快速入门

只需几行代码即可运行 AI 天气预测。

• 有关详细的安装步骤，包括特定模型的安装，请参阅 安装指南。
• 请查看提供不同推理工作流示例的 示例 库。
• 根据您的使用场景，可以更换 数据源 或 模型！

NVIDIA FourCastNet3

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)

ECMWF AIFS

from earth2studio.models.px import AIFS
from earth2studio.data import IFS
from earth2studio.io import ZarrBackend
from earth2studio.run import deterministic as run

model = AIFS.load_model(AIFS.load_default_package())
data = IFS()
io = ZarrBackend("outputs/aifs_forecast.zarr")
run(["2025-01-01T00:00:00"], 10, model, data, io)

Google Graphcast

from earth2studio.models.px import GraphCastOperational
from earth2studio.data import GFS
from earth2studio.io import ZarrBackend
from earth2studio.run import deterministic as run

package = GraphCastOperational.load_default_package()
model = GraphCastOperational.load_model(package)
data = GFS()
io = ZarrBackend("outputs/graphcast_operational_forecast.zarr")
run(["2025-01-01T00:00:00"], 4, model, data, io)

[!重要提示] Earth2Studio 是第三方模型、检查点和数据集的接口。 这些资源的许可权归其提供商所有。 请确保您拥有下载、使用以及（如适用）再分发每个模型和数据集的权利。 每个模型/数据源的 API 文档中通常会提供原始许可和来源的链接。

最新消息

• StormCast SDA, 基于评分的数据同化 (SDA) 结合 StormCast 实现高分辨率区域天气预报，现已推出，并附带新的数据同化模型工具。
• 数据同化模型，一种用于数据同化的新型模型类别，包括等距圆柱投影插值和 HealDA。
• NOAA UFS 观测数据源, 用于卫星和常规观测的数据框现已采用新的 Earth2Studio 基础架构提供。
• Planetary Computer 数据源 新增了 ECMWF IFS 分析数据以及 GOES 云和湿度影像。

有关最新功能和改进的完整列表，请参阅 变更日志。

概述

Earth2Studio 是一款专注于天气和气候应用的 AI 推理管道工具包，旨在兼容不同的 AI 框架、模型架构、数据源和 SciML 工具，同时提供统一的 API。

Earth2Studio 中各个核心组件的可组合性，使得开发和部署日益复杂的管道变得轻而易举，这些管道可以将多个数据源、AI 模型和其他模块串联起来。

Earth2Studio 统一的生态系统为用户提供了快速替换组件选项的机会。 除了拥有最大的天气/气候 AI 模型库之外，Earth2Studio 还配备了诸多实用功能，例如针对云数据存储的优化数据访问、统计运算等，以加速您的管道流程。

Earth-2 开放模型

访问最先进的 Nvidia 开放式气候与天气模型：Earth-2 开放模型。 有关这些模型的训练配方，请参阅 PhysicsNeMo 仓库。

特性

Earth2Studio 软件包专注于为您提供构建自定义工作流、管道、API 或软件包所需的工具，使用包括以下内容在内的模块化组件：

预报模型

预报模型 在 Earth2Studio 中执行时间积分，即以某一特定时刻的大气场作为输入，通过自回归方式逐步预测未来的大气场（通常每步 6 小时），从而实现单步预测及长期时间序列预报。

Earth2Studio 拥有目前规模最大的预训练先进 AI 天气/气候模型集合，涵盖全球预报模型到区域专用模型，覆盖多种分辨率、架构和预报能力，以满足不同的计算和精度需求。

可用模型包括但不限于：

模型	分辨率	架构	时间步长	覆盖范围
GraphCast Small	1.0°	图神经网络	6小时	全球
GraphCast Operational	0.25°	图神经网络	6小时	全球
Pangu 3hr	0.25°	Transformer	3小时	全球
Pangu 6hr	0.25°	Transformer	6小时	全球
Pangu 24hr	0.25°	Transformer	24小时	全球
Aurora	0.25°	Transformer	6小时	全球
FuXi	0.25°	Transformer	6小时	全球
AIFS	0.25°	Transformer	6小时	全球
AIFS Ensemble	0.25°	Transformer集成	6小时	全球
StormCast	3公里	扩散+回归	1小时	区域（美国）
SFNO	0.25°	神经算子	6小时	全球
DLESyM	0.25°	卷积	6小时	全球

完整列表请参阅 预报模型API文档。

诊断模型

Earth2Studio中的诊断模型执行与时间无关的转换，通常接收特定时刻的地理空间场，并预测新的派生量，而不进行时间积分。这使得用户能够构建管道来预测预报模型可能未提供的特定感兴趣量。

Earth2Studio包含越来越多的专用诊断模型，用于各种现象，包括降水预测、热带气旋追踪、太阳辐射估算、阵风预报等。

可用的诊断模型包括但不限于：

模型	分辨率	架构	覆盖范围	输出
PrecipitationAFNO	0.25°	神经算子	全球	总降水量
SolarRadiationAFNO1H	0.25°	神经算子	全球	地表太阳辐射
WindgustAFNO	0.25°	AFNO	全球	最大阵风
TCTrackerVitart	0.25°	算法	全球	热带气旋路径及特性
CBottleInfill	100公里	扩散	全球	全球气候样本
CBottleSR	5公里	扩散	区域/全球	高分辨率气候
CorrDiff	变量	扩散	区域	细尺度天气
CorrDiffTaiwan	2公里	扩散	区域（台湾）	台湾细尺度天气

完整列表请参阅 诊断模型API文档。

数据源

Earth2Studio中的数据源提供标准化的API，用于访问来自不同提供商的气象和气候数据集（数值模型、数据同化结果以及AI生成的数据），从而实现对模型推理初始条件和评分验证数据的无缝集成，支持跨不同数据格式和存储系统的操作。

Earth2Studio包含从业务运行的天气模型（GFS、HRRR、IFS）和再分析数据集（通过ARCO、CDS获取的ERA5），到AI生成的气候数据（cBottle）以及本地文件系统等多种数据源。获取数据非常简单，Earth2Studio会处理复杂的部分，为您提供一个易于使用的Xarray数据数组，所有数据都遵循统一的包级vocabulary和坐标系统。

可用的数据源包括但不限于：

数据源	类型	分辨率	覆盖范围	数据格式
GFS	业务运行	0.25°	全球	GRIB2
GFS_FX	预报	0.25°	全球	GRIB2
HRRR	业务运行	3公里	区域（美国）	GRIB2
HRRR_FX	预报	3公里	区域（美国）	GRIB2
ARCO ERA5	再分析	0.25°	全球	Zarr
CDS	再分析	0.25°	全球	NetCDF
IFS	业务运行	0.25°	全球	GRIB2
NCAR_ERA5	再分析	0.25°	全球	NetCDF
WeatherBench2	再分析	0.25°	全球	Zarr
GEFS_FX	集合预报	0.25°	全球	GRIB2
ISD	观测	点	区域（美国）	CSV
MRMS	再分析	1公里	区域（美国）	GRIB2

完整列表请参阅 数据源API文档。

IO后端

Earth2Studio中的IO后端提供了一个标准化的接口，用于以不同的文件格式和存储系统写入和存储管道输出，使用户能够保存推理结果以便后续处理。

Earth2Studio包含的IO后端范围从传统的科学格式（NetCDF）和现代云优化格式（Zarr），到内存存储后端。

可用的IO后端包括：

IO后端	格式	特性	存储位置
ZarrBackend	Zarr	压缩、分块	内存/本地
AsyncZarrBackend	Zarr	异步写入、并行I/O	内存/本地/远程
NetCDF4Backend	NetCDF4	符合CF标准、元数据	内存/本地
XarrayBackend	Xarray Dataset	丰富的元数据、便于分析	内存
KVBackend	键值	快速临时访问	内存

完整列表请参阅 IO API文档。

扰动方法

Earth2Studio中的Perturbation methods提供了一个标准化的接口，用于向数据数组添加噪声，通常可以创建捕捉天气和气候预测不确定性的集合预报管道。

可用的扰动方法包括但不限于：

扰动方法	类型	空间相关性	时间相关性
Gaussian	噪声	无	无
Correlated SphericalGaussian	噪声	球形	AR(1)过程
Spherical Gaussian	噪声	球形（Matern）	无
Brown	噪声	二维傅里叶	无
Bred Vector	动力学	依赖于模型	依赖于模型
Hemispheric Centred Bred Vector	动力学	半球	依赖于模型

完整列表请参阅 扰动API文档。

统计/指标

Earth2Studio中的统计和指标提供了一系列操作，通常用于在管道中评估预报性能，涵盖空间、时间、集合等多个维度，通过多种统计指标，包括误差指标、相关系数和集合验证统计等。

可用的操作包括但不限于：

统计	类型	应用
RMSE	误差指标	预报准确性
ACC	相关性	模式相关性
CRPS	集合指标	概率技能
Rank Histogram	集合指标	集合可靠性
Standard Deviation	矩	散度测量
Spread-Skill Ratio	集合指标	集合校准

完整列表请参阅 统计API文档。

如需更完整的功能列表，请务必查看文档。 没有找到您需要的内容吗？ 好消息是，扩展和定制是我们设计的核心。

贡献者

请参阅贡献指南，了解详细的技术要求；同时阅读用户指南，以理解更高层次的理念、架构和设计。

许可证

Earth2Studio 采用 Apache License 2.0 许可证发布，完整许可文本请参阅LICENSE 文件。

NVIDIA Earth2Studio 快速上手指南

Earth2Studio 是一个基于 Python 的推理管道工具包，旨在帮助开发者快速构建和运行 AI 驱动的天气与气候预测模型。它提供了统一的 API，支持灵活组合多种预训练模型、数据源和存储后端。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04+) 或 macOS。Windows 用户建议使用 WSL2。
• Python 版本: 3.10 或更高版本。
• GPU 支持: 推荐使用 NVIDIA GPU 以获得最佳推理性能（需安装对应的 CUDA 驱动）。
• 前置依赖: 建议预先安装 git 和 pip。

注意：Earth2Studio 本身是接口层，实际运行的第三方模型（如 GraphCast, FourCastNet 等）和数据集拥有各自的许可证。使用前请确保您有权下载和使用相关资源。

安装步骤

推荐使用 pip 进行安装。为了获得更好的依赖管理体验，建议在虚拟环境中操作。

1. 创建并激活虚拟环境（可选但推荐）

python -m venv e2studio-env
source e2studio-env/bin/activate  # Windows 用户使用: e2studio-env\Scripts\activate

2. 安装 Earth2Studio

直接通过 PyPI 安装最新稳定版：

pip install earth2studio

国内加速提示：如果遇到下载速度慢的问题，可以使用清华大学或阿里云镜像源：

pip install earth2studio -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 验证安装

安装完成后，您可以尝试导入包来验证：

python -c "import earth2studio; print(earth2studio.__version__)"

基本使用

Earth2Studio 的核心设计理念是模块化。以下是一个最简化的工作流示例，展示如何使用 NVIDIA FourCastNet3 模型进行确定性天气预测。

最小化代码示例

该示例将加载模型，获取初始数据（GFS），运行 10 个时间步长的预测，并将结果保存为 Zarr 格式。

from earth2studio.models.px import FCN3
from earth2studio.data import GFS
from earth2studio.io import ZarrBackend
from earth2studio.run import deterministic as run

# 1. 加载预训练模型
model = FCN3.load_model(FCN3.load_default_package())

# 2. 初始化数据源 (此处使用 GFS 全球预报系统数据)
data = GFS()

# 3. 配置输出后端 (保存为本地 Zarr 文件)
io = ZarrBackend("outputs/fcn3_forecast.zarr")

# 4. 运行推理
# 参数说明：["起始时间"], 预测步数，模型对象，数据对象，输出对象
run(["2025-01-01T00:00:00"], 10, model, data, io)

切换其他模型

Earth2Studio 支持轻松切换不同的模型和数据源。例如，使用 ECMWF AIFS 模型的代码如下：

from earth2studio.models.px import AIFS
from earth2studio.data import IFS
from earth2studio.io import ZarrBackend
from earth2studio.run import deterministic as run

model = AIFS.load_model(AIFS.load_default_package())
data = IFS()
io = ZarrBackend("outputs/aifs_forecast.zarr")

# 运行 AIFS 模型预测
run(["2025-01-01T00:00:00"], 10, model, data, io)

核心组件说明

• Models (earth2studio.models): 包含预后模型（时间积分预测）和诊断模型（特定变量推导）。支持 GraphCast, Pangu, Aurora 等主流开源模型。
• Data Sources (earth2studio.data): 提供统一接口访问各类气象数据，如 GFS, HRRR, ERA5 (ARCO/CDS) 等。
• IO Backends (earth2studio.io): 支持将结果保存为 Zarr, NetCDF 等科学计算常用格式。
• Run (earth2studio.run): 提供标准的推理执行函数（如 deterministic）。

运行结束后，您可以在 outputs/ 目录下找到生成的 .zarr 文件，使用 xarray 或其他科学计算工具即可进行后续分析。