GribStream Blog

NOAA aktualisiert AIGFS auf v1.1 für schärfere Langfristvorhersagen

GribStream | Veröffentlicht |

AIGFS v1.1 ändert Verlustfunktion und Feinabstimmung des operativen KI-Modells und zielt auf Tropensturmintensität, Niederschlag und schärfere lange Lead Times.

NOAA hat AIGFS v1.1 mit dem Lauf vom 27. Juli 2026 um 12 UTC operativ eingeführt. Es handelt sich um ein substanzielles Trainings-Upgrade des operativen Artificial Intelligence Global Forecast System, nicht um einen neuen Dataset-Namen oder eine neue API-Schnittstelle.

Globale Fünf-Tage-Vorhersage von AIGFS v1.1 mit geopotenzieller Höhe auf 500 hPa und sechsstündigem akkumuliertem Niederschlag
Operative AIGFS-v1.1-Vorhersage, initialisiert am 1. August 2026 um 12 UTC und gültig fünf Tage später. Links ist die geopotenzielle Höhe auf 500 hPa dargestellt, rechts der zwischen Vorhersagestunde 114 und 120 akkumulierte Niederschlag. Dies ist ein reales Vorhersagebeispiel, kein Gütevergleich.

Eine Verlustfunktion für eine kugelförmige Atmosphäre

AIGFS v1.1 ersetzt den gitterpunktweisen mittleren quadratischen Fehler durch eine Verlustfunktion auf Basis sphärischer Harmonischer. Sphärische Harmonische beschreiben globale räumliche Muster auf einer Kugel. Dadurch kann das Training die Vorhersagestruktur über verschiedene Skalen bewerten, statt jeden Gitterpunkt nur als unabhängigen Fehler zu behandeln.

Auch die Windterme ändern sich. NOAA verwendet nun Windgeschwindigkeit und Windrichtung statt der üblichen U- und V-Komponenten für diesen Teil des Trainingsziels.

Das sind Trainingsentscheidungen, keine neuen Ausgabevariablen. GribStream stellt weiterhin die veröffentlichten U- und V-Komponenten sowie Temperatur, Druck, Niederschlag, Feuchte, Höhe und Vertikalgeschwindigkeit bereit.

Mehr Feinabstimmung und längeres autoregressives Training

NOAA nennt zwei weitere Änderungen:

  • Für die Feinabstimmung werden jetzt vier Jahre Analysen des Global Data Assimilation System (GDAS) verwendet.
  • AIGFS wird in der Feinabstimmung autoregressiv bis zu einer Lead Time von 72 Stunden trainiert.

Autoregressives Training ist wichtig, weil AIGFS spätere Zustände aus den eigenen vorherigen Vorhersagen erzeugt. Mehrere aufeinanderfolgende Trainingsschritte konfrontieren das Modell mit den Fehlern, die sich im weiteren Vorhersageverlauf ansammeln können.

Laut NWS-Implementierungsmitteilung verbessern die kombinierten Änderungen Vorhersagen der Tropensturmintensität und des Niederschlags und verringern die Glättung beziehungsweise das Blurring bei langen Lead Times. Die Mitteilung enthält keine Verifikationswerte und behauptet keine durchgehend höhere Genauigkeit für jede Variable, Region und Vorhersagestunde. Nutzer sollten AIGFS für ihre Fälle weiterhin mit Beobachtungen, Ensembles und physikbasierten Modellen vergleichen.

Was in GribStream verfügbar bleibt

Die bestehenden Datasets laufen ohne Codeänderung weiter:

  • aigfssfc enthält 10-m-Windkomponenten, 2-m-Temperatur, auf mittleren Meeresspiegel reduzierten Druck und akkumulierten Niederschlag.
  • aigfspres enthält geopotenzielle Höhe, Temperatur, spezifische Feuchte, Windkomponenten und Vertikalgeschwindigkeit auf 13 Druckflächen.

Beide nutzen NOAAs globales 0,25°-Gitter, laufen um 00, 06, 12 und 18 UTC und veröffentlichen 6-Stunden-Schritte bis Stunde 384. Das GribStream-Archiv wechselt mit dem Lauf vom 27. Juli um 12 UTC von AIGFS v1.0 zu v1.1; Verifikation und Backtesting sollten diese Grenze erfassen.

Dieser aigfspres-Request ruft das in der Abbildung gezeigte 500-hPa-Höhenfeld für fünf Tage ab:

{
  "timesList": ["2026-08-06T12:00:00Z"],
  "grid": {
    "minLatitude": -90,
    "maxLatitude": 90,
    "minLongitude": -180,
    "maxLongitude": 180,
    "step": 1
  },
  "variables": [
    {"name": "HGT", "level": "500 mb", "alias": "height_500mb"}
  ],
  "minLeadTime": "120h",
  "maxLeadTime": "120h"
}

Senden Sie den Request-Body an POST /api/v2/aigfspres/timeseries. Im AIGFS-Pressure-Inventar und Oberflächeninventar finden Sie die exakten Selektoren für weitere Felder.

Quellen