Dies sind die in PredictWind verfügbaren Prognosemodelle.

Unser Ziel ist es, Ihnen Zugang zu den präzisesten verfügbaren Prognosedaten zu bieten. Da kein einzelnes Prognosemodell in jeder Situation die höchste Genauigkeit aufweist, kann der Vergleich mehrerer führender Prognosemodelle Ihnen mehr Sicherheit bei Ihren Prognosen und Entscheidungen geben.

PredictWind ist seit 2008 Marktführer für präzise Vorhersagen im Freizeitmarkt. Mithilfe des CSIRO CCAM-Modells mit 450 hochauflösenden Gebieten weltweit deckt PredictWind die meisten beliebten Freizeitsportler im Wassersport ab.

PWG ist das firmeneigene Wettermodell von PredictWind, das globale Anfangsbedingungen des NCEP verwendet, die durch das CSIRO CCAM-Modell verarbeitet werden, um die PWG-Vorhersage zu generieren.

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

Die Anfangsbedingungen des ECMWF und NCEP liefern eine Momentaufnahme des aktuellen Zustands der Erdatmosphäre. Wir nutzen diese Anfangsbedingungen, um unsere eigenen, proprietären Wettermodelle weltweit zu betreiben – mit einer Technologie, die PredictWind im Bereich der privaten Wettervorhersage einzigartig macht.

PWAi ist PredictWinds firmeneigenes, KI-gestütztes globales Wettervorhersagemodell. Es kombiniert Informationen von ECMWF , AIFS, Fengwu und GraphCast, um eine einzige optimierte, weltweite Vorhersage zu erstellen.

PWAi bietet stündliche Zeitschritte für die ersten drei Tage und erzielt besonders gute Ergebnisse bei Validierungsstudien über kurz- bis mittelfristige Vorhersagezeiträume und größere Gebiete.

Sie können diese Auswertung einsehen, die die erste Phase der Validierung darstellt. Die Ergebnisse sind sehr vielversprechend. PredictWind wird das Modell durch Praxistests und Nutzerfeedback weiter optimieren.

ECMWF steht für Europäisches Zentrum für mittelfristige Wettervorhersage . Sein globales Vorhersagemodell hat eine Auflösung von 9 km und genießt hohes Ansehen bei Meteorologen und professionellen Navigatoren weltweit. Es erzielt konstant hervorragende Ergebnisse bei der Überprüfung globaler Vorhersagen und ist das einzige globale Vorhersagemodell mit dieser hohen Auflösung.

GFS steht für Global Forecast System und wird von den US-amerikanischen National Centers for Environmental Prediction (NCEP) entwickelt. GFS ist ein globales numerisches Wettervorhersagemodell und wird weltweit von Wetterdiensten, Websites und Anwendungen genutzt. Wenn Sie in PredictWind die Bezeichnung GFS sehen, verwenden wir das GFS-FV3-Modell.

GFS-FV3 kann vertikale Bewegungen wie Aufwinde, eine Schlüsselkomponente von Extremwetterereignissen, mit sehr hoher Auflösung simulieren. 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 GFS aufweist, belegt er hinsichtlich der Genauigkeit weiterhin nur den dritten Platz hinter ECMWF (Platz 1) und UKMO (Platz 2).

UKMO bezeichnet das globale Vorhersagemodell des britischen Wetterdienstes (Met Office) . Es ist auch als Unified Model bekannt und genießt seit langem einen hervorragenden Ruf als eines der weltweit führenden globalen Wettermodelle.

ICON ist Deutschlands globales numerisches Wettervorhersagemodell (NWP), das vom Deutschen Wetterdienst (DWD) in Zusammenarbeit mit dem Max-Planck-Institut für Meteorologie (MPI-M) entwickelt wurde.

ICON verwendet ein ikosaedrisches Gitter, das eine annähernd gleichmäßige Abdeckung über den Globus gewährleistet. Dadurch lassen sich einige Verzerrungen und Rechenineffizienzen vermeiden, die bei herkömmlichen Breiten- und Längengradgittern in Polnähe auftreten können.

AIFS ist ein KI-gestütztes globales Wettervorhersagesystem, das vom Europäischen Zentrum für mittelfristige Wettervorhersage ( ECMWF ) entwickelt wurde.

Es nutzt künstliche Intelligenz und maschinelles Lernen, um globale Vorhersagen zu erstellen, und erzielt insbesondere auf See gute Ergebnisse, indem es großräumige Wettermuster mittel- bis langfristig erfasst.

HRRR steht für High-Resolution Rapid Refresh (Hochauflösende, schnelle Aktualisierung ). Es handelt sich um das 3-km-Wettermodell der NOAA, das die zusammenhängenden Vereinigten Staaten abdeckt und stündlich aktualisiert wird, um detaillierte Kurzfristvorhersagen zu liefern.

HRRR nutzt Radarbeobachtungen und ist darauf ausgelegt, kleinräumige und sich schnell entwickelnde Wettersysteme zu erfassen. Weitere Informationen finden Sie in diesemVideo .

NAM steht für North American Mesoscale Forecast System und ist eines der regionalen Wettermodelle der NOAA, das Nordamerika abdeckt.

Als mesoskaliges Modell kann NAM Land und andere geographische Merkmale in höherer Auflösung darstellen als viele globale Modelle und liefert so detailliertere regionale Vorhersagen.

AROME ist ein hochauflösendes regionales numerisches Wettervorhersagemodell, das von Météo-France entwickelt wurde. Es ist für detaillierte Kurzfristvorhersagen konzipiert und eignet sich besonders gut zur Vorhersage kleinräumiger Wetterphänomene und extremer Wetterereignisse wie beispielsweise intensiver Niederschläge im Mittelmeerraum (Cévenolen).

Der Vergleich von Prognosen verschiedener Modelle hilft Ihnen, die Zuverlässigkeit der Prognose einzuschätzen. Zeigen unterschiedliche Modelle ähnliche Bedingungen an, ist die Zuverlässigkeit der Prognose in der Regel höher. Weichen die Prognosen deutlich voneinander ab, empfiehlt es sich, die nachfolgenden Aktualisierungen zu verfolgen und die Bandbreite möglicher Bedingungen zu berücksichtigen.

Beim Betrachten der PredictWind-Vorhersagetabellen wird das Menü mit den verschiedenen Vorhersagevariablen beim Scrollen durch die Vorhersagetage ausgeblendet. Dadurch können mehr Vorhersagezeiträume auf dem Bildschirm angezeigt werden.

Wenn das Menü minimiert wird, werden die Namen der Prognosemodelle verkürzt:

Um die vollständigen Modellnamen wieder anzuzeigen, wischen Sie ganz nach links zurück.