Comment sont générées les prévisions météorologiques ?
null
Météorologie
06/09/2023
par
Damien Raynaud
10 min
null
null
Les prévisions météorologiques sont une source d’information capitale pour la planification des activités quotidiennes de nos entreprises. Mais comment sont-elles générées ? Dans cet article, Damien Raynaud, météorologue chez Frogcast, vous livre les secrets de la prévision météorologique.
null
La collecte d’observations météorologiques
null
La prévision de l’évolution des conditions météorologiques dans les jours à venir implique avant tout que l'on connaisse le plus précisément possible l’état actuel de l'atmosphère. Depuis des décennies des réseaux de stations météorologiques ont été développés afin de mesurer en temps réel les paramètres atmosphériques au sol. Ces stations ont été complétées au fil du temps par d’autres réseaux d’observations permettant d’avoir des mesures directes à la surface des océans (bouées météorologiques, capteurs embarqués sur des navires) mais aussi en altitude (radiosondages, capteurs embarqués sur des avions).
Mais c’est depuis les 2 dernières décennies que l’observation de l'atmosphère a franchi un cap avec le lancement de satellites météorologiques de plus en plus nombreux et performants. Ils permettent d’observer l'atmosphère de façon spatialisée et d'estimer des paramètres météorologiques toujours plus nombreux au sol, en surface de l’océan comme sur la verticale de l’atmosphère. Ils sont complétés au sol par d'autres instruments de mesures (radars et lidars) qui eux aussi sondent l’atmosphère et fournissent des informations précieuses sur les nuages et les précipitations.
L’ensemble des capteurs et des mesures associées sont soumis à un contrôle de qualité continu et doivent se plier à des normes définies par l’Organisation Mondiale de la Météorologie.
Le saviez-vous?
La crise du covid entre 2020 et 2022, la diminution du trafic aérien associé et donc des observations météorologiques effectuées par les avions, a eu des conséquences sur la qualité des prévisions météorologiques.
Les modèles de prévision numérique du temps
null
L’atmosphère est pilotée par les équations de la physique et de la thermodynamique avec comme point central l’équation de Navier-Stokes dont on vous épargnera les détails ici 😭.
Pour simuler son évolution, on utilise des modèles mathématiques appelés modèles de prévisions numérique du temps (Numerical Weather Prediction - NWP en anglais). Dans ces modèles, l'atmosphère est découpée en cubes à l’intérieur desquels on considère que les paramètres météo sont homogènes (une seule valeur de température d’humidité.. etc).
Les dimensions horizontale et verticale de ces cubes définissent la résolution du modèle. Plus les cubes sont petits, plus la résolution du modèle est grande. Ce découpage de l'atmosphère est appelé grille du modèle. Prévoir l’évolution du temps avec ces modèles consiste à résoudre ces équations physiques en tout point de la grille et à chaque instant. Plus la grille est fine, plus le modèle sera capable de simuler des phénomènes de petite échelle et de représenter en détails l'atmosphère et les caractéristiques de la surface (ex: topographie). Comme on le verra un peu plus loin, ceci n’est pas sans conséquence sur les ressources de calcul et plus la résolution sera élevée, plus la puissance de calcul nécessaire pour réaliser la prévision sera importante.
Chaque grand centre météorologique développe ses propres modèles de prévisions. Certains sont globaux et fournissent une prévision en chaque point du globes et d’autres sont dits régionaux et ne réalisent leurs calculs que sur un domaine limité. Les résolutions spatio-temporelles, les échéances maximales de prévision, la fréquence de mise à jour sont aussi différentes d’un modèle à l’autre. Chaque nouvelle simulation, généralement effectuée toutes les 3 à 6h, est appelée run .
Le saviez-vous?
Il existe aujourd’hui plusieurs dizaines de modèles météorologiques opérationnels dans le monde. Parmi eux, seulement moins de 10 sont globaux.
Le déroulement des prévisions météorologiques
null
Pour effectuer ses calculs et prévoir l’évolution du temps, le modèle a besoin que lui soit fourni une description fine de l’état actuel de l’atmosphère en chacun de ses points de grille. C’est ici que les observations météorologiques collectées précédemment entrent en jeu. À partir d’une technique appelée assimilation de données, un état initial de l'atmosphère va être généré en fusionnant l’information provenant du run précédent du modèle (exemple prévision H+6 du run effectué 6 heures auparavant) et les observations réalisées depuis. On construit ainsi une carte 3D de l’atmosphère, complète, et tirant profit des mesures météo directes et indirectes disponibles depuis la dernière prévision.
Les calculs peuvent enfin être lancés ! En chaque point de grille et à chaque pas de temps, le modèle va devoir résoudre un jeu d’équations complexes et très coûteuses en ressources informatiques. Les calculs vont prendre généralement quelques dizaines de minutes grâce à l’utilisation de supercalculateurs capables d’effectuer un nombre impressionnant d’opérations par secondes. Par exemple, le dernier supercalculateur utilisé par Météo-France, mis en service en 2021, possède pas moins de 300 000 coeurs capables d’effectuer plus de 20 millions de milliards d’opérations par seconde. Le produit final en sortie est une prévision en 4D (latitude, longitude, altitude et temps) de l’évolution de l’atmosphère dans les heures et les jours à venir.
Le saviez-vous?
Vu de l’extérieur, les supercalculateurs ressemblent à une succession d’armoires contenant les processeurs de calcul et stockées dans une pièce de plusieurs dizaines de m2. La chaleur générée par les opérations est telle qu’elle nécessite l’utilisation de circuits de refroidissement hydrauliques.
Fiabilité de prévision et atmosphère chaotique
null
Au cours de ces trois dernières décennies, la capacité de calcul disponible a été multipliée de plus de dix millions. De plus, les réseaux d’observations, toujours plus denses, permettent d’alimenter les modèles avec des données de qualité. La compréhension des processus physiques en jeu dans l’atmosphère à elle aussi grandement évolué grâce à la recherche scientifique dans le domaine. Alors comment expliquer qu’il arrive encore que la fiabilité des prévisions soit remise en cause ?
Au début des années 70, Edward Lorenz développa un modèle météorologique extrêmement simplifié afin de qualifier le comportement de l'atmosphère. Son expérience consista à alimenter ce modèle avec deux états initiaux extrêmement proches. Il lança ensuite ses calculs et compara les trajectoires météorologiques issues de ces points de départ. Les résultats mirent en évidence qu’après seulement quelques itérations du modèle, les deux trajectoires commencèrent à diverger significativement avant de finalement dépeindre deux états de l'atmosphère complètement différents. Lorentz venait de prouver le caractère chaotique de l'atmosphère et présenta ses résultats en conférence en 1972 avec un titre maintenant devenu célèbre : “Prédictibilité : le battement d'ailes d'un papillon au Brésil peut-il provoquer une tornade au Texas ?”. Le fameux effet papillon est né.
Cette étude a permis d'illustrer le comportement extrêmement complexe de l’atmosphère. Des imprécisions dans l’état initial fourni au modèle, même infimes, ou dans la modélisation des processus météorologiques de très petite échelle, tels que la turbulence, entraînent irrémédiablement des erreurs qui se propagent dans la prévision et s'amplifient au fil de la simulation. Heureusement, les météorologues ont plus d’une corde à leur arc et ont appris à pallier aux sources d’incertitude. Ils utilisent par exemple ce qu’on appelle la prévision d’ensemble en reprenant l’expérience de Lorentz à plus grande échelle: Puisqu’il est impossible de décrire parfaitement l’état de l'atmosphère en chaque point, le modèle météorologique ne sera pas lancé avec un seul état initial mais avec un jeu d’états initiaux prenant en compte l'incertitude sur les points où aucune mesure n’est disponible. Il en résulte autant de scénarios météorologiques qui permettent ensuite d’évaluer la prévision la plus probable pour les jours à venir. Ces techniques, extrêmement coûteuses en temps de calculs, sont maintenant réalisables grâce aux supercalculateurs.
Le saviez-vous?
Avec l’amélioration continue des techniques de prévisions, une prévision à 5 jours réalisée aujourd’hui est aussi fiable qu’une prévision à 24 heures dans les années 80. Actuellement, on considère que les prévisions météorologiques fournissent une information pertinente jusqu’à 8 à 10 jours d’échéance.
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
Testez gratuitement !
null
null
null
null
null
null
Suivez la Grenouille !
Vous permettre d’intégrer facilement des prévisions météorologiques fiables, à travers une API simple et efficace, c'est la promesse de Frogcast ! Alors rejoignez-nous dès maintenant, en connectant votre application directement à l'API de Frogcast !
