Language
Country/Area
No result found
Le secret des prévisions météorologiques mondiales : comment utiliser les superordinateurs les plus puissants pour calculer le temps futur ?
Avec les progrès de la technologie, la précision des prévisions météorologiques a fait des progrès considérables. La prévision numérique du temps (PNT) utilise des modèles mathématiques pour décrire l’atmosphère et les océans afin de prédire le temps futur en fonction des conditions météorologiques actuelles. Bien que les premières tentatives remontent aux années 1920, ce n’est qu’avec l’avènement des simulations informatiques dans les années 1950 que les prévisions météorologiques numériques ont pu produire des résultats réalistes.
Plusieurs modèles de prévision sont exécutés dans le monde entier, du niveau mondial au niveau régional, en utilisant comme données d'entrée les observations météorologiques actuelles provenant de radiosondes, de satellites météorologiques et d'autres systèmes d'observation.
Les météorologues utilisent ces données pour initialiser les modèles, puis appliquent les équations de base de la dynamique des fluides atmosphériques et de la thermodynamique pour prédire le temps qu'il fera au cours des prochains jours. Bien que les performances actuelles des supercalculateurs continuent d’augmenter, la précision des prévisions des modèles météorologiques numériques est encore limitée à une plage d’environ six jours. Les facteurs qui affectent la précision des prévisions comprennent la densité et la qualité des données d’observation utilisées comme données d’entrée pour les prévisions, ainsi que les imperfections du modèle lui-même.
Même avec des supercalculateurs plus puissants, la capacité de prévision des modèles de prévision numérique est limitée à une portée d’environ six jours.
Pour améliorer la précision des prévisions, les météorologues ont développé des techniques de post-traitement telles que les statistiques de sortie de modèle (MOS) pour améliorer la gestion des erreurs dans les prévisions numériques. Ces techniques aident les météorologues à atténuer les effets du comportement chaotique, en étendant la précision des prévisions à de nombreux domaines, en particulier la prévision des trajectoires des cyclones tropicaux et de la qualité de l’air.
Histoire des prévisions météorologiques numériques
L’histoire des prévisions météorologiques numériques remonte aux années 1920, lorsque le météorologue Lewis Fry Richardson a tenté de créer des prévisions atmosphériques à l’aide de calculs manuels fastidieux. Ce n’est qu’en 1950 que l’utilisation généralisée des ordinateurs a permis de réduire considérablement le temps de calcul des prédictions. Cette année-là, l'ordinateur ENIAC fut utilisé pour la première fois pour produire des prévisions météorologiques basées sur des équations simplifiées, marquant une période pionnière dans la prévision numérique.
En 1954, l’équipe de Carl-Gustav Rossby à l’Institut météorologique et hydrologique suédois avait utilisé le même modèle pour générer avec succès les premières prévisions météorologiques pratiques. En 1955, les prévisions météorologiques numériques aux États-Unis ont commencé à fonctionner sous l'égide de la Joint Numerical Weather Prediction Unit (JNWPU), marquant ainsi l'implication active des États-Unis dans les prévisions météorologiques numériques.
En 1956, Norman Phillips a développé le premier modèle climatique capable de décrire de manière réaliste les schémas mensuels et saisonniers de la troposphère.
À mesure que la puissance des ordinateurs a augmenté, la taille des ensembles de données initiaux a également augmenté et de nouveaux modèles atmosphériques ont été développés pour tirer pleinement parti de ces ressources informatiques. Ces progrès ont permis aux météorologues de prévoir avec plus de précision le changement climatique et ses conséquences, même si des défis subsistent. Par exemple, les modèles ne sont toujours pas très performants pour les processus qui se produisent dans des zones restreintes, comme les feux de forêt.
Processus d'initialisation et de calcul
Dans les prévisions météorologiques numériques, l'initialisation est le processus de saisie de données d'observation dans le modèle pour générer l'état initial. Les principales données proviennent des observations des services météorologiques nationaux, notamment des radiosondes lancées à partir de ballons météorologiques et de satellites météorologiques. Ces données sont traitées et converties en valeurs exploitables pour les algorithmes mathématiques du modèle, qui sont ensuite utilisés pour prédire la météo future.
Les données d’observation sont collectées de diverses manières, notamment à partir de ballons météorologiques qui s’élèvent dans la stratosphère et de satellites météorologiques.
Outre le processus d’initialisation, le traitement de ces observations nécessite une puissance de calcul importante. Les modèles météorologiques modernes s’appuient sur une série d’équations mathématiques pour prédire les conditions météorologiques futures. La plupart de ces équations sont des équations aux dérivées partielles non linéaires et ne peuvent donc pas être résolues exactement, et des méthodes numériques sont souvent utilisées pour obtenir des solutions approximatives. De plus, différents modèles utilisent différentes méthodes de résolution, qui peuvent inclure des méthodes aux différences finies ou des méthodes spectrales.
Post-traitement et prédiction intégrée
Même après traitement, les prédictions numériques ne sont jamais parfaites, c'est pourquoi des statistiques de sortie de modèle (MOS) ont été développées pour corriger les prédictions. Ces modèles statistiques sont ajustés en fonction des champs tridimensionnels générés par les modèles numériques, des observations de surface et des conditions climatiques à des endroits précis. Ils peuvent corriger les effets lleol et les biais du modèle, ce qui rend les prévisions plus précises.
Depuis les années 1990, les prévisions d’ensemble sont largement utilisées pour quantifier l’incertitude des prévisions, aidant les météorologues à évaluer la confiance dans les prévisions et à prolonger la période de validité des prévisions.
Cette approche évalue l’incertitude en analysant plusieurs prédictions, soit à partir de différentes paramétrisations physiques du même modèle, soit à partir de conditions initiales différentes. Cela permet non seulement d’améliorer la précision des prévisions météorologiques, mais aussi de favoriser des recherches plus approfondies sur l’impact du changement climatique.
Bien que nos capacités prédictives s’améliorent grâce aux progrès technologiques, de nombreux défis demeurent. À l’avenir, pourrons-nous trouver un meilleur équilibre entre la précision prédictive et le changement climatique ?
