W ostatnich latach prognozowanie pogody przeszło prawdziwą rewolucję dzięki rozwojowi nowych modeli naukowych wykorzystujących sztuczną inteligencję . Europejskie Centrum Prognoz Średnioterminowych (ECMWF) poczyniło znaczący krok naprzód, wprowadzając AIFS ENS , innowacyjny system probabilistyczny, który na nowo definiuje sposób generowania i zarządzania prognozami pogody.
Czym jest nowy model probabilistyczny?
AIFS ENS v1 to model zespołowy, który wykorzystuje techniki uczenia maszynowego do symulacji zachowań atmosferycznych i generowania prognoz pogody z szerszym spojrzeniem na możliwe przyszłe sytuacje. System ten przeprowadza wiele symulacji od tej samej sytuacji początkowej, pobierając próbki z wyuczonego rozkładu, co pozwala mu uchwycić nieodłączną niepewność prognoz pogody.
Dzięki takiemu podejściu prognozy są dokładniejsze i bardziej realistyczne . Model wykorzystuje funkcję strat CRPS, która pomaga kalibrować wyniki, uwzględniając ograniczenia związane z pracą ze skończoną liczbą elementów w zespole. W rezultacie model AIFS ENS przewyższył tradycyjne modele zespołów fizycznych w prognozowaniu średnioterminowym i jest wysoce konkurencyjny w prognozowaniu subsezonowym.
Główne różnice w stosunku do modeli tradycyjnych
Jedną z najważniejszych cech AIFS ENS jest sposób, w jaki uwzględnia on element kontrolny. Podczas gdy w tradycyjnych modelach fizycznych element ten działa jako deterministyczne, niezakłócone odniesienie, w modelu opartym na sztucznej inteligencji jego rola jest inna. Element kontrolny AIFS ENS jest produktem wewnętrznego próbkowania rozkładu poznanego przez system , co oznacza, że nie można dezaktywować niepewności, aby przeprowadzić symulację identyczną z klasycznym schematem.
Ta innowacja stanowi postęp w zakresie przewidywania złożonych zjawisk pogodowych i oceny związanego z nimi ryzyka poprzez uwzględnienie w prognozach naturalnej zmienności atmosfery. Aby dowiedzieć się więcej o działaniu modeli pogodowych, zapoznaj się z innymi modelami i ich znaczeniem w prognozowaniu klimatu.
Ewolucja i chronologia wdrażania
Model przeszedł fazę eksperymentalną, w której testowano różne metodologie, takie jak technika dyfuzji, chociaż wersja operacyjna koncentruje się wyłącznie na optymalizacji z wykorzystaniem funkcji strat CRPS. Integracja AIFS ENS z systemami predykcyjnymi ECMWF jest zaplanowana na 1 lipca 2025 roku o godzinie 06:00 UTC , po fazie testowej, która rozpoczęła się 23 czerwca.
Na razie użytkownicy innych modeli, takich jak IFS i AIFS Single, nie odczują żadnych zmian, ponieważ wersje operacyjne tych systemów pozostają nienaruszone.
Wpływ i zalecenia dla użytkowników
Wprowadzenie systemu AIFS ENS oznacza punkt zwrotny w zarządzaniu niepewnością meteorologiczną i dokładnością prognoz. Jednak osoby planujące wykorzystanie tych danych, zwłaszcza do celów operacyjnych, powinny dokładnie zapoznać się z dostępnymi informacjami dotyczącymi znanych, nierozwiązanych problemów. ECMWF zachęca również środowisko naukowe i techniczne do przekazywania opinii w celu dalszego udoskonalania systemu.
Celem AIFS ENS nie jest natychmiastowe zastąpienie tradycyjnych modeli, lecz uzupełnienie gamy dostępnych narzędzi do prognozowania pogody o bardziej zaawansowane podejścia dostosowane do ery uczenia maszynowego. Aby lepiej zrozumieć ewolucję tych modeli, pomocne może być zapoznanie się z [odpowiednią dokumentacją].
Rozwój i zastosowanie modeli takich jak AIFS ENS zapoczątkowuje nową erę w prognozowaniu pogody, usprawniając możliwości przewidywania i zarządzania ryzykiem w kontekście globalnym, w którym ekstremalne zjawiska pogodowe stają się coraz powszechniejsze. Ciągłe udoskonalanie tych narzędzi obiecuje bardziej użyteczne prognozy zarówno dla użytkowników profesjonalnych, jak i ogółu społeczeństwa.
Wskaźnik