NOAA AIGFS

Da GraphCast ad AIGFS

Nel dicembre 2022 Google DeepMind ha descritto GraphCast, una rete neurale addestrata su ERA5, la rianalisi del tempo passato dell'ECMWF, che produce una previsione globale a 10 giorni a 0,25° in meno di un minuto su un solo processore Google TPU v4. Pubblicata su Science nel novembre 2023, ha battuto la previsione fisica ad alta risoluzione dell'ECMWF sul 90% di 1.380 obiettivi di verifica. Ma aveva imparato dai dati dell'ECMWF e prendeva i dati dell'ECMWF come stato iniziale, quindi la questione aperta per gli altri centri era se avrebbe funzionato a partire dalle loro analisi.

L'Environmental Modeling Center (EMC) della NOAA si è proposto di rispondere. Emissioni sperimentali di GraphCastGFS, cioè GraphCast avviato dall'analisi della NOAA stessa, sono state pubblicate dal 5 febbraio 2024. L'EMC ha poi affinato GraphCast sulle analisi del Global Data Assimilation System (GDAS) della NOAA: nel suo rapporto di marzo 2025, il modello affinato aveva errori maggiori del GFS nei primi due giorni ma minori oltre, sul vento, sull'altezza a 500 hPa e sulle precipitazioni, circa il 10% in meno sull'altezza a 500 hPa al decimo giorno, e traiettorie dei cicloni tropicali migliori, ma intensità dei cicloni peggiori. Le emissioni in tempo reale sono proseguite nell'ambito del Project EAGLE, uno sforzo congiunto del National Weather Service, dei laboratori di ricerca della NOAA, dell'EMC e dell'Earth Prediction Innovation Center, a cui si è aggiunto un ensemble sperimentale nell'aprile 2025.

AIGFS v1.0 è diventata operativa il 17 dicembre 2025, con l'emissione delle 12 UTC, insieme a due ensemble, AIGEFS e HGEFS. La NOAA ha annunciato una qualità previsionale migliore del GFS per molte strutture a grande scala ed errori di traiettoria dei cicloni tropicali minori alle scadenze più lunghe, e ha avvertito che la v1.0 peggiorava le previsioni di intensità dei cicloni. Le previsioni sperimentali EAGLE che ha sostituito si sono fermate il 17 e il 18 dicembre, mentre le più vecchie emissioni sperimentali di GraphCastGFS sono proseguite fino a quella delle 00 UTC del 5 maggio 2026, l'ultima nell'archivio cloud della NOAA.

AIGFS v1.1 è entrata in servizio il 27 luglio 2026, di nuovo con l'emissione delle 12 UTC. La sua rete viene valutata diversamente durante l'addestramento: tramite una funzione di perdita in armoniche sferiche, calcolata sulle strutture di ciascun campo scala per scala anziché punto per punto, e sulla velocità e la direzione del vento anziché sulle componenti est-ovest e nord-sud; è stata affinata su quattro anni di analisi GDAS e addestrata su previsioni concatenate fino a 72 ore. Il National Weather Service afferma che queste modifiche migliorano le previsioni di intensità dei cicloni tropicali e di precipitazione e riducono la sfocatura delle previsioni alle scadenze più lunghe.

Una rete che ha imparato l'atmosfera

L'AIGFS non risolve alcuna equazione. Come il GraphCast da cui deriva, ha imparato dagli stati passati dell'atmosfera come uno stato si trasforma in quello di sei ore dopo. Dati lo stato attuale e quello di sei ore prima, prevede lo stato di sei ore dopo; poi reimmette la propria previsione e ripete, 64 volte per arrivare a 16 giorni. Questo concatenamento si chiama autoregressione, e ogni errore commesso all'inizio si trascina nei passi successivi.

La rete ha tre parti. Un codificatore, un solo strato di una rete neurale su grafo, raccoglie i 1.038.240 punti della griglia a 0,25° su una maglia nascosta costruita suddividendo sei volte le facce di un icosaedro, fino a 40.962 nodi regolarmente distribuiti. Un processore di 16 strati su grafo fa passare messaggi lungo gli archi di quella maglia, archi corti per il tempo locale e lunghi per le influenze lontane. Un decodificatore riporta il risultato sulla griglia latitudine-longitudine come variazione rispetto all'ultimo stato. In tutto, la rete ha 36,7 milioni di parametri.

Ciò che entra ed esce è un'immagine compatta dell'atmosfera: vento, temperatura, altezza geopotenziale, umidità specifica e velocità verticale su 13 livelli di pressione da 1000 a 50 hPa, più campi di superficie: il vento a 10 m, la temperatura a 2 m, la pressione al livello del mare e le precipitazioni. Non c'è alcun campo di raffiche, di onde o di nubi.

GraphCast è stato addestrato da Google DeepMind su ERA5 dal 1979 al 2017, e la sua versione a 13 livelli è stata poi affinata sulle analisi operative dell'ECMWF dal 2016 al 2021. L'NCEP è partito da quella versione e l'ha affinata sulle proprie analisi GDAS, perché impari le caratteristiche particolari dello stato iniziale che riceve ogni giorno. GraphCast veniva valutato su un errore quadratico medio, e questa scelta spiega il suo difetto principale: quando è incerto, l'errore è minimo se prevede la media dei risultati possibili, per cui i suoi campi diventano più lisci con il crescere della scadenza. Le modifiche della v1.1 mirano a ridurre questa sfocatura.

Quattro emissioni al giorno, a una frazione del costo del GFS

L'AIGFS non legge da sé le osservazioni. Ogni emissione parte dall'analisi della NOAA basata sul GFS, prodotta dal suo Global Data Assimilation System (GDAS), che combina le osservazioni di satelliti, aerei, radiosonde e stazioni di superficie nella migliore stima dello stato attuale dell'atmosfera. L'AIGFS dipende quindi interamente dal sistema fisico e dalla sua rete di osservazioni per il suo punto di partenza.

La previsione vera e propria costa poco: secondo la NOAA, una previsione a 16 giorni richiede circa 40 minuti e usa lo 0,3% delle risorse di calcolo del GFS operativo. Le emissioni partono alle 00, 06, 12 e 18 UTC e producono uno stato ogni 6 ore, dall'analisi fino a 384 ore, 16 giorni avanti.

L'uscita è pubblicata in GRIB2 sulla griglia a 0,25° su NOMADS, il server di distribuzione dei modelli della NOAA, in due file per scadenza: uno sui livelli di pressione e uno in superficie, con il vento a 10 m, la temperatura a 2 m, la pressione al livello del mare e le precipitazioni. Da aprile 2026 le emissioni sono anche copiate, qualche ora dopo, nell'archivio di dati aperti della NOAA su Amazon Web Services, che conserva anche le versioni sperimentali di sviluppo. In quanto informazione prodotta dal governo degli Stati Uniti, è di pubblico dominio.

I suoi gemelli AIGEFS e HGEFS, messi in servizio lo stesso giorno, si occupano dell'incertezza. AIGEFS esegue 31 previsioni di machine learning fino a 16 giorni; HGEFS le combina con i 31 membri del GEFS, basato sulla fisica, in un ensemble di 62 membri fino a 10 giorni, che la NOAA descrive come il primo ensemble ibrido fisico e di machine learning eseguito in modo operativo da un centro meteorologico. Saily WR usa l'AIGFS, non gli ensemble.

Leggerlo in mare

L'AIGFS dà il meglio di sé nel quadro a grande scala a diversi giorni di distanza: dove si troveranno le depressioni e gli anticicloni, quando arriverà un fronte, quale direzione prenderà un ciclone tropicale. La NOAA riporta una qualità previsionale migliore del GFS per molte strutture a grande scala ed errori di traiettoria dei cicloni minori alle scadenze più lunghe, e la verifica della v1.0 da parte della NOAA ha trovato un guadagno statisticamente significativo rispetto al GFS sulla correlazione delle anomalie dell'altezza geopotenziale. Per una traversata oceanica, dove la scelta di una rotta è soprattutto la scelta di un sistema meteorologico da sfruttare o da evitare, è questa l'informazione che conta.

Il suo punto debole è l'intensità del vento. Una rete addestrata su un errore medio smussa: i picchi di vento sono attenuati, i gradienti stretti ammorbiditi, e l'effetto cresce con la scadenza. La versione 1.0 sottostimava l'intensità dei cicloni tropicali; la v1.1 è stata costruita per correggerla e per ridurre la sfocatura, senza che sia stata pubblicata una cifra sull'entità del miglioramento. In una burrasca, vicino a un ciclone o lungo un fronte netto, consideri con cautela la sua velocità del vento e tenga per buone la tempistica e la posizione.

A 0,25°, circa 28 km, e con uno stato ogni 6 ore, non vede nulla di ciò che accade vicino alla terra: niente brezza di mare, niente accelerazione intorno a un capo, niente zona d'ombra del vento dietro un'isola, niente linea di groppo, e non fornisce raffiche. Un fronte che passa tra due passi è noto solo da ciò che accade prima e dopo. Per la navigazione costiera o per una decisione che si misura in ore, un modello regionale a maglia fine dice molto di più.

Il suo uso migliore è come secondo parere accanto al GFS. Entrambi partono dalla stessa analisi della NOAA, quindi l'AIGFS non è indipendente dal GFS: quando divergono la differenza viene solo dai modelli, il che è un segnale netto che la previsione è incerta, ma quando concordano possono condividere lo stesso errore nello stato iniziale. Un modello avviato dall'analisi di un altro centro, come l'IFS o l'AIFS, offre il punto di vista indipendente; quando concordano tutti su una rotta, la fiducia è alta.

AIGFS in Saily WR

Saily WR scarica ogni nuova emissione dell'AIGFS dal server NOMADS della NOAA, quattro volte al giorno, sulla griglia a 0,25°: il vento a 10 m, nelle sue componenti est-ovest e nord-sud, ogni 6 ore fino a 16 giorni (384 ore). Un'emissione è completa circa 4 h 20 dopo l'ora del suo ciclo. Poiché il modello è globale, ogni rotta ha una sua versione AIGFS, ovunque parta e arrivi.

La rotta per isocrone viene navigata con la polare della sua barca in quel vento, interpolato nello spazio tra i punti di griglia e nel tempo tra le scadenze ogni 6 ore. È disegnata accanto alle rotte degli altri modelli che coprono le stesse acque, tra cui il GFS, così una differenza tra le rotte AIGFS e GFS mostra a colpo d'occhio dove le due previsioni divergono.

La pagina Dati mostra in tempo reale su quale emissione AIGFS si trova l'app e fin dove arriva.