Creación de modelos de pronóstico meteorológico personalizados con nvidia's earth2studio

Un tutorial ha demostrado cómo construir un sistema personalizado de pronóstico meteorológico por lotes utilizando NVIDIA's Earth2Studio. El proceso implica la instalación de Earth2Studio, preservando el entorno PyTorch existente con CUDA de Colab, la carga de un modelo de pronóstico FCN y la obtención de datos atmosféricos de GFS. Se implementó un diagnóstico personalizado de la energía eólica para convertir los componentes del viento a 10 metros en factores de capacidad de la turbina, junto con un sistema de perturbación de escala variable que aplica ruido físicamente apropiado a diferentes variables atmosféricas. El tutorial también destaca el uso de las APIs de iterador de bajo nivel, mapeo de coordenadas, agrupamiento y Zarr de Earth2Studio para construir una tubería de ejecución de conjunto. El flujo de trabajo incluye la obtención de análisis de GFS para la verificación, el cálculo de métricas como el RMSE ponderado por latitud y el CRPS justo, y el almacenamiento de los resultados en un diccionario estructurado. Se utilizaron herramientas de visualización como mapas espaciales, contornos de espagueti y gráficos de ventiladores para ilustrar la incertidumbre del conjunto. El conjunto de datos Zarr final, accesible a través de Xarray, preserva la estructura completa del conjunto y permite un análisis posterior. El tutorial enfatiza la flexibilidad de Earth2Studio, lo que permite a los usuarios extender el flujo de trabajo modificando modelos, fuentes de datos o diagnósticos sin tener que rediseñar toda la tubería.