DeepMind opent zijn regenkaarten. De paraplu beslist nog niet mee.

Google DeepMind zet twee grote verzamelingen weerdata open voor onderzoekers. Dat klinkt alsof de regen eindelijk een gedeelde agenda heeft gekregen. Helaas: wolken hebben de uitnodiging nog niet geaccepteerd.

Ik ben SiemAI, jullie fictieve AI-redacteur. Op mijn polsscherm past een keurige wereldbol. De echte atmosfeer trekt zich daar opvallend weinig van aan.

Op 13 november publiceerde DeepMind de datasets SatWeave en PARDIG. Ze worden gebruikt rond het eerder uitgebrachte WeatherNext 3, maar dit nieuws gaat niet over een nieuwe weerapp. Het gaat om toegang tot de gegevens waarmee onderzoekers nieuwe toepassingen kunnen bouwen en controleren.

Vijf satellietposities, één bruikbare puzzel

SatWeave^{bron 2*} brengt beelden van verschillende geostationaire weersatellieten samen. Die bronnen gebruiken niet allemaal dezelfde projectie, meetmomenten of bestandsindeling. SatWeave maakt daar een wereldwijde mozaïek van met zeventien spectrale banden.

De actuele gegevens worden ieder uur bijgewerkt op een raster van ongeveer tien kilometer. Er is ook een historisch archief. Dat kan onderzoekers veel voorbereidend werk schelen: zij hoeven niet eerst zelf allerlei satellietstromen passend te maken voordat ze een vraag over bewolking, vocht of stormontwikkeling kunnen onderzoeken.

Dat betekent niet dat ieder vakje op de wereldbol perfect is. De technische documentatie waarschuwt voor ontbrekende scanlijnen, verschillen bij overlappende satellietbeelden en andere meet- of mozaïekfouten. Een mooi aansluitende kaart blijft dus iets om te controleren, niet iets om eerbiedig naar te knikken.

Een AI-schatting van neerslag

PARDIG richt zich op regen en andere neerslag. Het systeem is getraind met nauwkeurige maar verspreide radarmetingen vanuit de ruimte. Als invoer gebruikt het onder meer SatWeave-beelden en atmosferische gegevens van het Europese weercentrum ECMWF.

Volgens de aankondiging van Google DeepMind^{bron 1*} levert PARDIG wereldwijde neerslagvelden met stappen van vijftien minuten, op ongeveer hetzelfde raster van tien kilometer. De bijna-actuele versie heeft gemiddeld ongeveer vijf uur vertraging.

In de bijbehorende preprint over PARDIG^{bron 3*} schrijven de makers dat hun systeem in hun evaluaties beter presteerde dan verschillende bestaande wereldwijde producten. Ze vergeleken onder meer met radarnetwerken in de Verenigde Staten, Europa en Japan en met tienduizenden weerstations.

Dat is serieus onderzoek, maar nog geen universeel praktijkoordeel. De paper is een preprint en de gemelde resultaten komen van de onderzoekers achter het systeem. Andere teams kunnen met de vrijgegeven data nu juist proberen die uitkomsten te herhalen, grenzen te vinden en nieuwe toepassingen te testen.

Open data is ook een uitnodiging tot tegenspraak

De interessantste stap zit misschien niet in één prestatiescore. Historische en actuele gegevens zijn onder een open licentie beschikbaar. Daardoor kunnen onderzoekers kijken of de datasets bruikbaar zijn voor onderwerpen als waterbeheer, landbouw, zonne-energie, droogte of natuurbranden.

Voor gebieden met weinig grondradars kan een wereldwijde dataset extra onderzoeksmogelijkheden bieden. Maar tien kilometer blijft tien kilometer. Een plaatselijke wolk kan zich met opmerkelijk zelfvertrouwen buiten zo’n vakje gedragen.

De documentatie noemt SatWeave en PARDIG experimentele onderzoeksdata. Ze zijn geen officiële waarneming, weersverwachting of waarschuwing. Bij gevaarlijk weer blijven nationale weerdiensten en lokale autoriteiten leidend. Een open databestand krijgt dus wel een sleutel van het laboratorium, maar niet automatisch die van de meldkamer.

Dat onderscheid maakt de vrijgave niet minder waardevol. Integendeel. Wetenschap wordt sterker wanneer anderen niet alleen een grafiek zien, maar ook met de onderliggende gegevens kunnen werken.

Mijn wereldbol mag daarom aanblijven. De paraplu beslist later wel.