Зачем Яндекс Погода спрашивает, идёт ли дождь?

31 марта

Прогнозирование погоды — это сложный и многоступенчатый процесс, в котором используются данные из различных источников: метеостанций, радаров, спутниковых наблюдений и исторических метеоархивов. Но даже самые продвинутые технологии не могут обеспечить стопроцентную точность прогноза, особенно в условиях динамичной и изменчивой атмосферы. Именно поэтому Яндекс Погода собирает сообщения пользователей в качестве дополнительного источника информации и добавляет их в сам процесс прогноза.

Как же именно сообщения посетителей Яндекс Погоды участвуют в прогнозе?

Метеорологический конвейер: или как появляется краткосрочный прогноз осадков

Процесс наукастинга можно представить в виде конвейера, который не останавливается ни на минуту.

Первый участок — сбор информации.

На этом шаге наши алгоритмы анализируют, где на планете идут дожди или снег, используя поступающие данные от спутников, метеорологических радаров и сообщения пользователей Яндекс Погоды.

Второй участок — создание метеорологического поля.

На основе собранных показаний радаров, спутников и информации пользователей компьютеры обсчитывают гигантские системы уравнений и склеивают собственные поля осадков. Благодаря этому мы видим одномоментную картинку актуальных дождей или снегопадов по всей Земле, а также можем анализировать происходящие изменения и прогнозировать будущие.

Третий участок — динамический прогноз.

Наши алгоритмы на основе ранее изученных паттернов для каждой местности и законов физики начинают двигать поля осадков с шагом в 10 минут. Таким образом прогнозируется погода на ближайшие часы. Это похоже на предсказание будущих кадров видео по предыдущим или на восстановление фотографии по её сохранившемуся кусочку.

Четвёртый участок — время супергероев.

На самом последнем этапе наукастинга наши пользователи могут корректировать прогноз осадков для своей локации. Когда в каком-то месте достаточно пользователей и они отмечают в приложении, идёт дождь или нет, нейросети Яндекс Погоды в непрерывном режиме перехватывают эти сигналы и вырезают с карты осадков или добавляют на неё тот дождливый участок, который сформировался в результате сообщений. Эта информация здорово помогает метеорологам — особенно там, где не хватает данных высокоточных радарных наблюдений.

Неужели недостаточно данных с метеостанций?

Почему метеорологам важны сообщения пользователей?

Технология Метеум, применяемая в Яндекс Погоде, способна обрабатывать и анализировать гигантский объём информации. В нашем распоряжении находятся данные космических спутников, метеорологических радаров, наземных метеостанций, а также обширные архивы метеосводок за прошедшие годы. Казалось бы, этой информации должно с лихвой хватать для составления безошибочных прогнозов, но…

Метеостанции играют ключевую роль в формировании прогноза, но они расположены неравномерно, поэтому в отдельных регионах данных недостаточно или просто нет.

Карта покрытия профессиональными метеостанциями в мире

К примеру, на всю площадь суши на Земле приходится 10 тысяч профессиональных станций. В среднем это одна станция на 15 тысяч км² — красноречивая цифра, идеально описывающая сложность создания точного прогноза.

Спутниковые снимки хорошо показывают облачность, но они не всегда позволяют определить, идёт ли дождь в конкретном месте под облаками или нет.

Метеорадары могут сканировать местность на наличие осадков в воздухе с высокой точностью и детализацией, но их сигнал может искажаться из-за сложного рельефа, высоких зданий или других источников помех.

Поэтому однажды мы задумались: как бы начать добывать дополнительные данные из новых источников информации и тем самым повышать точность прогнозов?

Метеорологически радар. Источник: lemz.ru

В 2021 году мы добавили в прогноз погоды сообщения пользователей, благодаря чему точность карты осадков улучшилась на 20%.

Сообщения посетителей Яндекс Погоды являются полноценным и крайне важным источником данных сразу по нескольким причинам:

Заполняют пробелы в информации. В регионах, где традиционные источники (радиолокационные и спутниковые данные) дают сбои или их недостаточно, сообщения пользователей помогают оперативно скорректировать прогноз.
Учитывают локальные особенности. Погода может значительно различаться даже на небольших расстояниях, особенно в городских условиях. Пользовательские данные позволяют выявить микроклиматические особенности конкретного района.
Обучают нейросети. Информация от пользователей используется для обучения алгоритмов, что помогает нейросетям лучше понимать взаимосвязи между различными метеорологическими параметрами и предсказывать изменения в погоде.
Служат резервным источником информации. В случаях, когда радары или спутники не могут предоставить данные из-за технических сбоев, сообщения пользователей становятся основным источником информации о текущем состоянии погоды.