Pangu-Weather IFS Reforecast-API

GribStream-Code: aiwppanguifs

Offizielle Quelle: Das AI Weather Prediction Archive von CIRA und NOAA GSL führt Pangu-Weather ausgehend von ECMWF-IFS-Analysen aus, um eine reproduzierbare gemeinschaftliche Evaluation zu ermöglichen.

Aktuelle GribStream-Abdeckung: aiwppanguifs beginnt mit dem Lauf vom 27. Mai 2025 um 00 UTC und wächst mit neuen Läufen. Dieses Datum ist der festgelegte Beginn dieser GribStream-Reihe.

Experimentelle Verfügbarkeit für Forschungszwecke: Das Register weist auf mögliche Datenlücken und nicht garantierte Verfügbarkeit hin. Laut öffentlicher README-Datei werden die Daten ohne Gewähr bereitgestellt; außerdem sind frühere Änderungen am Veröffentlichungszeitplan und an der Verzeichnisstruktur dokumentiert. Dieses Evaluations-Dataset ist keine offizielle operative Vorhersage von NOAA oder ECMWF. Verwenden Sie es nicht als einzige Abhängigkeit für ausfallsensible Systeme: Überwachen Sie die Aktualität von forecasted_at (Zeitpunkt des Modelllaufs) und halten Sie ein operatives Ersatz-Dataset vor.

Versionskontinuität: Jeder GribStream-Code bleibt an die aktuelle Version des Quellmodells gebunden. Eine wesentlich veränderte neue Version erhält einen eigenen Dataset-Code, anstatt stillschweigend mit diesem Verlauf zusammengeführt zu werden.

Beschreibung

Pangu-Weather ist ein datengetriebenes globales Modell. AIWP führt diese Variante mit IFS ausgehend von ECMWF-IFS-Analysen aus und wählt einen Zeitraum ab Januar 2022, um Überschneidungen mit Training oder Feinabstimmung zu vermeiden.

Die Publikation zu Pangu-Weather beschreibt den Aufbau. Pangu-Weather behandelt Druckflächen in einem erdspezifischen 3D-Transformer als dritte räumliche Dimension und verwendet Vorhersagenetze für Schritte von 1, 3, 6 und 24 Stunden. Veröffentlichte Ergebnisse beziehen sich auf konkrete Experimente und garantieren nicht die Leistung dieses aktuellen Archivs.

Das Inventar von Pangu-Weather umfasst 2-Meter-Temperatur, 10-Meter-Wind und mittlerer Luftdruck auf Meereshöhe sowie Geopotenzial, Temperatur, Wind und spezifische Feuchte auf 13 Druckflächen. Die Felder eignen sich zur Untersuchung großräumiger Zirkulation, thermischer Struktur, Feuchtetransport und Wetterentwicklung.

Die Variante aiwppangu nutzt das jeweils andere Anfangsbedingungssystem. Der Vergleich zeigt die Empfindlichkeit gegenüber dem Anfangszustand, isoliert aber nicht allein die Modellqualität: GFS und IFS sind verschiedene Analysesysteme. Diese Seite behandelt IFS.

Dieses deterministische Produkt quantifiziert keine Vorhersageunsicherheit und enthält weder Niederschlag noch Wolken, Strahlung oder Oberflächenflüsse. Für operative Entscheidungen sollte sie mit aktuellen offiziellen Vorhersagen verglichen werden. Das Team bittet um Zitierung der Publikation zum AIWP-Archiv.

Details

• Archiv seit: 2025-05-27
• Offizielles AIWP-Dataset-Register: https://registry.opendata.aws/aiwp/
• Wichtigste Merkmale:
  • Vollständiges globales Gitter mit 1.440 mal 721 Punkten: 1.038.240 Zellen bei 0,25 Grad.
  • Läufe um 00 und 12 UTC mit Vorhersagestunden von 0 bis 240 in 6-Stunden-Schritten.
  • 9 Variablennamen und 69 exakte Selektoren: 2-Meter-Temperatur, 10-Meter-Wind und mittlerer Luftdruck auf Meereshöhe sowie Geopotenzial, Temperatur, Wind und spezifische Feuchte auf 13 Druckflächen.
  • Veröffentlichte Namen, Ebenen, float32-Werte und Einheiten bleiben unverändert; das erzeugte Inventar dokumentiert jeden Selektor.
• Auflösung: Reguläres globales 0,25-Grad-Gitter mit 1.440 Längen- und 721 Breitengraden.
• Zeitliche Abdeckung: Läufe um 00 und 12 UTC; 6-Stunden-Schritte bis 240 Stunden beziehungsweise 10 Tage.
• Hauptanwendungen: Evaluation von KI-Modellen, Vergleich von Anfangsbedingungen, Verifikation, synoptische Analyse, Wind- und Temperaturstudien, Zyklonenforschung und Machine-Learning-Benchmarks.

Verwandte Datasets

• Dasselbe Modell mit dem anderen Anfangsbedingungssystem
• GFS als globale operative NOAA-Vorhersage
• IFS Oper als globale operative ECMWF-Vorhersage

Parameter