FourCastNet на GB10: AI прогноза с Earth2Studio

01Какво ще научиш

• Какво прави един AI модел за времето и с какво се различава от класическия числен модел.
• Какво е Earth2Studio и от какви части се състои един работен процес (данни → модел → запис).
• Как да пуснеш първа прогноза с FourCastNet 3 по официалния пример.
• Как да изтеглиш реанализа ERA5 от Copernicus.
• Как да разгледаш резултата и да изрежеш района на България.
• Защо резултатът не е официална прогноза и къде са истинските.

02Преди да започнеш

• Машина от класа NVIDIA GB10 с DGX OS (Ubuntu 24.04, Arm64) и работещ PyTorch с видеокарта. Документацията препоръчва Python 3.13, CUDA 13.0 и uv като мениджър на пакети; първо трябва да има правилно инсталиран PyTorch.
• Памет: каталогът на Earth2Studio отбелязва за FCN3 препоръчителна памет на видеокартата 80 GB. Машината има 128 GB обща памет за процесора и видеокартата, т.е. на хартия се събира, но остават около 48 GB за системата и всичко друго — ⚠️ не сме го пробвали. Не пускай по същото време други големи модели (например Ollama).
• Свободно място: документацията за хардуер посочва около 128 GB диск.
• За данни от GFS (NOAA) не е нужен акаунт. За ERA5 е нужен безплатен акаунт в Copernicus Climate Data Store с личен токен.
• Моделът и теглата му се теглят автоматично при първо пускане. ⚠️ Лицензите на теглата не сме сверявали — Earth2Studio е интерфейс към чужди модели и данни и предупреждава да проверяваш правата за ползване на всеки.

03Стъпки

1. Как работи един AI модел за времето

   Класическият (числен) модел пресмята уравненията на физиката на атмосферата стъпка по стъпка. AI моделът е обучен върху историческите данни (реанализа ERA5) и научава как се променя състоянието на атмосферата за една стъпка; после я повтаря. Това не го прави по-точен — прави го евтин за пускане и удобен за експерименти. Затова винаги го сравняваш с проверени източници.

   В Earth2Studio работният процес е верига от четири части:

   Част	Какво е	В примера
   Източник на данни	Откъде идва началното състояние на атмосферата	GFS()
   Прогностичен модел	Прави стъпка напред във времето	FCN3
   Запис	Къде се пишат резултатите	ZarrBackend
   Работен поток	Свързва ги и върти стъпките	run.deterministic

2. Инсталирай Earth2Studio

   Документацията препоръчва uv и нова чиста среда. Командите са от официалното ръководство (версия 0.19.0):

   bash · на машинатакопирай

   mkdir earth2studio-project && cd earth2studio-project
   uv init --python=3.13
   uv add "earth2studio @ git+https://github.com/NVIDIA/earth2studio.git@0.19.0"
   
   uv run python -c "import earth2studio; print(earth2studio.__version__)"

   Базовата инсталация съдържа само ядрото — повечето модели и източници на данни искат допълнителни групи пакети. Ръководството има селектор за инсталация, в който избираш модела (FCN3) и данните. По аналогия с примера за друг модел (earth2studio[aifs,data]) групите вероятно се казват fcn3 и data — ⚠️ потвърди в селектора, не го приемай за вярно.

   💡

   Алтернатива: контейнер

   Документацията показва и път през контейнера на NVIDIA за PyTorch (nvcr.io/nvidia/pytorch:26.04-py3), в който се инсталира същата библиотека. ⚠️ Не сме проверявали дали тази версия на образа има Arm64 вариант и как се подава достъпът до видеокартата — виж ръководството.

3. Първа прогноза

   Това е примерът от главната страница на Earth2Studio. Четири реда подготвят частите, петият пуска работния поток: начална дата, 10 стъпки напред, модел, данни, запис.

   python · forecast.pyкопирай

   from earth2studio.models.px import FCN3
   from earth2studio.data import GFS
   from earth2studio.io import ZarrBackend
   from earth2studio.run import deterministic as run
   
   model = FCN3.load_model(FCN3.load_default_package())
   data = GFS()
   io = ZarrBackend("outputs/fcn3_forecast.zarr")
   run(["2025-01-01T00:00:00"], 10, model, data, io)

   Първо пускане: теглят се теглата на модела. Датата 2025-01-01T00:00:00 е от официалния пример — за друга дата провери, че GFS има данни за нея (⚠️ не сме го проверявали). Колко време обхваща една стъпка, виж така:

   pythonкопирай

   # колко време обхваща една стъпка на модела
   step = model.output_coords(model.input_coords())["lead_time"][0]
   print(step)

   Резултатът е в папката outputs/fcn3_forecast.zarr.

4. По избор: данни ERA5 от Copernicus

   ERA5 е глобалният реанализ на ECMWF и се дава безплатно от Copernicus Climate Data Store. Нужен е акаунт; токенът се слага във файла ~/.cdsapirc (само за теб — chmod 600). Не го пиши в скриптове и Git.

   ~/.cdsapircкопирай

   url: https://cds.climate.copernicus.eu/api
   key: <личен-токен-от-CDS>

   Условията за ползване на всеки набор данни се приемат ръчно на страницата му (най-долу във формата за изтегляне). Примерът от документацията:

   pythonкопирай

   # pip install "cdsapi>=0.7.7"
   import cdsapi
   
   client = cdsapi.Client()
   
   dataset = "reanalysis-era5-pressure-levels"
   request = {
       "product_type": ["reanalysis"],
       "variable": ["geopotential"],
       "year": ["2024"],
       "month": ["03"],
       "day": ["01"],
       "time": ["13:00"],
       "pressure_level": ["1000"],
       "data_format": "grib",
   }
   target = "download.grib"
   
   client.retrieve(dataset, request, target)

   Earth2Studio има и готови източници на ERA5 — виж каталога на източниците на данни в документацията му.

5. Погледни резултата

   Zarr файлът се чете с xarray. Първо отпечатай съдържанието — имената на променливите следват лексикона на Earth2Studio и може да се различават от тези тук.

   pythonкопирай

   import xarray as xr
   import matplotlib.pyplot as plt
   
   ds = xr.open_zarr("outputs/fcn3_forecast.zarr")
   print(ds)   # първо виж кои променливи и оси има
   
   t2m = ds["t2m"].isel(time=0, lead_time=-1) - 273.15   # келвин -> °C
   t2m.plot(cmap="RdYlBu_r")
   plt.title("Температура на 2 m, последна стъпка (°C)")
   plt.savefig("t2m_last_step.png", dpi=150)

   За България изрежи правоъгълник по координати (за ориентир: приблизително 41–44,5° с.ш. и 22–29° и.д.).

   pythonкопирай

   # изрязване на района на България (ако оста lat е низходяща, редът в slice е обратен)
   bg = t2m.sel(lat=slice(44.5, 41.0), lon=slice(22.0, 29.0))
   bg.plot(cmap="RdYlBu_r")

   ⚠️ Кодът в тази стъпка не е пускан; оста lead_time и имената са по структурата, описана в документацията на Earth2Studio — ако получиш грешка, започни от print(ds).

6. Една прогноза е едно възможно развитие

   FourCastNet 3 е вероятностен модел: с различно „семе“ (параметърът seed) дава различни правдоподобни развития. Една пускане не казва колко е вероятно нещо. За вероятности се пускат много развития (ансамбъл) — в галерията с примери на Earth2Studio има „Running Ensemble Inference“. Не го правим тук.

7. Какво не е това

   Ограничения, които трябва да знаеш: мрежата е 0,25° (около 25 км) — планини, брегове и отделни бури остават под нея, а точно това е темата на следващия урок; AI моделите грешат, особено при валежи и екстремни явления, и грешката расте с отдалечаването във времето; началните данни (GFS, ERA5) носят собствени грешки. За всяко реално решение чети НИМХ.

   ⛈️

   Не вземай решения по този резултат

   Този урок не дава официална прогноза и не замества такава. Показва как работи един AI модел за времето. Официалните прогнози и предупреждения за България издава НИМХ (Национален институт по метеорология и хидрология): meteo.bg; предупрежденията по общини са на weather.bg/obshtini, а за Европа — на meteoalarm.org. Не вземай решения за безопасност, земеделие, събития или енергия по резултата от този урок.

04Проверка

• import earth2studio работи и версията се отпечатва.
• Скриптът forecast.py завършва и в outputs/ има Zarr файл.
• print(ds) показва променливите и осите на резултата.
• Токенът за Copernicus е само в ~/.cdsapirc.
• Можеш да обясниш защо резултатът не е официална прогноза и къде са официалните.

Тест

05Какво следва

06Източници

1. NVIDIA Earth2Studio (GitHub) — пример за FourCastNet 3, версия и лиценз Apache 2.0; сверено 03.10.2026.
2. Earth2Studio: инсталиране — uv, версия 0.19.0, препоръчителна среда и хардуер.
3. Earth2Studio: модел FCN3 · модел FCN — описание на моделите; статията: arXiv 2507.12144.
4. Earth2Studio: детерминистичен работен поток — пример и параметри на run.deterministic.
5. build.nvidia.com: fourcastnet 🌐 глобален — страница на модела в каталога на NVIDIA; лицензът на моделите е на страницата.
6. Copernicus CDS: настройка на API 🌐 глобален — адрес, личен токен, cdsapi.
7. НИМХ: meteo.bg · предупреждения по общини · meteoalarm.org — официални прогнози и предупреждения.