10分钟掌握StormScope-GOES-MRMS：新手必备的气象AI模型使用教程

StormScope-GOES-MRMS是一款强大的气象AI模型，能够自回归预测GOES（卫星）和MRMS（雷达）变量，为气象研究和应用提供高精度的预测能力。本文将带你快速了解并掌握这个模型的核心功能和使用方法，让你在短时间内就能上手进行气象预测。

一、模型简介：认识StormScope-GOES-MRMS

StormScope-GOES-MRMS是一款中尺度天气AI模型，它采用扩散Transformer架构，具备2D邻域注意力机制，能够在多种时空分辨率下进行预测。该模型以HRRR模型网格作为美国大陆（CONUS）的3公里基准网格，为气象预测提供了坚实的基础。

模型提供了两种主要的检查点：

• 6公里网格，1小时DiT——1.94亿参数
• 3公里网格，10分钟DiT——2.6亿参数

其中，3公里/10分钟的模型是推荐使用的版本，而6公里/1小时的模型为旧版，已不推荐使用。

二、核心功能：模型能做什么？

StormScope-GOES-MRMS具备多项强大功能，使其在气象预测领域脱颖而出：

1. 高分辨率集合预测

该模型能够对美国大陆的GOES和MRMS观测进行高分辨率集合预测，为气象研究人员和相关从业者提供精确的气象数据支持。

2. 多变量预测能力

模型可以预测多种气象变量，包括GOES的abi01c、abi02c、abi03c、abi07c、abi08c、abi09c、abi10c、abi13c等变量，以及MRMS的refc变量。

3. 灵活的输入输出

模型接受PyTorch Tensor或NumPy数组作为输入，输出也是PyTorch张量。输入为五维（批次、提前时间、变量、高度、宽度），输出同样为五维（批次、提前时间、变量、纬度、经度）。

4. 条件预测

模型可以根据其他数据进行条件预测，如500 hPa天气尺度位势（z500）。预测MRMS的模型以最新的GOES状态变量为条件，提高了预测的准确性。

三、环境准备：搭建你的工作环境

在使用StormScope-GOES-MRMS之前，需要确保你的工作环境满足以下要求：

1. 硬件要求

模型在NVIDIA GPU加速系统上运行效果最佳，支持以下NVIDIA硬件微架构：

• NVIDIA Ampere
• NVIDIA Blackwell
• NVIDIA Hopper

推荐使用A100、H100或L40S等高性能GPU进行推理。

2. 操作系统

目前模型仅支持Linux操作系统，确保你的系统为Linux版本。

3. 软件依赖

模型的推理需要以下软件引擎：

• PhysicsNeMo
• PyTorch

此外，还需要安装NVIDIA Earth2Studio，用于模型的推理工作。

四、快速上手：10分钟开始你的第一次预测

1. 获取模型

首先，克隆模型仓库到本地：

git clone https://gitcode.com/hf_mirrors/nvidia/stormscope-goes-mrms

2. 了解模型结构

进入项目目录后，你会看到以下主要文件和目录：

• checkpoints/：包含模型检查点文件，如checkpoints/goes/3km_10min/expert_0.mdlus等
• config.json：模型配置文件
• registry.json：模型注册表文件，包含了模型的详细参数信息
• 各种.npy文件：如era5_means.npy、goes_means.npy等，用于数据归一化

3. 准备输入数据

模型的输入包括：

• 来自GOES/MRMS的1-8个状态变量张量
• 1-8个可选的条件变量
• 日期时间（NumPy数组）

输入网格的高度和宽度维度与HRRR模型网格相同，输入提前时间可以为1（单个输入时间步）或6（一系列输入时间步）。

4. 选择合适的模型

根据你的需求选择合适的模型版本。对于大多数用户，推荐使用3km_10min版本，它的配置如下：

• 空间下采样：1
• 滑动窗口：true
• 步长间隔：10分钟
• 变量：包括8个GOES变量

你可以在registry.json文件中查看详细的模型参数。

5. 进行推理

使用NVIDIA Earth2Studio进行模型推理。具体步骤请参考Earth2Studio的官方文档。

五、模型细节：深入了解StormScope-GOES-MRMS

1. 模型架构

StormScope采用扩散Transformer（DiT）架构，结合2D邻域注意力机制，能够有效捕捉气象数据的时空特征，提高预测精度。

2. 数据来源

模型的训练、测试和评估数据来自多个权威来源：

• ERA5：提供每小时的各种大气、陆地和海洋气候变量估计
• GOES：NOAA地球静止卫星产品，提供3公里分辨率的多光谱辐射率
• MRMS：NOAA降水数据产品，结合了天气雷达、地面和其他观测数据

3. 数据预处理

项目中提供了多种数据预处理文件，如：

• era5_means.npy和era5_stds.npy：ERA5数据的均值和标准差
• goes_means.npy和goes_stds.npy：GOES数据的均值和标准差
• mrms_means.npy和mrms_stds.npy：MRMS数据的均值和标准差

这些文件用于对输入数据进行归一化处理，确保模型的稳定运行。

六、常见问题：解决你可能遇到的问题

1. 模型支持哪些变量？

模型支持多种GOES和MRMS变量，具体可在registry.json文件的"variables"字段中查看。例如，GOES模型的变量包括abi01c、abi02c等，MRMS模型的变量包括refc等。

2. 如何选择合适的模型分辨率？

对于大多数实时预测需求，推荐使用3km_10min版本，它提供更高的空间分辨率和更频繁的时间步长。如果对计算资源有限制，或需要较长时间范围的预测，可以考虑6km_1hr版本。

3. 模型的输出格式是什么？

模型输出为五维PyTorch张量，维度为（批次、提前时间、变量、纬度、经度）。输出网格的高度和宽度维度与HRRR模型网格相同，输出提前时间大小为1（模型预测一个时间步）。

七、总结：开启你的气象AI之旅

StormScope-GOES-MRMS作为一款先进的气象AI模型，为气象预测提供了强大的工具。通过本教程，你已经了解了模型的基本概念、核心功能、环境准备和快速上手方法。现在，你可以开始使用这个模型进行气象预测，探索更多气象数据的奥秘。

记住，气象预测是一个复杂的领域，模型的使用和解读需要结合专业知识。希望StormScope-GOES-MRMS能成为你气象研究和应用的得力助手，为你带来更精准、高效的气象预测体验！