Criando modelos personalizados de previsão do tempo com o earth2studio da NVIDIA

Um tutorial demonstrou como construir um sistema personalizado de previsão do tempo em lote usando o Earth2Studio da NVIDIA. O processo envolve a instalação do Earth2Studio, preservando o ambiente PyTorch existente e habilitado para CUDA do Colab, o carregamento de um modelo prognóstico FCN e a obtenção de dados atmosféricos do GFS. Uma ferramenta de diagnóstico personalizada para a energia eólica foi implementada para converter os componentes de vento de 10 metros em fatores de capacidade da turbina, juntamente com um sistema de perturbação escalável que aplica ruído fisicamente apropriado a diferentes variáveis atmosféricas. O tutorial também destaca o uso das APIs de iteração de baixo nível, mapeamento de coordenadas, agrupamento e Zarr do Earth2Studio para construir um pipeline de execução de conjunto. O fluxo de trabalho inclui a obtenção de análises GFS para verificação, o cálculo de métricas como RMSE ponderado por latitude e CRPS justo, e o armazenamento dos resultados em um dicionário estruturado. Ferramentas de visualização, como mapas espaciais, contornos de espaguete e gráficos de ventilador, foram usadas para ilustrar a incerteza do conjunto. O conjunto de dados Zarr final, acessível via Xarray, preserva a estrutura completa do conjunto e permite análises adicionais. O tutorial enfatiza a flexibilidade do Earth2Studio, permitindo que os usuários estendam o fluxo de trabalho modificando modelos, fontes de dados ou diagnósticos sem redesenhar todo o pipeline.