Az NVIDIA Earth-2 valós idejű megfigyelésekkel javítja az időjárási előrejelzéseket

Saját mérésekkel frissíthetők az előrejelzések

Az NVIDIA szeptember 21-én bemutatott útmutatója szerint az időjárásra érzékeny iparágak egyre több olyan megfigyeléshez férnek hozzá, amelyek korábban és helyileg részletesebben mutatják a változó körülményeket. Az energetikai vállalatok szél- és naperőműveknél gyűjtenek adatokat, a katasztrófavédelmi szervezetek radarokra és helyi érzékelőkre támaszkodnak, a műholdüzemeltetők pedig folyamatosan figyelik a Földet.

Az Earth-2 eszközeivel ezek az adatok saját vagy külső forrásból származó megfigyelésekként dolgozhatók fel. Az NVIDIA szerint így gyakrabban lehet előrejelzést készíteni, az állapotbecsléseket közelebb lehet tartani a valós idejű körülményekhez, és az előrejelzési folyamat egyes régiókra vagy alkalmazásokra szabható.

A megközelítés az energetika mellett olyan területeken is használható, ahol a helyi időjárás közvetlenül befolyásolja a működést. A forrás példaként említi a tőkepiacokat, a biztosítást, a mezőgazdaságot és a logisztikát.

A regionális modellek megfigyelésekkel igazíthatók

Az útmutató két módszert ismertet. Az egyik a pontszerű megfigyelésekkel korlátozza a diffúziós modelleket, elsősorban regionális előrejelzéseknél. A Score-Based Data Assimilation, röviden SDA, a CorrDiff és a StormCast modellekhez is használható, és az NVIDIA leírása szerint ehhez nem szükséges újratanítani a modelleket.

A diffúziós modellek több lépésben, fokozatos zajcsökkentéssel állítják elő a nagy felbontású előrejelzést. Az SDA minden lépésben összeveti a köztes eredményt a megfigyelésekkel, majd ezek felé módosítja a következő lépést. A végeredmény valószínűségi előrejelzés, amelynél a megfigyelési pontok közelében kisebb, távolabb pedig nagyobb a bizonytalanság.

A megfigyelési operátor azt írja le, hogyan feleltethető meg a modell kimenete a ténylegesen mérhető mennyiségnek. A hőmérséklet vagy a szélsebesség esetében ez történhet például a közeli rácspontok értékeinek interpolációjával. Az NVIDIA szerint közvetett mérés is használható, például egy szélturbina teljesítménye a szélsebesség helyettesítő mérőszámaként.

A CorrDiff példájában 54 százalékkal csökkent a hiba

Az Earth2Studio egy Európa felett előzetesen betanított CorrDiff-modellt tartalmaz, amely a 0,25 fokos időjárási mezőkből 2,2 kilométeres felbontású előrejelzést készít. Az NVIDIA bemutatója egy Hollandia egy részét és Északnyugat-Németországot lefedő területen, 10 méteres szélsebességre vonatkozó megfigyelésekkel szemlélteti az SDA működését.

A példában az ERA5 adatait használták alacsony felbontású bemenetként, a szélmegfigyelések pedig a GHCN óránkénti adatforrásából érkeztek. A modellt kétféleképpen futtatták: egyszer megfigyelések nélkül, egyszer pedig azok felhasználásával. A forrás szerint az SDA-val végzett CorrDiff-COSMO leskálázás a visszatartott állomásokon 54 százalékkal csökkentette a szélsebesség négyzetes középhibáját.

Az Earth2Studio hozzáférést ad rácsos műhold- és radardatokhoz, hagyományos megfigyelési archívumokhoz, valamint működés közben érkező megfigyelési adatfolyamokhoz. A bemutató futtatásához Earth2Studio-környezet, NVIDIA RTX PRO vagy adatközponti GPU, alapvető Python-ismeret és körülbelül 30 perc szükséges. A felhasználók a saját megfigyeléseiket is csatlakoztathatják egy adatfeldolgozási folyamathoz.