Blog de GribStream

NOAA actualiza AIGFS a v1.1 para pronósticos de largo plazo más definidos

GribStream | Publicado |

AIGFS v1.1 cambia la función de pérdida y el ajuste fino del modelo operativo de IA, con mejoras dirigidas a ciclones tropicales, precipitación y definición a plazos largos.

NOAA implementó AIGFS v1.1 con el ciclo del 27 de julio de 2026 a las 12 UTC. Es una actualización importante del entrenamiento del Artificial Intelligence Global Forecast System operativo, no un nuevo nombre de dataset ni una nueva interfaz de API.

Mapas del pronóstico global a cinco días de AIGFS v1.1 con altura geopotencial de 500 hPa y precipitación acumulada en seis horas
Pronóstico operativo AIGFS v1.1 inicializado el 1 de agosto de 2026 a las 12 UTC y válido cinco días después. El panel izquierdo muestra la altura geopotencial de 500 hPa; el derecho, la precipitación acumulada entre las horas de pronóstico 114 y 120. Es un ejemplo real de pronóstico, no una comparación de desempeño.

Una función de pérdida diseñada para una atmósfera esférica

AIGFS v1.1 sustituye la función de pérdida basada en el error cuadrático medio de cada punto de grilla por una función de pérdida de armónicos esféricos. Los armónicos esféricos describen patrones espaciales globales sobre una esfera, de modo que el entrenamiento puede evaluar la estructura del pronóstico a distintas escalas en vez de tratar cada punto solo como un error independiente.

También cambian los términos del viento: NOAA utiliza ahora velocidad y dirección del viento en lugar de los componentes U y V estándar para calcular esa parte del objetivo de entrenamiento.

Son decisiones de entrenamiento, no nuevas variables de salida. GribStream sigue exponiendo los componentes U y V publicados junto con temperatura, presión, precipitación, humedad, altura y velocidad vertical.

Más ajuste fino y entrenamiento autorregresivo más largo

NOAA informa de dos cambios adicionales:

  • El ajuste fino utiliza ahora cuatro años de análisis del Global Data Assimilation System (GDAS).
  • El proceso entrena AIGFS de forma autorregresiva hasta un lead time de 72 horas.

El entrenamiento autorregresivo importa porque AIGFS genera estados posteriores a partir de sus propias predicciones anteriores. Entrenar varios pasos sucesivos expone al modelo a los errores que pueden acumularse a medida que avanza el pronóstico.

Según el aviso de implementación de NWS, los cambios combinados mejoran los pronósticos de intensidad de ciclones tropicales y precipitación, y reducen el suavizado o blurring en lead times largos. El aviso no publica métricas de verificación ni afirma que AIGFS sea uniformemente más preciso para toda variable, región y hora. Los usuarios deben seguir comparándolo con observaciones, ensembles y guía basada en física para sus propios casos.

Qué sigue disponible en GribStream

Los datasets existentes continúan sin cambiar de código:

  • aigfssfc contiene componentes de viento a 10 m, temperatura a 2 m, presión a nivel medio del mar y precipitación acumulada.
  • aigfspres contiene altura geopotencial, temperatura, humedad específica, componentes de viento y velocidad vertical en 13 niveles de presión.

Ambos usan la grilla global de 0,25° de NOAA, se ejecutan a las 00, 06, 12 y 18 UTC, y publican pasos de 6 horas hasta la hora 384. El archivo de GribStream pasa de AIGFS v1.0 a v1.1 en el ciclo del 27 de julio a las 12 UTC; las verificaciones y el backtesting deben registrar ese límite.

Esta solicitud a aigfspres recupera el campo de altura de 500 hPa a cinco días mostrado en la imagen:

{
  "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"
}

Envía el body a POST /api/v2/aigfspres/timeseries. Usa el inventario de AIGFS Pressure o el inventario de superficie para copiar los selectores exactos de otros campos.

Fuentes