Tianji firmy Envision wygrywa konkurs ECMWF, a Chiny stawiają na modele satelitarne

Konkurs na trzeci i czwarty tydzień

AI Weather Quest to nie jednorazowe starcie. ECMWF prowadzi go jako ciągłe prognozowanie i weryfikację. Zespoły zgłaszają prognozy co tydzień, a publiczna tabela wyników aktualizuje się na bieżąco. Ocena wykracza poza 15-dniowy horyzont średnioterminowy. Konkurs obejmuje probabilistyczną średnią tygodniową temperaturę i średnie ciśnienie na poziomie morza oraz tygodniową sumę opadów dla dni od 19 do 25. Temperaturę i opady ocenia się na komórkach siatki w większości pokrytych lądem. Ciśnienie ocenia się globalnie. Taka konstrukcja nagradza model za opisanie tygodnia na trzy tygodnie wcześniej.

To istotne dla każdego, kto kupuje energię, nie tylko dla meteorologów. Prognozy subsezonowe na trzeci i czwarty tydzień zasilają decyzje o utrzymaniu ruchu, zabezpieczeniach i handlu w zakładach energetycznych, firmach wiatrowych i słonecznych oraz u ubezpieczycieli.

Nie wiadomo natomiast, jak wygląda niezależna skuteczność modelu na poziomie pojedynczej lokalizacji ani ile kosztuje dostęp do Tianji. Envision twierdzi, że Tianji zajął pierwsze miejsce we wszystkich ocenianych metrykach, w tym w średniej dla zmiennych, temperaturze przy powierzchni, ciśnieniu i opadach. Twierdzenie to pojawia się w komunikacie firmy z 30 października. Yonhap podał je z adnotacją, że nie był redagowany.

Chińskie modele satelitarne celują w krótki horyzont

Chiny wykorzystały ten sam tydzień, by pokazać inne podejście. W czwartek na konferencji użytkowników satelitów Fengyun 2026 w Changsha w prowincji Hunan zaprezentowały dwa modele AI do prognozowania ekstremalnych zjawisk pogodowych.

Pierwszy interpretuje zdjęcia chmur tajfunowych. Według China Daily integruje ponad 20 rodzajów produktów satelitarnych w czasie rzeczywistym, analizuje obrazy co 15 minut i w ciągu 27 sekund tworzy raport tekstowy. Raport obejmuje położenie burzy, jej intensywność, strukturę i prawdopodobny rozwój. Han Bowei, inżynier w Narodowym Centrum Meteorologii Satelitarnej, powiedział, że trójwymiarowa struktura termiczna tajfunu jest jednym z czynników wpływających na zmiany jego intensywności. Drugi model obsługuje gwałtowne zjawiska konwekcyjne, czyli szybko rosnące układy burzowe przynoszące niszczące wiatry, grad i gwałtowne powodzie. Han powiedział, że model korzysta z dwóch godzin ciągłych danych Fengyun 4 i potrafi przewidzieć wystąpienie, rozwój i intensywność zjawiska na cztery godziny wcześniej. Badanie na jego temat ukazało się w zeszłym roku w PNAS.

Chodzi o zasięg. Chińska Administracja Meteorologiczna podaje, że Chiny mają na orbicie 10 satelitów Fengyun i udostępniają ich dane 141 krajom i terytoriom, poinformował Sharjah24. Han powiedział, że oba modele to pierwsze z planowanej serii obejmującej tajfuny, ulewy, burze piaskowe, gęste mgły i fale zimna.

Dlaczego okno od 19 do 25 dni jest trudne

Od dwóch tygodni do dwóch miesięcy naprzód prognozowanie staje się niewygodne. Robert Zheng, który kieruje pracami nad modelem Tianji Weather Foundation Model w Envision, nazwał prognozowanie subsezonowe w tym zakresie jednym z najtrudniejszych wyzwań meteorologii.

Dłuższe horyzonty zwiększają niepewność, powiedział. Wymagają więcej od zdolności modelu do rozpoznawania rozwijających się trendów pogodowych. Envision nazywa Tianji pierwszym na świecie modelem pogodowym łączącym fizykę i AI, opartym na danych w skali petabajtów i trójwymiarowej sieci obejmującej przestrzeń, powietrze i ziemię. Firma podaje, że Tianji znalazł się w najwyższej grupie w WeatherBench 2, na równi z WeatherNext2 od Google. Zwyciężył też w ścieżce deterministycznej programu demonstracyjnego prowadzonego przez Narodowe Centrum Meteorologiczne Chin. Praca sieciowa to haczyk komercyjny. Envision twierdzi, że Tianji zajął pierwsze miejsce w konkursie State Grid na prognozowanie obciążenia oraz w konkursie biznesowym China Southern Power Grid. Firma podaje też, że model poprawia dokładność prędkości wiatru i nasłonecznienia w kluczowych regionach. Te wyniki pochodzą od samej firmy.

Otwarte modele idą inną drogą

Nvidia sprzedaje odwrotny model: otwarte wagi i narzędzia. Rodzina Earth-2 pozwala deweloperom brać modele i dostosowywać je do własnych danych.

Najnowszy dodatek to StormScope EU. To wersja regionalna wytrenowana na europejskich danych pogodowych i klimatycznych. Korzysta z obserwacji EUMETSAT, by przewidywać zmieniające się warunki chmur w 16 kanałach Meteosatu w odstępach 10-minutowych. Nvidia pokazała działający potok na GTC Berlin razem z Earthmover. AXA używa FourCastNet 3 do badania regionalnego ryzyka cyklonów poza zapisem historycznym, w ponad 1 000 symulowanych sezonów. Vaisala Xweather łączy Earth-2 z własnymi obserwacjami i danymi o wyładowaniach. TotalEnergies ocenia nowcasting promieniowania słonecznego oparty na StormScope w dwóch lokalizacjach fotowoltaicznych.

Uniwersytet w Manchesterze wybrał inną drogę. Tamtejsi badacze zaadaptowali model CorrDiff do prac nad jakością powietrza w Wielkiej Brytanii. Wytrenowali go na superkomputerze Isambard-AI, a następnie uruchamiali lokalnie na systemach Nvidia DGX Spark.

Co wciąż pozostaje nieudowodnione

Tabela wyników jest publiczna, ale ogłoszenie z 30 października należało do Envision. Nie opublikowano żadnej niezależnej oceny skuteczności Tianji na farmie wiatrowej ani w centrum sterowania.

Ta luka ma znaczenie, bo konkurs mierzy średnie tygodniowe na komórkach siatki. Operator sieci potrzebuje godzinowych danych o wietrze i nasłonecznieniu w konkretnej lokalizacji. Zły skok obciążenia kosztuje, niezależnie od tego, czy średnia była trafna. Envision twierdzi, że Tianji obejmuje zakres od nowcastingu minutowego po trendy subsezonowe, ale wynik w Quest mówi tylko o dalekim końcu skali. Koszt to druga biała plama: Envision nie podał, ile kosztuje dostęp do Tianji. Jeśli chodzi o satelity, Han powiedział, że wszystkie wnioski z modeli Fengyun opierają się na obserwacjach satelitarnych i można je zweryfikować. To twierdzenie o identyfikowalności źródła, a nie o dokładności w łańcuchu ostrzegania na żywo.