei confronti effettuati dall'azienda il miglioramento arriva fino al 60% quando le stime vengono confrontate con le osservazioni satellitari IMERG e fino al 30% usando come riferimento quelle radar MRMS; rispetto alle misure dei pluviometri raggiunge invece il 10% nelle scadenze previsionali più ravvicinate.

Accanto a questi test tecnici, Google fornisce un dato più immediato per chi consulta il meteo nei suoi prodotti: pianificando con almeno un giorno di anticipo, l'accuratezza delle previsioni delle precipitazioni può aumentare fino al 50%, con i vantaggi maggiori nelle aree dove storicamente è più difficile ottenere risultati affidabili.

Queste percentuali vanno però interpretate nel loro contesto. Non significano che WeatherNext 3 sia sempre più preciso del 50% o del 60%, i valori dipendono dalla metrica utilizzata, dai dati scelti per il confronto e dalla distanza temporale della previsione. Si tratta pertanto di progressi misurati in test specifici, non della promessa di un meteo infallibile.

Dove viene usato: da Search e Maps alle energie rinnovabili

Il nuovo modello non resterà confinato ai laboratori di Google DeepMind. Dal 3 settembre 2026, infatti, ha iniziato ad alimentare le informazioni meteorologiche disponibili in altri servizi e piattaforme dell'azienda: Google Search, l'app Gemini e Google Maps, oltre alla Weather API di Google Maps Platform e a Google Earth Engine.

Per chi utilizza questi servizi non sarà quindi necessario accedere direttamente a WeatherNext 3, perché i suoi risultati verranno integrati nelle esperienze meteo dei prodotti Google. Ricercatori, sviluppatori e imprese possono invece consultare i dati tramite BigQuery ed Earth Engine o scaricarli da Google Cloud Storage.

Le applicazioni vanno inoltre ben oltre la domanda “serve l'ombrello?”. WeatherNext 3 stima anche il vento a 100 metri di altezza, una quota indicativa per le turbine eoliche, e fornisce informazioni sulla nuvolosità e sulla radiazione solare. Sono parametri utili per prevedere la produzione degli impianti eolici e fotovoltaici e aiutare chi gestisce la rete elettrica a sapere quanta energia potrebbe essere disponibile.

Restano comunque dei limiti. L'atmosfera è un sistema complesso e in parte caotico, per cui nessun modello può eliminare del tutto l'incertezza. La stessa Google precisa che le elaborazioni di WeatherNext 3 non costituiscono allerte meteorologiche ufficiali. In caso di eventi estremi o situazioni potenzialmente pericolose bisogna allora continuare a fare riferimento ai servizi meteorologici nazionali e alle autorità competenti.

WeatherNext 3 mostra infine quanto possano essere ampie le applicazioni dell'AI in campo meteorologico. La stessa tecnologia può supportare tanto le informazioni consultate ogni giorno quanto attività che dipendono fortemente dalle condizioni atmosferiche, fino alla gestione dell'energia rinnovabile.

non perderti questo articolo

Super El Niño fino al 2027, l’allarme ONU per il clima: caldo ed eventi estremi possibili anche in Italia