Dzięki stworzonemu przez badaczy Huawei Cloud modelowi Pangu-Weather do prognozowania pogody z wykorzystaniem AI profesjonalni prognostycy, meteorolodzy oraz wszyscy entuzjaści otrzymali bezpłatny wgląd w 10-dniowe globalne prognozy.
ECMWF opublikowało również raport techniczny zatytułowany „Rozwój prognozowania pogody opartego na analizie danych”, który zawiera porównanie prognoz wykonanych przez Pangu-Weather oraz oficjalny system ECMWF IFS w okresie od kwietnia do lipca tego roku. Eksperci wskazali, że oba systemy wykazują porównywalne zdolności analiz operacyjnych i obserwacji prognostycznych, zarówno w przypadku standardowych globalnych wskaźników, jak i zdarzeń ekstremalnych.
Raport wskazuje, że upowszechnienie metod prognozowania z zastosowaniem uczenia maszynowego (machine learning – ML), takich jak Pangu-Weather może przyczynić się do rozwoju bardziej innowacyjnych metod i tym samym ograniczenia numerycznego prognozowania pogody (NWP). Zdolności tradycyjnego prognozowania wzrastają o około jeden dzień na dekadę (według Światowej Organizacji Meteorologicznej), co można przypisać wysokim kosztom obliczeniowym, jakie generują. Modele ML są gotowe zrewolucjonizować prognozowanie pogody dzięki analizom, które wymagają znacznie niższych kosztów obliczeniowych i są wysoce konkurencyjne pod względem dokładności.
ECMWF prowadzi teraz serię prognoz opartych na analizie danych w ramach swojego pakietu operacyjnego. Strona internetowa europejskiej organizacji pokazuje prognozy opracowane przez Pangu-Weather w sześciu różnych typach wykresów: ciśnienie na poziomie morza i prędkość wiatru 850 hPa, wysokość geopotencjalna 500 hPa i temperatura 850 hPa, średnie ciśnienie na poziomie morza i wiatr 200 hPa, temperatura i geopotencjał przy różnych poziomach ciśnienia, temperatura 2 m i prędkość wiatru 10 m, prędkość wiatru i wysokość geopotencjalna na różnych poziomach ciśnienia.
