Les prévisions météorologiques ne servent pas uniquement à organiser le quotidien : des informations météorologiques actualisées sont essentielles pour permettre aux producteurs d’énergie, aux assureurs et aux opérateurs de transport d’anticiper l’évolution des conditions. Une prévision mondiale peut montrer la formation d’une tempête, mais les décisions concernant les centrales solaires, les routes maritimes ou les biens assurés dépendent de ce qui se produit à l’échelle locale.
NVIDIA Earth-2 offre aux développeurs et aux chercheurs une famille de modèles et d’outils d’IA ouverts qu’ils peuvent personnaliser avec leurs propres données. Exécutées sur les plateformes de calcul NVIDIA, ces technologies prennent en charge la prévision météorologique mondiale, les prévisions régionales détaillées et la recherche environnementale.
StormScope EU est le dernier modèle à rejoindre Earth-2 : il s’agit d’une version régionale du modèle StormScope destinée à la prévision à court terme et entraînée sur des données météorologiques et climatiques européennes. Il utilise les observations satellitaires d’EUMETSAT pour prédire l’évolution des conditions nuageuses sur 16 canaux Meteosat à intervalles de 10 minutes.
À l’occasion de GTC Berlin, NVIDIA présente un pipeline StormScope EU en direct dans une démonstration météorologique interactive conçue en partenariat avec Earthmover. La démonstration utilise Earth2Studio pour exécuter les prévisions et la plateforme de données d’Earthmover pour gérer et diffuser les résultats en temps réel, qui sont mis à jour dès l’arrivée de nouvelles observations satellitaires, toutes les 10 minutes. Earthmover diffuse ces résultats sous forme de tuiles cartographiques, ce qui permet aux visiteurs d’explorer les prévisions à l’échelle de l’Europe sans télécharger l’intégralité des jeux de données.
Les développeurs peuvent combiner les modèles Earth-2 dans des workflows adaptés aux besoins régionaux, en utilisant StormScope pour la prévision à court terme et CorrDiff pour ajouter des détails locaux à des données météorologiques de résolution plus grossière. Les développeurs peuvent également reprendre ces architectures de modèles et les entraîner pour de nouvelles applications environnementales, telles que la modélisation de la qualité de l’air. Le framework open source NVIDIA PhysicsNeMo fournit des outils d’entraînement et de personnalisation permettant aux équipes de créer des applications qui intègrent des données propriétaires et une expertise métier afin de répondre aux besoins régionaux.
Parmi les organisations qui s’appuient sur les capacités d’Earth-2 figurent :
AXA qui utilise FourCastNet 3 de NVIDIA Earth-2 pour étudier le risque cyclonique régional au-delà des données historiques, sur plus de 1 000 saisons simulées, afin de générer des informations susceptibles d’éclairer les évaluations des risques et d’aider les clients à cibler leurs efforts de prévention.
Vaisala Xweather qui combine Earth-2 avec ses observations propriétaires, ses données sur la foudre et son expertise en prévision afin d’améliorer ses plateformes de renseignement météorologique destinées aux clients des secteurs public, de l’énergie, maritime, des transports et de l’assurance. Ses travaux comprennent l’adaptation de StormScope aux données sur la foudre afin d’allonger le délai d’anticipation des prévisions à court terme et de rendre ces alertes accessibles via les offres logicielles en mode SaaS de Vaisala Xweather et ses intégrations avec des assistants d’IA.
Vidéo fournie par Vaisala Xweather.
L’Université de Manchester dont les chercheurs ont adapté le modèle Earth-2 CorrDiff à la modélisation de la qualité de l’air au Royaume-Uni. Ils ont entraîné le modèle sur le supercalculateur Isambard-AI, basé sur NVIDIA, puis l’ont exécuté localement sur des systèmes NVIDIA DGX Spark, faisant ainsi passer la modélisation environnementale d’un supercalculateur national au poste de travail.
TotalEnergies qui explore NVIDIA Earth-2 pour la prévision de l’énergie solaire, en évaluant des prévisions immédiates du rayonnement solaire basées sur StormScope sur deux sites photovoltaïques et en développant des modèles destinés à fournir des informations météorologiques à des intervalles infra-horaires. Ces travaux étudient dans quelle mesure des prévisions plus détaillées pourraient aider à anticiper les variations de la production d’électricité solaire.
Space42 qui a développé SARDiff4Height à l’aide de CorrDiff et de NVIDIA PhysicsNeMo. Ces travaux de recherche permettent d’estimer les hauteurs de surface à partir d’une seule image radar et de produire des cartes d’incertitude, ce qui aide les analystes à identifier les zones où les estimations nécessitent un examen plus approfondi.
Découvrez les modèles et outils ouverts NVIDIA Earth-2, et explorez les exemples de prévision d’Earth2Studio. Consultez l’étude de cas d’AXA sur le risque d’ouragan et l’article consacré aux travaux de Manchester sur la qualité de l’air pour savoir comment les équipes adaptent l’IA météorologique à des défis spécialisés.