GribStream

GribStreamブログ

AIWPの全球AI予報6データセットをGribStreamで提供開始

|
aiwppangu aiwppanguifs aiwpfourcastnet aiwpfourcastnetifs aiwpgraphcast aiwpgraphcastifs gfs ifsoper

GFSとIFSで初期化したPangu-Weather、FourCastNet v2-small、GraphCastを、共通の0.25度全球格子で10日先まで比較できます。

GribStreamで、AI Weather Prediction（AIWP）再予報アーカイブの準リアルタイム6データセットを利用できるようになりました。Pangu-Weather、FourCastNet v2-small、GraphCast Operationalを、それぞれGFS解析値とIFS解析値から初期化した予報です。

この組み合わせは比較研究に適しています。3つのモデル系列は異なる学習アーキテクチャを採用し、対になった初期条件は、同一モデルが独立した2種類の大気状態推定値からどのように発展するかを調べる材料になります。全製品が0.25度全球格子、6時間間隔、00・12 UTCサイクル、10日先までという共通条件を持ちます。

AIWP Pangu-Weatherの2 m気温と平均海面気圧の等値線を全球格子に表示した図
AIWPの代表的な全球範囲。2026年7月17日12 UTC初期値、予報時間120 hのPangu-Weather GFSによるt2（K）とmsl等値線（Pa）です。共通0.25度全球格子の1,038,240セルすべてを表示しています。

6データセットと3つのモデル系列

AIWPアーカイブは、データ駆動型全球気象モデルを共同評価するため、CIRAとNOAA Global Systems Laboratoryが協力して作成しています。1日2回のサイクルを公開し、各系列の開始時期を対応するモデルの学習・微調整期間より後に設定しています。

コード 実験 各予報時間の場
aiwppangu Pangu-Weather · GFS 69 — 13気圧面の比湿
aiwppanguifs Pangu-Weather · IFS 69 — IFS解析値からの同一のPangu変数群
aiwpfourcastnet FourCastNet v2-small · GFS 73 — 相対湿度、100 m風、地上気圧、可降水量
aiwpfourcastnetifs FourCastNet v2-small · IFS 73 — IFS解析値からの同一のFourCastNet変数群
aiwpgraphcast GraphCast Operational · GFS 83 — 鉛直速度と6時間積算降水量
aiwpgraphcastifs GraphCast Operational · IFS 83 — 大気場は6時間先、降水量は12時間先から

GribStreamでの収録開始は、FourCastNet GFSが2020年9月30日12 UTC、FourCastNet IFSが2022年1月1日00 UTC、Pangu-Weatherの2系列とGraphCastの2系列が2025年5月27日00 UTCの予報サイクルです。これらを6つのGribStreamデータセットの開始点とし、それより前のソースサイクルは収録対象外です。

GFSとIFSの組から調べられること

AI予報は、データ同化システムが作成した解析大気状態から始まります。GFS版とIFS版を比べることで、同じ学習済みモデルが異なる解析システムの初期大気からどう発展するかを調べられます。

同一サイクルの比較は、低気圧の位置、気圧配置、熱構造、風、水蒸気に対する初期状態の影響を示します。ただし、GFSとIFSの純粋な順位付けではありません。観測、同化手法、モデル物理、時刻が異なる可能性があるため、観測または適切な解析値による検証が必要です。

全球気象を表現する3つの方法

Pangu-Weatherは、気圧面を3次元Earth-specific transformerの第3の空間次元として扱います。階層的時間集約では、1・3・6・24時間先を予測するネットワークを組み合わせます。Pangu-Weather論文がアーキテクチャを説明しています。

FourCastNet v2-smallは球面Fourier neural operatorを使います。球面上の全球スペクトル演算により、反復する自己回帰予測の安定性向上を目指します。球面Fourier neural operator論文が手法を説明しています。

GraphCastは多尺度メッシュ上のgraph neural networkを使います。緯度経度格子の大気状態をメッシュへ符号化し、6時間進め、結果を全球格子へ復号します。GraphCast論文がモデルを解説しています。

論文の結果は科学的背景であり、現在のAIWPサイクルの精度を保証するものではありません。初期条件、評価期間、検証基準をそろえる必要があります。

AIWPデータセットの選び方

Pangu-Weatherは、比湿を含む比較的コンパクトな大気状態で、大規模循環や水蒸気輸送を調べる用途に向きます。降水、雲、放射、地表フラックスは含みません。

FourCastNet v2-smallは、相対湿度、100 m風、地上気圧、可降水量が必要な用途に向きます。降水と鉛直速度は含みません。

GraphCastは、6時間積算降水量または気圧面の鉛直速度が必要な場合に使えます。aiwpgraphcastifsでは最初の2つのapcpデータが全球格子で欠損しているため、生成インベントリは降水量を12時間先、その他の場を6時間先から掲載します。

6製品はいずれも決定論的な研究予報です。運用上の判断では、観測、アンサンブル、現在の公式予報と比較してください。

6データセットで共通するリクエスト形式

同じ/runsと/timeseriesの構造を利用できます。次の例は、7月17日12 UTCのPangu-Weather GFS、予報時間120 hについてNew York Cityを選びます。

{
  "timesList": ["2026-07-17T12:00:00Z"],
  "minLeadTime": "120h",
  "maxLeadTime": "120h",
  "coordinates": [{"lat": 40.7128, "lon": -74.0060, "name": "New York City"}],
  "variables": [
    {"name": "t2", "level": "", "info": "", "alias": "temperature_k"},
    {"name": "msl", "level": "", "info": "", "alias": "pressure_pa"},
    {"name": "z", "level": "500 hPa", "info": "", "alias": "geopotential_m2_s-2"}
  ]
}

この例ではaiwppanguを使います。モデルや初期条件を変える場合はデータセットコードを変更し、対応するインベントリからセレクタを選びます。人工的な共通用語への置き換えは行いません。

帰属表示と研究上の範囲

レジストリはAIWPを利用制限のないオープンデータとしていますが、欠測の可能性と可用性が保証されないことも明記しています。AIWPアーカイブ論文の引用が求められています。評価用出力であり、NOAAまたはECMWFの公式運用予報ではありません。

これらの配信は研究用の実験的フィードとして扱ってください。公開READMEには、データが現状有姿で提供されること、過去の再生成、配信時刻がまだ一定していないこと、ディレクトリ構成の変更が記載されています。停止の影響が大きいシステムでAIWPフィードを唯一の依存先にせず、forecasted_at（モデル実行時刻）の鮮度を監視し、代替となる運用データセットを確保してください。

公式資料：

関連モデル

aiwppangu aiwppanguifs aiwpfourcastnet aiwpfourcastnetifs aiwpgraphcast aiwpgraphcastifs gfs ifsoper
GribStreamを試す