Отчёты
Исследование Tomorrow.io показывает, что более качественные исходные данные могут улучшить прогнозы погоды с помощью ИИ

Ключевые моментыУлучшенные исходные атмосферные данные улучшили прогнозы Aurora без изменения самой…
Показать больше
- Улучшенные исходные атмосферные данные улучшили прогнозы Aurora без изменения самой модели.
- Однодневный выигрыш сравнивает инициализацию Sky 1 с необработанными данными GFS, а не изолирует спутниковые наблюдения.
- Прогресс ИИ в метеорологии зависит от полной цепочки усвоения наблюдений, прогнозирования и оценки.
Tomorrow.io доказывает, что улучшать прогнозы погоды с помощью ИИ можно ещё до запуска модели прогнозирования. Согласно последним результатам исследования компании, более точная оценка текущего состояния атмосферы позволяет повысить точность прогнозов Microsoft Aurora 1.5 и WeatherNext 2 от Google DeepMind, не меняя сами модели.
В объявлении от 17 ноября компания представила Sky 1 — систему ассимиляции данных на основе машинного обучения, которая каждый час обновляет начальные условия, используя данные со своей группировки из 15 микроволновых зондировщиков. Эти приборы собирают сведения о температуре и влажности, в том числе сквозь облака и в районах с редкими наблюдениями.
Результаты показывают, что наряду с архитектурой модели внимания заслуживают системы наблюдений и программное обеспечение, подготавливающее для неё входные данные. В исследовании также сравниваются два разных эффекта: вклад спутниковых наблюдений и более широкая польза от инициализации Aurora с помощью Sky 1.
Почему важно исходное состояние атмосферы
Метеорологической модели необходимо начальное состояние — трёхмерная оценка таких условий, как температура, влажность и ветер. Наблюдения поступают из разных мест, с разных высот и в разное время. Ассимиляция данных объединяет измерения с уже имеющейся оценкой состояния атмосферы, формируя согласованную исходную картину.
В описании ERA5 от ECMWF рассказывается, как объединяются модели и наблюдения. ERA5 восстанавливает прошлые погодные условия в виде согласованного глобального набора данных, поэтому его удобно использовать как эталон для оценки прогнозов. При этом ERA5 остаётся реконструкцией состояния атмосферы, созданной на основе собственных модельных расчётов и входных данных наблюдений.
Быстрый вывод позволяет модели быстрее рассчитывать дальнейшее развитие событий. Качественная инициализация помогает ей точнее определить, что происходит сейчас. Даже мощная модель может унаследовать неточную исходную оценку и перенести её на свои прогнозы.
Что показало сравнение спутниковых наблюдений
По данным Tomorrow.io, добавление наблюдений компании снизило ошибку оценки содержания водяного пара в начальном состоянии примерно на 5–8% в 28 случаях при сравнении с ERA5. При оценке прогнозов средняя ошибка температуры у поверхности земли в 112 прогнозах Aurora 1.5 была ниже на каждом проверявшемся сроке заблаговременности вплоть до пяти суток, если использовались эти наблюдения. Компания отмечает, что улучшения были умеренными и наиболее заметными в первые два дня.
В опубликованном описании методики компания использует пары начальных состояний: для одного Sky 1 учитывает наблюдения группировки, а для другого эти наблюдения не используются. Для каждого состояния запускается одна и та же модель прогнозирования, что позволяет отдельно оценить вклад дополнительных данных.
В сравнении с данными метеостанций использовались сведения примерно с 17 700 станций. WeatherNext 2 также испытывали на парах начальных состояний.
Что на самом деле означает результат «плюс один день»
Результат, соответствующий примерно одному дополнительному дню заблаговременности, получен в отдельном сравнении Aurora, инициализированной с помощью Sky 1, и Aurora, инициализированной непосредственно данными Global Forecast System (GFS). По данным Tomorrow.io, при оценке по ERA5 прогноз на основе исходных данных GFS достигал уровня ошибки пятидневного прогноза Sky 1 примерно на 24,9 часа раньше. При сравнении с данными метеостанций соответствующий выигрыш составлял примерно 10 часов.
Компания прямо связывает этот результат с работой Sky 1 в целом, а не только со спутниковой группировкой. По её словам, часть улучшения объясняется тем, что Aurora получает начальное состояние, похожее на те, с которыми модель сталкивалась во время обучения.
Это различие крайне важно для интерпретации результатов исследования. Результат, эквивалентный выигрышу в один день, показывает качество прогноза при достижении конкретного порога ошибки температуры и относительно определённого эталона. Он не доказывает, что все прогнозируемые переменные, регионы или экстремальные явления становятся предсказуемыми на целый день раньше.
Технология, лежащая в основе новых наблюдений
В документации Tomorrow.io о микроволновых зондировщиках описаны пассивные радиометры, которые формируют профили температуры атмосферы и содержания водяного пара. Компания указывает, что приборы работают более чем в 12 каналах в диапазоне 91–204 ГГц и сканируют поверхность поперёк траектории полёта, охватывая полосу шириной около 2 200 километров.
Эти приборы предоставляют измерения для анализа атмосферы, но не выдают готовый прогноз напрямую. Ценность наблюдений зависит от калибровки, охвата, времени проведения и того, как система ассимиляции использует полученные данные. Так космическое оборудование становится частью конвейера входных данных для моделей прогнозирования погоды с помощью ИИ.
Как связаны Aurora и WeatherNext
Microsoft описывает Aurora 1.5 как развитие своей базовой модели системы Земли: в неё добавлены почасовое временное разрешение, больше прогнозируемых переменных и ансамблевое прогнозирование с оценкой вероятностей. Ансамбль представляет несколько возможных вариантов развития событий и помогает пользователям оценивать неопределённость.
WeatherNext 2 использует архитектуру Functional Generative Network для глобального ансамблевого прогнозирования. Согласно документации Google, модель работает с сеткой с шагом 0,25 градуса, формирует 64 члена ансамбля и строит прогнозы на срок до 15 дней. В опубликованной Tomorrow.io оценке рассматривались прогнозы на пять дней.
Позднее Google представила WeatherNext 3, использующую данные спутниковых наблюдений в реальном времени и формирующую почасовые прогнозы. Рассматриваемые здесь результаты Tomorrow.io относятся к WeatherNext 2 и не подтверждают улучшения показателей более новой модели Google.
Более широкие перспективы применения ИИ в прогнозировании погоды
Это ретроспективные оценки, представленные компанией. Они позволяют оценить качество начальных условий и наблюдений, однако в сообщении говорится, что данные предоставляются по запросу. В нём описывается работа по оценке траекторий ураганов, выхода атмосферных рек на сушу и вспышек опасных погодных явлений, но не подтверждается такой же выигрыш во времени заблаговременности прогноза температуры для этих событий.
Главный вывод шире: развитие ИИ для прогнозирования погоды охватывает весь цикл подготовки прогнозов — от наблюдений и усвоения данных до предсказаний и оценки результатов. Испытания Tomorrow.io показывают, как анализ входных данных позволяет выявить улучшения, которые остались бы незамеченными при сравнении только архитектур систем прогнозирования. Для пользователей важны надёжные улучшения прогнозов тех переменных, для тех мест и на те периоды принятия решений, которые имеют значение для их деятельности.












