Dalam beberapa tahun terakhir, peramalan cuaca telah mengalami revolusi sejati berkat pengembangan model ilmiah baru yang menggabungkan kecerdasan buatan . Pusat Peramalan Cuaca Jangka Menengah Eropa (ECMWF) telah mengambil langkah maju yang signifikan dengan hadirnya AIFS ENS , sebuah sistem probabilistik inovatif yang mendefinisikan ulang cara peramalan cuaca dihasilkan dan dikelola.
Apa model probabilistik yang baru?
AIFS ENS v1 adalah model ensemble yang menggunakan teknik pembelajaran mesin untuk mensimulasikan perilaku atmosfer dan menghasilkan prakiraan cuaca dengan pandangan yang lebih luas tentang kemungkinan situasi di masa depan. Sistem ini melakukan beberapa simulasi dari situasi awal yang sama, mengambil sampel distribusi yang telah dipelajari, yang memungkinkannya untuk menangkap ketidakpastian yang melekat dalam prediksi cuaca.
Berkat pendekatan ini, prakiraan menjadi lebih akurat dan realistis . Model ini menggunakan fungsi kerugian CRPS, yang membantu mengkalibrasi hasilnya, dengan mempertimbangkan keterbatasan yang terkait dengan bekerja dengan jumlah anggota yang terbatas dalam ensemble. Akibatnya, AIFS ENS telah mengungguli model ensemble fisik tradisional dalam peramalan jangka menengah dan sangat kompetitif dalam peramalan submusiman.
Perbedaan utama dengan model tradisional
Salah satu fitur paling relevan dari AIFS ENS adalah cara penggabungan elemen kontrolnya. Sementara dalam model berbasis fisik tradisional, elemen ini bertindak sebagai referensi deterministik dan tidak terganggu, dalam model berbasis AI peran ini berbeda. Elemen kontrol AIFS ENS merupakan produk dari pengambilan sampel internal distribusi yang dipelajari oleh sistem , yang berarti bahwa ketidakpastian tidak dapat dinonaktifkan untuk menjalankan simulasi yang persis sama dengan skema klasik.
Inovasi ini mewakili kemajuan dalam kemampuan untuk mengantisipasi fenomena cuaca kompleks dan menilai risiko terkait dengan mempertimbangkan variabilitas alami atmosfer dalam prediksi. Jika Anda ingin mempelajari lebih lanjut tentang cara kerja model cuaca, Anda dapat melihat model cuaca lain dan pentingnya model tersebut dalam prediksi iklim.
Evolusi dan kronologi implementasi
Model tersebut menjalani fase eksperimental di mana berbagai metodologi, seperti teknik difusi, diuji, meskipun versi operasionalnya berfokus secara eksklusif pada optimasi menggunakan fungsi kerugian CRPS. Integrasi AIFS ENS ke dalam sistem prediksi ECMWF dijadwalkan pada 1 Juli 2025, pukul 06:00 UTC , setelah fase pengujian yang dimulai pada 23 Juni.
Untuk saat ini, pengguna model lain seperti IFS dan AIFS Single tidak akan mengalami perubahan apa pun, karena versi operasional sistem tersebut tetap utuh.
Dampak dan rekomendasi bagi pengguna
Kedatangan AIFS ENS menandai titik balik dalam pengelolaan ketidakpastian meteorologi dan akurasi prakiraan. Namun, mereka yang bermaksud menggunakan data ini, terutama untuk tujuan operasional, harus benar-benar berkonsultasi dengan informasi yang tersedia tentang masalah yang belum terselesaikan. ECMWF juga mendorong komunitas ilmiah dan teknis untuk memberikan umpan balik guna lebih menyempurnakan sistem ini.
AIFS ENS tidak dimaksudkan untuk langsung menggantikan model tradisional, melainkan untuk melengkapi berbagai alat yang tersedia untuk peramalan cuaca dengan pendekatan yang lebih canggih yang disesuaikan dengan era pembelajaran mesin. Untuk lebih memahami evolusi model-model ini, ada baiknya untuk meninjau [dokumentasi yang relevan].
Pengembangan dan penerapan model seperti AIFS ENS mengantarkan era baru dalam peramalan cuaca, meningkatkan kemampuan antisipasi dan manajemen risiko dalam konteks global di mana kejadian cuaca ekstrem semakin sering terjadi. Penyempurnaan berkelanjutan dari alat-alat ini menjanjikan prakiraan yang lebih bermanfaat bagi pengguna profesional maupun masyarakat umum.
Indeks