Blog GribStream

NOAA aggiorna AIGFS alla v1.1 per previsioni a lungo termine più nitide

GribStream | Pubblicato |

AIGFS v1.1 modifica funzione di perdita e fine-tuning del modello IA operativo, puntando a cicloni tropicali, precipitazioni e maggiore nitidezza ai lead time lunghi.

NOAA ha reso operativo AIGFS v1.1 con il ciclo del 27 luglio 2026 alle 12 UTC. Si tratta di un aggiornamento sostanziale dell'addestramento dell'Artificial Intelligence Global Forecast System operativo, non di un nuovo nome dataset o di una nuova interfaccia API.

Mappe della previsione globale AIGFS v1.1 a cinque giorni con altezza geopotenziale a 500 hPa e precipitazione accumulata in sei ore
Previsione operativa AIGFS v1.1 inizializzata il 1° agosto 2026 alle 12 UTC e valida cinque giorni dopo. Il pannello sinistro mostra l'altezza geopotenziale a 500 hPa; quello destro la precipitazione accumulata tra le ore di previsione 114 e 120. È un esempio reale di previsione, non un confronto di accuratezza.

Una funzione di perdita pensata per un'atmosfera sferica

AIGFS v1.1 sostituisce l'errore quadratico medio calcolato sui singoli punti della griglia con una funzione di perdita basata sulle armoniche sferiche. Le armoniche sferiche descrivono i pattern spaziali globali su una sfera, permettendo all'addestramento di valutare la struttura della previsione a più scale invece di trattare ogni punto come un errore indipendente.

Cambiano anche i termini relativi al vento. NOAA usa ora velocità e direzione del vento al posto delle componenti U e V standard in questa parte dell'obiettivo di addestramento.

Sono scelte di addestramento, non nuove variabili di output. GribStream continua a esporre le componenti U e V pubblicate, insieme a temperatura, pressione, precipitazione, umidità, altezza e velocità verticale.

Più fine-tuning e addestramento autoregressivo più lungo

NOAA segnala altre due modifiche:

  • Il fine-tuning usa ora quattro anni di analisi del Global Data Assimilation System (GDAS).
  • Il processo addestra AIGFS in modo autoregressivo fino a un lead time di 72 ore.

L'addestramento autoregressivo è importante perché AIGFS genera gli stati successivi dalle proprie previsioni precedenti. L'addestramento su più passaggi consecutivi espone il modello agli errori che possono accumularsi con l'avanzare della previsione.

Secondo l'avviso NWS, le modifiche combinate migliorano le previsioni dell'intensità dei cicloni tropicali e delle precipitazioni, riducendo lo smussamento o blurring ai lead time più lunghi. L'avviso non pubblica punteggi di verifica e non sostiene che AIGFS sia sempre più accurato per ogni variabile, regione e ora di previsione. Gli utenti dovrebbero continuare a confrontarlo con osservazioni, ensemble e modelli basati sulla fisica per i propri casi.

Cosa resta disponibile in GribStream

I dataset esistenti proseguono senza cambio di codice:

  • aigfssfc contiene componenti del vento a 10 m, temperatura a 2 m, pressione ridotta al livello medio del mare e precipitazione accumulata.
  • aigfspres contiene altezza geopotenziale, temperatura, umidità specifica, componenti del vento e velocità verticale su 13 livelli di pressione.

Entrambi usano la griglia globale NOAA da 0,25°, eseguono cicli alle 00, 06, 12 e 18 UTC e pubblicano passi di 6 ore fino all'ora 384. L'archivio GribStream passa da AIGFS v1.0 a v1.1 con il ciclo del 27 luglio alle 12 UTC; verifica e backtesting devono registrare questo confine.

Questa richiesta aigfspres recupera il campo di altezza a 500 hPa a cinque giorni mostrato nell'immagine:

{
  "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"
}

Invia il body a POST /api/v2/aigfspres/timeseries. Usa l'inventario AIGFS Pressure o l'inventario di superficie per copiare i selettori esatti degli altri campi.

Fonti