幸運にも窓際に座っている人は、外を見るだけで天気を予測できますが、恵まれない人たちにとって、天気予報と分析はますます精度を増しています。Tomorrow.ioは、最初の2機のレーダー衛星から得られた結果を発表しました。機械学習のおかげで、地球上および軌道上にある、より大規模で従来型の予報技術に匹敵する性能であることが分かりました。
同社は2021年にClimaCellと呼ばれていた頃からこのミッションを計画しており、本日発表された（近々気象学会で正式に発表される）結果は、同社のハイテクなアプローチが機能することを示している。
天気予報は様々な理由で複雑ですが、高性能だが時代遅れのハードウェア（レーダーネットワークや古い衛星など）と最新のソフトウェアとの相互作用は大きな問題です。このインフラは強力で価値がありますが、その出力を向上させるには計算面で多大な労力が必要であり、ある時点で収穫逓減が始まります。
これは単に「今日の午後は雨が降るだろうか」という予測ではなく、熱帯低気圧がどの方向に移動するか、あるいは嵐や干ばつの間に特定の地域にどれだけの雨が降ったかといった、より複雑で重要な予測です。こうした洞察は、気候が変化するにつれてますます重要になっています。
AI提供：1時間、1週間、100年先までの天気予報
もちろん、宇宙は投資先として当然の選択肢ですが、気象インフラは巨大で重量も重いため、その規模は法外です。2014年に打ち上げられたNASAの全球降水量観測衛星は、この分野のゴールドスタンダードであり、Ka（26～40GHz）とKu（12～18GHz）の両帯域レーダーを搭載しており、重量は約3,850キログラムです。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
Tomorrow.ioの計画は、現代的な工夫を凝らした新たな宇宙レーダーインフラの構築です。同社の衛星は小型（わずか85kg）で、Kaバンドのみを使用します。昨年4月と6月に打ち上げられたTomorrow R1とR2の2つの衛星は、長い試運転と試験期間を経て、ようやくその品質を示し始めています。
Tomorrow社は、今年後半に学術誌に掲載予定の一連の実験において、わずか1つのレーダーバンドとわずかな質量で、自社の衛星がNASAのGPMや地上システムと同等の成果を生み出せると主張している。R1衛星とR2衛星は、様々なタスクにおいてGPMと同等、あるいはそれ以上の精度で予測と観測を行うことができ、その結果は地上レーダーデータともほぼ一致した。
彼らはこれを、チーフ・ウェザー・オフィサーのアルン・チャウラ氏が説明しているように、2つの機器を1つにまとめた機械学習モデルを用いて実現しました。このモデルはGPMの2つのレーダーからのデータで訓練されましたが、観測データと2つのレーダー信号の差の関係を学習することで、1つのバンドだけで同様の予測を行うことができます。彼らのブログ記事には次のように書かれています。
このアルゴリズムは、これらの二周波降水プロファイルを用いて学習されますが、入力としてKaバンド観測データのみを使用します。それでも、反射率プロファイルの形状と降水量との複雑な関係はアルゴリズムによって「学習」され、Kaバンド反射率が豪雨によって完全に減衰した場合でも、完全な降水プロファイルが得られます。
これらの結果が他の気象パターンにも応用されれば、Tomorrow.ioにとって大きな成功となるでしょう。しかし、このプロジェクトの目的は米国のインフラを置き換えることではありません。GPMと地上レーダーネットワークは長期にわたって活用され、非常に貴重な資産です。真の問題は、これらを容易に複製して世界の他の地域をカバーすることができないことです。
同社は、このレベルの詳細な予測と分析を地球規模で提供できる衛星ネットワークの構築を目指しています。計画されている8基の衛星は、重量約300kgと大型で、より高性能なものになります。
「私たちは世界中のどこにでもリアルタイムの降水量データを提供することに取り組んでおり、これは気象予報の分野に革命をもたらすと考えています」とチャウラ氏は述べた。「その点において、私たちは精度、世界的な可用性、そしてレイテンシー（衛星が信号を捕捉してからデータが製品に取り込めるまでの時間で測定）の向上に取り組んでいます。」
彼らはまた、自社や他のシステムの訓練に用いるための、より詳細な軌道レーダー画像という、避けられないデータ収集にも取り組んでいる。しかし、それが機能するには、より多くのデータが必要となる。そして彼らは今年、より多くの衛星を打ち上げ、データの収集ペースを加速させる計画だ。
デヴィン・コールドウェイはシアトルを拠点とする作家兼写真家です。
彼の個人ウェブサイトは coldewey.cc です。
バイオを見る
