Avec les progrès de la science et de la technologie, le développement de la météorologie nous a permis de mieux comprendre le système climatique de la Terre. La prévision numérique du temps (NWP) est un exemple réussi d’application de modèles mathématiques aux prévisions météorologiques. Grâce aux données d’observation, ces modèles peuvent prédire le temps futur, apportant ainsi un grand confort à la vie quotidienne des gens.
L’objectif des prévisions météorologiques numériques est d’utiliser les observations météorologiques actuelles pour prédire les conditions météorologiques futures, un processus qui repose sur des ordinateurs exécutant des modèles mathématiques très complexes.
Les racines de la prévision numérique du temps remontent aux années 1920, lorsque le météorologue Louis F. Richardson a proposé pour la première fois l’utilisation de modèles mathématiques pour faire des prévisions. Cependant, en raison du manque de puissance de calcul à l’époque, le processus était si lourd qu’il a fallu six semaines à Richardson pour réaliser une prévision de six heures pour deux points d’Europe centrale. Ce n’est que dans les années 1950, avec la naissance du supercalculateur ENIAC, que l’efficacité du calcul des données a été considérablement améliorée, rendant la prévision numérique réalisable et pratique.
En 1954, l'équipe de Cole-Gustav Rossby à l'Institut météorologique et hydrologique suédois a réalisé avec succès la première prévision opérationnelle, marquant l'entrée officielle de la prévision numérique du temps dans la phase pratique.
Le cœur des prévisions météorologiques numériques repose sur une variété de modèles informatiques, qui utilisent les données météorologiques actuelles pour prédire le temps futur en se basant sur les lois fondamentales de la mécanique des fluides et de la thermodynamique. Les données d'observation proviennent principalement de satellites météorologiques, de ballons météorologiques et de stations météorologiques terrestres. Ces données sont traitées par une technologie d'assimilation de données pour générer les conditions initiales du modèle.
Les modèles météorologiques traitent des dizaines de téraoctets de données lors de la génération de prévisions, ce qui nécessite l’utilisation des supercalculateurs les plus puissants du monde.
Dans les prédictions numériques, les équations utilisées sont appelées équations primitives, qui sont composées d'équations aux dérivées partielles non linéaires qui peuvent décrire les caractéristiques dynamiques de l'atmosphère. Les solutions à ces équations ne peuvent pas être entièrement obtenues par des méthodes analytiques traditionnelles, des méthodes numériques sont donc nécessaires pour les approximer.
Les modèles numériques s’appuient généralement sur des méthodes aux différences finies ou spectrales pour effectuer leurs calculs, qui sont capables de prendre en compte un large éventail de processus physiques dans l’atmosphère.
Bien que les techniques modernes de prévision numérique du temps se soient considérablement améliorées, les capacités de prévision actuelles sont limitées à environ six jours, principalement parce que les petites erreurs s'aggravent avec le temps, doublant généralement en cinq jours. Cela est dû à la nature chaotique de l’atmosphère.
Afin de faire face à l’incertitude des prévisions, les prévisions d’ensemble sont progressivement devenues courantes depuis les années 1990. Cette méthode utilise plusieurs modèles de prévision pour les calculs et analyse les caractéristiques statistiques des résultats pour améliorer la précision et la fiabilité des prévisions.
Les prévisions d’ensemble permettent aux météorologues de mieux évaluer les incertitudes des prévisions et d’étendre l’horizon temporel sur lequel les prévisions sont valables.
Avec les progrès continus de la technologie informatique, les futures prévisions météorologiques numériques seront plus précises et capables de capturer des phénomènes météorologiques à plus petite échelle. Toutefois, la question de savoir si ces avancées technologiques peuvent résoudre les problèmes de chaos actuels reste à explorer. Face au défi du changement climatique continu sur Terre, comment pouvons-nous utiliser intelligemment ces outils prédictifs pour nous adapter à la vie future ?