Steht für das firmeneigene Wettermodell von PredictWind, das die globalen Anfangsbedingungen des NCEP nutzt, die durch das CSIRO CCAM-Modell verarbeitet werden, um die PWG-Vorhersage zu generieren.

Das firmeneigene Wettermodell von PredictWind verwendet die globalen Anfangsbedingungen des ECMWF , die mithilfe des CSIRO CCAM-Modells verarbeitet werden, um die PWE-Vorhersage zu generieren.

PredictWind ist das weltweit einzige private Unternehmen mit dieser proprietären Technologie, die Wettervorhersagen mit einer Auflösung von bis zu 1 km für beliebte Regionen weltweit erstellt. Die 1-km-Vorhersagen reichen bis zu 36 Stunden im Voraus und erzielen im Validierungstool hervorragende Ergebnisse hinsichtlich der Genauigkeit.

Unser firmeneigenes, KI-gestütztes Modell stellt den bedeutendsten Prognosedurchbruch bei PredictWind dar. PWAi vereint die Stärken von ECMWF (hi-res), AIFS, Fengwu und GraphCast, um eine einzige, optimierte Weltprognose zu erstellen. Es liefert stündliche Zeitschritte für die ersten drei Tage und bietet damit eine höhere zeitliche Präzision als andere KI-Modelle. PWAi erzielt in Validierungsstudien über kurze bis mittelfristige Zeiträume in größeren Gebieten sehr gute Ergebnisse.

ECMWF steht für Europäisches Zentrum für mittelfristige Wettervorhersage und genießt hohes Ansehen bei Meteorologen und erfahrenen Navigatoren weltweit. Das hochauflösende ECMWF Modell (High RES) gilt als das beste globale Wettermodell eines nationalen Wetterdienstes und erzielt regelmäßig Bestnoten. Im März 2016 erhöhte ECMWF die Auflösung seines Modells auf rekordverdächtige 9 km – aktuell die höchste verfügbare globale Auflösung. Da die Daten ECMWF sehr teuer sind, werden sie von vielen Wetter-Websites nicht flächendeckend genutzt und waren traditionell auf führende Segelteams und Meteorologen beschränkt.

AIFS wurde vom ECMWF entwickelt und ist dessen KI-gestütztes Modell der nächsten Generation. Das AIFS-Modell nutzt fortschrittliche KI, um zeitnahe und präzise globale Vorhersagen zu liefern. Es erzielt insbesondere vor der Küste gute Ergebnisse und erfasst großräumige Wettermuster mittel- bis langfristig.

Das Globale Vorhersagesystem (GFS) des NCEP wird von den meisten Wetter-Websites und -Apps verwendet. Wenn Sie in PredictWind die Bezeichnung GFS sehen, wird nun das GFS-FV3-Modell angezeigt. Es handelt sich um die erste bedeutende Aktualisierung des GFS seit etwa 40 Jahren. Im Gegensatz zum Vorgängermodell kann GFS-FV3 vertikale Bewegungen wie Aufwinde – eine Schlüsselkomponente von Unwettern – mit sehr hoher Auflösung simulieren. Bisherige Tests deuten darauf hin, dass das FV3-Modell genauere Fünf-Tage-Vorhersagen sowie bessere Vorhersagen von Hurrikanbahnen und deren Intensivierung liefert. Obwohl der neue FV3-Kern Verbesserungen gegenüber dem GFS aufweist, belegt er in puncto Genauigkeit weiterhin nur den dritten Platz hinter ECMWF (Platz 1) und dem UKMO (Platz 2).

Das vom britischen Wetterdienst (UK Meteorological Office) entwickelte „Unified Model“ (UKMO) genießt seit Langem einen hervorragenden Ruf als Marktführer in der Wettervorhersage. Für Offshore-Wetterstationen weist das UKMO eine sehr ähnliche Genauigkeit wie das ECMWF Modell auf, liegt aber bei landgestützten Wetterstationen etwas hinter den ECMWF Modellen zurück.

High-Resolution Rapid Refresh (HRRR) ist ein Echtzeit-Atmosphärenmodell der NOAA mit einer Auflösung von 3 km, das stündlich aktualisiert wird, Wolken auflöst und Konvektion berücksichtigt. Es wird mit 3-km-Gittern und 3-km-Radardatenassimilation initialisiert. Radardaten werden alle 15 Minuten über einen Zeitraum von einer Stunde in HRRR assimiliert und ergänzen so die stündliche Datenassimilation des radargestützten Rapid Refresh mit 13 km Auflösung. Weitere Informationen finden Sie imVideo .

Das nordamerikanische mesoskalige Vorhersagesystem (NAM) ist eines der wichtigsten Wettermodelle der NOAA und deckt in diesem Fall den größten Teil Nordamerikas ab. NAM ist ein mesoskaliges Modell, was bedeutet, dass die numerische Analyse Land und andere Merkmale mit einer höheren Auflösung als in einem globalen Modell abbilden kann, was zu einer verbesserten Vorhersagegenauigkeit führt.

Ein kleines numerisches Vorhersagemodell, das seit Dezember 2008 bei Meteo-France im Einsatz ist. Es wurde entwickelt, um Kurzfristvorhersagen von Extremereignissen wie Starkniederschlägen im Mittelmeerraum (Cévenolen), schweren Stürmen, Nebel und städtischer Hitze während Hitzewellen zu verbessern. Dieses Modell genießt hohes Ansehen bei führenden Regattaseglern und übertrifft die Vorhersagen des ECMWF .

Das globale numerische Wettervorhersagemodell (NWP) Deutschlands wurde vom Deutschen Wetterdienst (DWD) in Zusammenarbeit mit dem Max-Planck-Institut für Meteorologie (MPI-M) entwickelt. Es verwendet ein ikosaedrisches Gitter: Die Erdoberfläche ist in ein Gittersystem unterteilt, das auf untergliederten Ikosaedern basiert und so eine annähernd gleichmäßige globale Abdeckung gewährleistet. Dadurch werden Verzerrungen und Rechenineffizienzen vermieden, die in der Nähe der Pole bei herkömmlichen Breiten- und Längengradgittern auftreten.

Die SPIRE-Prognose wird ab Oktober 2025 aus PredictWind entfernt, da das verwendete Modell SOF-D von SPIRE als veraltet eingestuft wird.

Je nach Art und Umfang der Daten, die zur Erstellung einer bestimmten Karte oder Tabelle benötigt werden, variiert dies je nach Wettermodell, Parameter und App/Vorhersage-Website.

Die folgende Tabelle fasst die nach Parameter und App verfügbaren Wettermodelle zusammen:

Website – PredictWind-Vorhersage-Website

PWA – PredictWind-App

OA – Offshore-App

Bitte beachten Sie, dass die genauen Aktualisierungszeiten aufgrund von Abweichungen bei der Bereitstellung der Quelldaten und dem Erfassungsprozess geringfügig variieren können.