A NVIDIA afirma que organizações europeias estão a usar modelos abertos Earth-2 em projetos de previsão meteorológica e investigação ambiental. Os exemplos divulgados pela empresa incluem previsões de curto prazo, estimativas de risco de ciclones e modelação da qualidade do ar. A publicação não apresenta avaliações independentes do desempenho das ferramentas nem comparações com outros sistemas.
A NVIDIA anunciou o StormScope EU, uma versão regional do modelo StormScope, treinada com dados meteorológicos e climáticos europeus. Segundo a empresa, o sistema usa observações de satélite da EUMETSAT para prever a evolução das nuvens em 16 canais Meteosat, com previsões atualizadas em intervalos de dez minutos. A NVIDIA está a apresentar um fluxo de trabalho do modelo numa demonstração meteorológica desenvolvida com a Earthmover. A Earth2Studio executa as previsões e a plataforma da Earthmover gere e disponibiliza os resultados como mosaicos de mapa, atualizados quando chegam novas observações. Assim, os visitantes podem explorar as previsões sem descarregar conjuntos de dados completos.
A empresa descreve também fluxos de trabalho que combinam modelos Earth-2. Os utilizadores podem recorrer ao StormScope para previsões de curto prazo e ao CorrDiff para acrescentar detalhe local a dados meteorológicos de menor resolução. A NVIDIA apresenta o PhysicsNeMo, uma estrutura de código aberto, como ferramenta para treinar e adaptar modelos com dados próprios e conhecimento especializado. Segundo a publicação, as arquiteturas também podem ser ajustadas a outras aplicações ambientais, como a modelação da qualidade do ar.
Entre os casos citados, a AXA está a usar o FourCastNet 3 para estudar o risco regional de ciclones para além do registo histórico, através de mais de mil épocas simuladas. A NVIDIA diz que os resultados podem informar avaliações de risco e ajudar clientes a orientar esforços de prevenção. A Vaisala Xweather combina modelos Earth-2 com observações próprias, dados de descargas eléctricas e experiência em previsão meteorológica. O trabalho inclui adaptar o StormScope com dados de descargas eléctricas para desenvolver previsões de curto prazo e disponibilizar avisos através dos serviços da empresa e de integrações com assistentes de IA.
Na Universidade de Manchester, investigadores adaptaram o CorrDiff à modelação da qualidade do ar no Reino Unido. Segundo a NVIDIA, o modelo foi treinado no supercomputador Isambard-AI, equipado com tecnologia NVIDIA, e executado localmente em sistemas DGX Spark. A TotalEnergies está a avaliar previsões de radiação solar baseadas no StormScope em dois locais fotovoltaicos e a desenvolver modelos para fornecer informação meteorológica em intervalos inferiores a uma hora. O trabalho explora como previsões mais detalhadas poderão ajudar a antecipar variações na produção de energia solar.
A Space42 desenvolveu o SARDiff4Height com o CorrDiff e o PhysicsNeMo. O sistema estima alturas da superfície a partir de uma única imagem de radar e produz mapas de incerteza, para ajudar analistas a identificar estimativas que exigem maior escrutínio. A NVIDIA apresenta estes projetos como exemplos de adaptação dos seus modelos a necessidades regionais e sectoriais. Os resultados descritos são casos comunicados pela própria empresa; a publicação não inclui métricas comparáveis que permitam avaliar independentemente a precisão ou o impacto operacional dos sistemas.
Porque importa
Previsões locais podem ser relevantes para decisões em energia, seguros e transportes. Os exemplos mostram como modelos meteorológicos podem ser adaptados a tarefas específicas, mas a informação disponível é divulgada pela NVIDIA e não permite concluir, por si só, que os sistemas superam alternativas existentes.