# Pogoda i klimat

EN: **Weather and climate modelling** · id `earthsystems` · aliases: ML weather prediction, AI weather forecasting, machine learning weather prediction, prognoza pogody AI, climate AI

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w nauce](https://aiatlasgraph.com/t/aiscience.md) › Pogoda i klimat

## Description

- PL: Uczenie maszynowe w naukach o Ziemi: globalne prognozy średnioterminowe, prognozy zespołowe, prognozy krótkoterminowe i emulacja modeli klimatu.
- EN: Machine learning in the Earth sciences: global medium-range forecasts, ensemble forecasts, nowcasting and climate-model emulation.

## In one sentence

- PL: Modele uczone na dziesięcioleciach zapisów atmosfery, które prognozują pogodę szybciej niż klasyczne symulacje.
- EN: Models trained on decades of atmospheric records that forecast the weather faster than classical simulations.

## Problem it solves

- PL: Tradycyjna prognoza wymaga godzin pracy superkomputera, więc trudno często ją odświeżać i liczyć wiele wariantów.
- EN: A traditional forecast takes hours on a supercomputer, so it is hard to refresh often or run many variants.

## What it does

- PL: Zamiast liczyć fizykę od zera, model patrzy na obecny stan atmosfery i z doświadczenia przewiduje jej stan za kilka godzin, krok po kroku.
- EN: Instead of computing physics from scratch, the model looks at the current atmosphere and, from experience, predicts its state hours ahead, step by step.

## Everyday example

- PL: Służby kryzysowe dostają wcześniej ostrzeżenie o trasie huraganu, a operator farm wiatrowych planuje produkcję prądu na kolejne dni.
- EN: Emergency services get earlier warning of a hurricane's path, and a wind-farm operator plans power output for the coming days.

## This concerns you if you…

- PL: planujesz pracę zależną od pogody
- PL: pracujesz w energetyce, rolnictwie lub zarządzaniu kryzysowym
- EN: plan work that depends on the weather
- EN: work in energy, farming or emergency management

## Keywords

GraphCast · GenCast · Pangu-Weather · FourCastNet · Aurora · AIFS · ERA5 · WeatherBench 2 · nowcasting

## How it works

- PL: Modele uczą się na reanalizie (np. ERA5) przewidywać stan atmosfery za 6–12 godzin i są uruchamiane autoregresyjnie, by sięgnąć 10–15 dni. GraphCast używa GNN na wielorozdzielczej siatce globu, inne modele transformerów; modele dyfuzyjne (GenCast) generują zespoły prognoz z niepewnością.
- EN: Models learn from reanalysis (e.g. ERA5) to predict the atmosphere 6–12 hours ahead and are run autoregressively to reach 10–15 days. GraphCast uses a GNN on a multi-resolution global mesh, others use transformers; diffusion models (GenCast) generate forecast ensembles with uncertainty.

## Limits

- PL: Nadal zależą od klasycznej asymilacji danych, która daje stan początkowy. Modele deterministyczne rozmywają szczegóły w dłuższym horyzoncie, a zdarzenia rzadsze niż w danych i zmieniający się klimat utrudniają ekstrapolację.
- EN: They still rely on classical data assimilation for the initial state. Deterministic models blur detail at longer lead times, and events rarer than in the data, plus a changing climate, make extrapolation hard.

## Key terms

- PL: **reanaliza**: Spójna, wieloletnia rekonstrukcja stanu atmosfery z obserwacji i modelu.
- PL: **asymilacja danych**: Łączenie bieżących pomiarów z modelem, by ustalić stan początkowy prognozy.
- PL: **autoregresyjne rozwijanie**: Podawanie własnej prognozy z powrotem do modelu, by sięgnąć dalej w przyszłość.
- EN: **reanalysis**: A consistent multi-decade reconstruction of the atmosphere from observations and a model.
- EN: **data assimilation**: Combining current measurements with a model to set a forecast's starting state.
- EN: **autoregressive rollout**: Feeding a model's own forecast back in to reach further ahead.

## Know first

- [Klasyczne prognozowanie szeregów czasowych (Classical time-series forecasting)](https://aiatlasgraph.com/t/classicforecasting.md)
- [Modele dyfuzyjne (Diffusion models)](https://aiatlasgraph.com/t/diffusion.md)

## Subtopics (5 direct, 5 in total)

- [Globalne prognozy pogody z sieci neuronowych (Data-driven global medium-range weather forecasting)](https://aiatlasgraph.com/t/mlweatherglobal.md): Deterministic models (GNNs, transformers) trained on reanalysis that autoregressively forecast the global atmospheric state 1–15 days ahead.
- [Modele hybrydowe i emulatory klimatu (Hybrid and learned climate models (climate emulators))](https://aiatlasgraph.com/t/hybridclimate.md): Learned emulators of general circulation models and hybrids that pair a differentiable dynamics solver with networks parameterising sub-grid processes.
- [Probabilistyczne prognozy pogody (zespoły) (Probabilistic ensemble weather forecasting)](https://aiatlasgraph.com/t/ensembleweather.md): Generating forecast ensembles with probabilistic (mainly diffusion) models instead of a single deterministic forecast.
- [Prognozy opadów na najbliższe godziny z radaru (nowcasting) (Precipitation nowcasting from radar)](https://aiatlasgraph.com/t/nowcasting.md): Short-range (5–90 min, up to a few hours) precipitation forecasting from radar image sequences with generative or convolutional models.
- [Zwiększanie szczegółowości prognoz i projekcji klimatu (downscaling) (Machine-learning downscaling of weather and climate data)](https://aiatlasgraph.com/t/climatedownscaling.md): Mapping coarse fields from global models or reanalysis to high resolution with regression and generative networks (e.g. residual-correcting diffusion).

## Related topics

Untyped, symmetric "see also" links.

- [Monitoring rolnictwa, lasów i katastrof z satelity (Satellite monitoring of agriculture, forests and disasters)](https://aiatlasgraph.com/t/eoapps.md)
- [Sieci grafowe (GNN) (Graph neural networks (GNN))](https://aiatlasgraph.com/t/gnn.md)

## Sources

- [GraphCast: Learning skillful medium-range global weather forecasting](<https://arxiv.org/abs/2212.12794>) `graphcast-2022` · by Remi Lam, Alvaro Sanchez-Gonzalez, Matthew Willson, Peter Wirnsberger, Meire Fortunato i in. (Google DeepMind)
- [GenCast: Diffusion-based ensemble forecasting for medium-range weather](<https://arxiv.org/abs/2312.15796>) `gencast-2023` · by Ilan Price i in. (Google DeepMind)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/earthsystems · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30