ECMWF veröffentlicht Pangu-Weather
Das ECMWF hat das KI-basierte Wettervorhersagemodell „Pangu-Weather“ in seiner 24-Stunden-Version der Öffentlichkeit zugänglich gemacht.
Das ECMWF steht für European Centre for Medium-Range Weather Forecasts, was auf Deutsch etwa „Europäisches Zentrum für mittelfristige Wettervorhersagen“ bedeutet. Es handelt sich um eine internationale Organisation, die Wettervorhersagen und Klimainformationen für Europa und andere Teile der Welt erstellt. Das ECMWF betreibt Supercomputer und nutzt komplexe mathematische Modelle, um Wettervorhersagen für einen Zeitraum von einigen Tagen bis zu mehreren Wochen im Voraus zu generieren.
Das Modell wurde bereits in der Zeitschrift „Nature“ vorgestellt und ausführlich beschrieben. Die Besonderheit des Modells liegt in seiner Geschwindigkeit. Im Vergleich zum besten NWP-Modell, dem ECMWF IFS, ist „Pangu-Weather“ 10.000 Mal schneller, wobei die Vorhersagequalität vergleichbar und teilweise sogar besser ist. Insbesondere bei der Vorhersage tropischer Stürme schnitt „Pangu-Weather“ besser ab als ECMWF-HRES.
Die Website zeigt die von Pangu-Weather erstellten Vorhersagen in sechs verschiedenen Arten von Diagrammen:
- mittlerer Meeresspiegeldruck und 850 hPa Windgeschwindigkeit,
- 500 hPa geopotentielle Höhe und 850 hPa Temperatur,
- mittlerer Meeresspiegeldruck und 200 hPa Wind,
- Temperatur und Geopotential bei verschiedenen Druckniveaus,
- 2 m Temperatur und 10 m Windgeschwindigkeit,
- Windgeschwindigkeit und Geopotentialhöhen bei verschiedenen Druckniveaus.
Die Trainingsdaten der KI stammen aus den Jahren 1979 bis 2017, die Vergleiche mit anderen Modellen basieren also auf retrospektiven Vorhersagen, hauptsächlich ERA5. Wer Interesse hat, das Modell selbst zu testen, findet das zugehörige Repository auf Github. Zusätzlich steht eine Lite-Version zur Verfügung, die zwar weniger Rechenleistung benötigt – nur 1% der Vollversion – aber auch weniger genau ist und nicht immer die Genauigkeit der bekannten NWP-Modelle erreicht, zudem kann es nur Werte um 0 Uhr UTC vorhersagen.
Transparenz: In diesem Artikel sind Partnerlinks enthalten. Durch einen Klick darauf gelangt ihr direkt zum Anbieter. Solltet ihr euch dort für einen Kauf entscheiden, erhalten wir eine kleine Provision. Für euch ändert sich am Preis nichts. Partnerlinks haben keinerlei Einfluss auf unsere Berichterstattung.
Gibts schon ne Möglichkeit die Daten in Home Assistent einzubinden?