Agent Skills
返回列表
💻

Earth2Studio 确定性预报

开发编程 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/earth2studio-deterministic-forecast。

技能介绍

要解决什么问题

用 Earth2Studio 做确定性(单成员)天气预报时,真正难的不是调一个 API,而是把预报模型、初始/边界数据源、IO 后端和步数 nsteps 对齐:模型要求的 input_coords["variable"] 必须在数据源词汇表里存在,lead time 步长要和你要跑的总时长一致,输出还要决定是只写部分变量还是整包场。

技能如何帮你推进

本技能按工程顺序组织工作流:先澄清时间范围、变量、区域和 GPU/VRAM,再查在线文档选模型与数据源(常见配对如全球模型配 GFS/ARCO/IFS、区域模型配 HRRR),选定 ZarrBackend / NetCDF4Backend / XarrayBackend,用 nsteps = forecast_hours / model_step_hours 计算循环次数,并按需求决定是否用 output_coords 过滤输出。最终目标是生成基于 earth2studio.run.deterministic 的可运行推理脚本;若你明确要求手写循环,也会给出从 fetch_data → create_iterator → map_coords / split_coords → io.write 的检查清单。

边界与注意点

  • 负责:模型与数据源兼容性、nsteps、脚本生成;不负责集合预报、诊断后处理、纯数据抓取、安装与训练。
  • 推理依赖 CUDA GPU;时间参数用 ISO 8601(YYYY-MM-DDTHH:MM:SS);要「风速」需同时包含 u10m 与 v10m。
  • 推荐组件前应先查当前版本在线文档,并用 earth2studio/lexicon 验证变量;加载权重习惯用 load_default_package()。

使用场景

  • 已装好 Earth2Studio 和 CUDA,要把 5 天、6 小时间隔的全球预报写成可重复跑的 `run.deterministic` 脚本
  • 区域 CONUS 场景下需对齐 HRRR 与区域模型输入变量,并只输出 t2m 与风场到 Zarr
  • 模型 lead time 与预报总时长不一致,需要按文档算 `nsteps` 并确认是否用 `output_coords` 减输出
  • 不想用封装 API,要按检查清单手写 fetch、迭代器循环与每步 `io.write` 的实现

适合人员

  • 做数值天气或气候后处理的科研工程师,要把单成员预报固化成 GPU 上的标准推理脚本
  • 负责气象 AI 流水线的 MLOps,需在发布前核对模型输入变量与 GFS/IFS/HRRR 词汇表是否一致
  • 业务侧需要 CONUS 或全球短中期场输出,但还不确定选哪类模型、IO 后端以及如何读 Zarr 结果
  • 熟悉 Python 却刚接触 Earth2Studio,希望有人按步骤带选型而不是直接给不可运行的示例