全部资料托管在谷歌云存储平台上，依照CC BY 4.0许可协议对外发布。
PARDIG是一套以人工智能架构打造的全球降水再分析数据集。它采用球形图网格Transformer作为核心结构，训练阶段以NASA全球降水测量卫星的雷达观测结果作为参照基准，输入信息则由SatWeave卫星影像与欧洲中期天气预报中心的大气场资料融合而成。
在技术指标上，这套数据集的空间分辨率约为10公里，时间粒度细化到15分钟，从观测到可用的平均延迟大约为5小时。
为检验其实际水平，研发团队将PARDIG的输出与美国、欧洲、日本三地的地基雷达网络观测值以及全球3.6万余座气象站的实测记录逐一比对。多项降水强度判别指标显示，它全面超越NASA IMERG-Final等主流同类产品：在小时尺度上，轻度和中度降水的识别精度比IMERG-Final高出30%以上，面对极端降水事件的表现同样突出。
另一个鲜明的特点是，由于模型直接从卫星观测中学习信息，在缺乏地面雷达和雨量观测站的区域，PARDIG仍能保持较为可靠的数据精度。
SatWeave则承担着全球卫星影像拼接的任务。该数据集把GOES-East、GOES-West、Meteosat 0、Meteosat印度洋星和Himawari五颗静止轨道气象卫星的观测内容整合为一体，并逐一化解了不同卫星在地图投影、文件格式、传感器性能、扫描节奏等方面存在的差异。
这套影像数据每小时刷新一次，历史存档跨度超过十年。凭借它，WeatherNext 3能够依据实时云图和风暴演变情况逐小时生成全球天气预报；相比之下，传统分析数据的更新周期通常为六小时，两者的时效差距相当明显。除气象预报外，光伏发电出力估算、野火监测等场景也能借助该数据集展开。
档案开放方面，谷歌此次释出的PARDIG历史资料覆盖1999年至2026年，SatWeave与PARDIG的实时数据流也已同步上线。
