Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is the China Meteorological Administration’s Fengqing AI global short- and medium-range ensemble forecasting system (CMA-AIM-GFS-Fengqi. Article summary: CMA-AIM-GFS-Fengqing-ENS-V1.0, or “Fengqing Ensemble V1.0,” is CMA’s AI system for global short- and medium-range probability weather forecasting, developed under the National Meteorological Centre’s leadership.[9] Octob. Topic tags: general, general web, academic, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Fengqing Ensemble V1.0 er et system fra Kinas meteorologiske administration (CMA) til globale sandsynlighedsprognoser på kort og mellemlangt sigt. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre. CMA oplyser dog, at den formelle drift først begynder 10. november 2026. Det tydeligste offentliggjorte resultat er en effektiv prognosetid på 11 dage for én bestemt måling: ensemblets gennemsnitlige geopotentialhøjde ved 500 hPa.17
19
Ifølge CMA skal Fengqing Ensemble V1.0 lave globale prognoser to gange om dagen, fra 0 til 360 timer frem, med prognosetrin på seks timer og en horisontal opløsning på 0,25°. Hver prognose består af 51 ensemblemedlemmer og omfatter vejrvariable både højt i atmosfæren og ved jordoverfladen, blandt andet geopotentialhøjde, luftfugtighed, vind, temperatur og havniveauets lufttryk.19
Et ensemble giver flere mulige forløb for vejret i stedet for kun ét. Forskellene mellem forløbene kan bruges til at beskrive usikkerheden og lave sandsynlighedsprognoser. Det adskiller sig fra en deterministisk prognose, som viser én forventet udvikling.
Den driftsmæssige evaluering fandt sted ved National Meteorological Centre. Efter en ekspertvurdering blev systemet godkendt som klar til operationel brug.17 Nyhedsartikler fra 17. oktober beskrev det som allerede taget i brug, men CMAs senere officielle meddelelse angiver en mere præcis tidsplan: Den formelle drift er planlagt til at begynde 10. november 2026.
19
CMA udpeger National Meteorological Centre som hovedudvikler sammen med Xiong’an Meteorological AI Innovation Research Institute og National Meteorological Information Centre. Evalueringen nævner også Sugon blandt udviklingspartnerne.17
19
Ensemblemodellen deler navnet Fengqing med en tidligere vejr-AI-model fra CMA og Tsinghua University. CMA og Tsinghua beskriver den tidligere model som udviklet med atmosfærisk fysik indarbejdet i design og træning, blandt andet gennem fysiske bevarelsesegenskaber.33 Det beskriver den tidligere models tilgang, men dokumenterer ikke, at ensemblemodellen har samme arkitektur eller fysiske begrænsninger.
Nogle omtaler angiver, at Fengqing kan lave prognoser 15 dage frem med 25 kilometers opløsning på omkring tre minutter. De specifikationer gælder imidlertid den tidligere models senere V1.5-version – ikke verificerede egenskaber ved Ensemble V1.0.38
19 CMAs meddelelse om ensemblet angiver i stedet 51 medlemmer, 0,25° opløsning og et prognosevindue på 0–360 timer.
19 De offentliggjorte oplysninger fastslår ikke ensemblets præcise neurale netværksarkitektur eller hvor lang tid det tager at fremstille en prognose.
CMA oplyser, at test på uafhængige datasæt fra januar 2025 til august 2026 viste en effektiv prognosetid på 11 dage for ensemblets gennemsnitlige globale prognose af geopotentialhøjden ved 500 hPa. Myndigheden rapporterer også gode resultater for continuous ranked probability score (CRPS) og forholdet mellem spredning og fejl – to mål, der bruges til at vurdere ensembleprognoser.19
De 11 dage gælder den nævnte variabel og det rapporterede resultat. Det er ikke dokumentation for, at alle typer vejr – eksempelvis kraftig regn, tyfoner eller kraftige byger og tordenvejr – kan forudsiges præcist 11 dage frem. Den offentliggjorte meddelelse indeholder heller ikke de detaljerede CRPS- og sprednings-/fejltal, som er nødvendige for at vurdere størrelsen af de rapporterede resultater.19
En artikel fra China News Service skriver, at nogle af Fengqing Ensembles indikatorer var bedre end tilsvarende indikatorer for ensemblemodeller fra ECMWF, Europas meteorologiske center for mellemlange prognoser.18 Det tilgængelige materiale viser ikke detaljerede sammenlignelige tal på tværs af vejrvariable, regioner og prognoselængder. Derfor er det ikke tilstrækkeligt til at fastslå en bred overlegenhed.
Samme artikel siger, at systemet blev trænet på en AI4S-computerklynge med 100.000 acceleratorer ved et centralt knudepunkt i National Supercomputing Internet, og beskriver data, model og computerkraft som indenlandsk kontrolleret.18 Det er en rapporteret udviklingspåstand, ikke en uafhængig gennemgang af alle systemets komponenter. Tallet for træningsklyngen fortæller heller ikke, hvor meget computerkraft der kræves for at lave hver enkelt prognose i den daglige drift.
Fengqing Ensemble V1.0 føjer et CMA-system til globale sandsynlighedsprognoser til med 51 mulige prognoseforløb og dækning op til 360 timer. Det er værd at skelne mellem evalueringen og driftsstarten: Systemet har bestået evalueringen, mens CMA siger, at den formelle drift begynder 10. november 2026. Resultatet på 11 dage er interessant, men afgrænset til én måling; der kræves mere detaljeret verifikation for at vurdere systemets præstation på tværs af vejrforhold og farer.17
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem.
Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre.
De offentliggjorte resultater peger på en effektiv prognosetid på 11 dage for én bestemt atmosfærisk måling.
Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is the China Meteorological Administration’s Fengqing AI global short- and medium-range ensemble forecasting system (CMA-AIM-GFS-Fengqi. Article summary: CMA-AIM-GFS-Fengqing-ENS-V1.0, or “Fengqing Ensemble V1.0,” is CMA’s AI system for global short- and medium-range probability weather forecasting, developed under the National Meteorological Centre’s leadership.[9] Octob. Topic tags: general, general web, academic, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Fengqing Ensemble V1.0 er et system fra Kinas meteorologiske administration (CMA) til globale sandsynlighedsprognoser på kort og mellemlangt sigt. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre. CMA oplyser dog, at den formelle drift først begynder 10. november 2026. Det tydeligste offentliggjorte resultat er en effektiv prognosetid på 11 dage for én bestemt måling: ensemblets gennemsnitlige geopotentialhøjde ved 500 hPa.17
19
Ifølge CMA skal Fengqing Ensemble V1.0 lave globale prognoser to gange om dagen, fra 0 til 360 timer frem, med prognosetrin på seks timer og en horisontal opløsning på 0,25°. Hver prognose består af 51 ensemblemedlemmer og omfatter vejrvariable både højt i atmosfæren og ved jordoverfladen, blandt andet geopotentialhøjde, luftfugtighed, vind, temperatur og havniveauets lufttryk.19
Et ensemble giver flere mulige forløb for vejret i stedet for kun ét. Forskellene mellem forløbene kan bruges til at beskrive usikkerheden og lave sandsynlighedsprognoser. Det adskiller sig fra en deterministisk prognose, som viser én forventet udvikling.
Den driftsmæssige evaluering fandt sted ved National Meteorological Centre. Efter en ekspertvurdering blev systemet godkendt som klar til operationel brug.17 Nyhedsartikler fra 17. oktober beskrev det som allerede taget i brug, men CMAs senere officielle meddelelse angiver en mere præcis tidsplan: Den formelle drift er planlagt til at begynde 10. november 2026.
19
CMA udpeger National Meteorological Centre som hovedudvikler sammen med Xiong’an Meteorological AI Innovation Research Institute og National Meteorological Information Centre. Evalueringen nævner også Sugon blandt udviklingspartnerne.17
19
Ensemblemodellen deler navnet Fengqing med en tidligere vejr-AI-model fra CMA og Tsinghua University. CMA og Tsinghua beskriver den tidligere model som udviklet med atmosfærisk fysik indarbejdet i design og træning, blandt andet gennem fysiske bevarelsesegenskaber.33 Det beskriver den tidligere models tilgang, men dokumenterer ikke, at ensemblemodellen har samme arkitektur eller fysiske begrænsninger.
Nogle omtaler angiver, at Fengqing kan lave prognoser 15 dage frem med 25 kilometers opløsning på omkring tre minutter. De specifikationer gælder imidlertid den tidligere models senere V1.5-version – ikke verificerede egenskaber ved Ensemble V1.0.38
19 CMAs meddelelse om ensemblet angiver i stedet 51 medlemmer, 0,25° opløsning og et prognosevindue på 0–360 timer.
19 De offentliggjorte oplysninger fastslår ikke ensemblets præcise neurale netværksarkitektur eller hvor lang tid det tager at fremstille en prognose.
CMA oplyser, at test på uafhængige datasæt fra januar 2025 til august 2026 viste en effektiv prognosetid på 11 dage for ensemblets gennemsnitlige globale prognose af geopotentialhøjden ved 500 hPa. Myndigheden rapporterer også gode resultater for continuous ranked probability score (CRPS) og forholdet mellem spredning og fejl – to mål, der bruges til at vurdere ensembleprognoser.19
De 11 dage gælder den nævnte variabel og det rapporterede resultat. Det er ikke dokumentation for, at alle typer vejr – eksempelvis kraftig regn, tyfoner eller kraftige byger og tordenvejr – kan forudsiges præcist 11 dage frem. Den offentliggjorte meddelelse indeholder heller ikke de detaljerede CRPS- og sprednings-/fejltal, som er nødvendige for at vurdere størrelsen af de rapporterede resultater.19
En artikel fra China News Service skriver, at nogle af Fengqing Ensembles indikatorer var bedre end tilsvarende indikatorer for ensemblemodeller fra ECMWF, Europas meteorologiske center for mellemlange prognoser.18 Det tilgængelige materiale viser ikke detaljerede sammenlignelige tal på tværs af vejrvariable, regioner og prognoselængder. Derfor er det ikke tilstrækkeligt til at fastslå en bred overlegenhed.
Samme artikel siger, at systemet blev trænet på en AI4S-computerklynge med 100.000 acceleratorer ved et centralt knudepunkt i National Supercomputing Internet, og beskriver data, model og computerkraft som indenlandsk kontrolleret.18 Det er en rapporteret udviklingspåstand, ikke en uafhængig gennemgang af alle systemets komponenter. Tallet for træningsklyngen fortæller heller ikke, hvor meget computerkraft der kræves for at lave hver enkelt prognose i den daglige drift.
Fengqing Ensemble V1.0 føjer et CMA-system til globale sandsynlighedsprognoser til med 51 mulige prognoseforløb og dækning op til 360 timer. Det er værd at skelne mellem evalueringen og driftsstarten: Systemet har bestået evalueringen, mens CMA siger, at den formelle drift begynder 10. november 2026. Resultatet på 11 dage er interessant, men afgrænset til én måling; der kræves mere detaljeret verifikation for at vurdere systemets præstation på tværs af vejrforhold og farer.17
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem.
Fengqing Ensemble V1.0 laver globale sandsynlighedsprognoser med 51 medlemmer op til 360 timer frem. Systemet har bestået en driftsmæssig evaluering ved National Meteorological Centre.
De offentliggjorte resultater peger på en effektiv prognosetid på 11 dage for én bestemt atmosfærisk måling.