Prévoir la météo est un travail difficile. Pour viser juste, les météorologues utilisent des données météorologiques du présent et du passé pour prédire l’état futur de l’atmosphère et son impact sur les phénomènes climatiques. Pour réaliser des prévisions précises, les météorologues recueillent des observations météorologiques sur la température, la pression atmosphérique, l’humidité, les précipitations, la vitesse du vent et d'autres éléments à partir de stations, de satellites et de ballons météorologiques du monde entier. Comme ces conditions météorologiques continuent de changer au fil du temps, la quantité de données générées est stratosphérique.
Pour transformer ces données en prévisions météorologiques précises, il faut modéliser les interactions entre des milliers, voire des millions de variables en flux constant – un calcul connu en mathématiques sous le nom « d'équation différentielle hydrodynamique ». Ces équations mathématiques sont si complexes et impliquent tellement de données qu’elles sont généralement exécutées sur des supercalculateurs.
Les prévisions météorologiques basées sur ces équations sont appelées des prévisions météorologiques numériques, et les programmes informatiques qui les exécutent sont appelés des modèles météorologiques.
Les modèles météorologiques sont des simulations informatiques de l'atmosphère.
L'atmosphère de la Terre est une couche d'air d'une soixantaine de kilomètres de haut, dans laquelle l'air, un fluide, se déplace selon des relations chimiques et thermodynamiques complexes. En théorie, ces flux d'air peuvent être calculés à l'aide des lois de la physique et des mathématiques, à condition de disposer de suffisamment de données, d'une puissance de calcul adéquat et d'une équation permettant de décrire avec précision l'interaction entre les différents éléments.
C'est sur ces trois éléments que repose tout modèle de prévisions : des données météorologiques, une puissance de calcul suffisante et une équation qui simule les interactions de différentes conditions dans l'atmosphère.
Pour qu’un programme informatique puisse produire des prévisions sur l’état futur de l’atmosphère, il doit d’abord ingérer des données météorologiques actuelles pour la région qui sera décrite par le modèle. On classe généralement les modèles météorologiques en deux catégories : les modèles locaux, axés sur une localisation précise, et les modèles globaux, qui visent à prévoir précisément le temps partout dans le monde.
Ces deux types de modèles utilisent un processus similaire ; seule leur échelle change. Les observations météorologiques sont effectuées à l’aide de stations, de ballons-sondes, de bouées, de radars, de satellites météorologiques et plus encore. Ces instruments permettent de recueillir des données sur les orages et les précipitations, la vitesse et la direction du vent, la température et la pression de l’air et bien d'autres éléments. Ces données initiales, issues d’un instant T, sont appelées les « conditions initiales » du modèle. Elles sont mises à jour périodiquement à intervalles réguliers.
Les données de ces conditions initiales sont regroupées dans une grille, un ensemble tridimensionnel de points qui couvre la région du modèle et s'étend vers le haut dans l'atmosphère. Les points sur la grille ne représentent pas le lieu où les observations météo ont été réalisées. Ils sont générés par ordinateur et forment un ensemble d'emplacements équidistants dans des directions horizontales et verticales. À chaque point de la grille, le programme informatique exécute le modèle pour générer une prévision numérique propre à cet emplacement, et ce processus est répété jusqu'à ce que les calculs soient effectués pour l'ensemble de la grille.
À partir de ces conditions initiales, le modèle peut avancer graduellement dans le temps pour commencer à prédire les flux de l'atmosphère et les conditions météorologiques qui peuvent en résulter.
Le nombre de points dans la grille et l'espace entre chaque point affectent la précision du modèle de prévision : un modèle avec un nombre élevé de points de grille est dit « haute résolution » et offre une précision accrue, mais cela nécessite une puissance de calcul plus élevée.1
Même les modèles de prévision les plus simples utilisent des équations mathématiques complexes, et plus un modèle utilise de données, plus il y a de puissance informatique nécessaire. Les modèles de prévision les plus sophistiqués et les plus précis au monde, comme le modèle ECMWF et le High-Resolution Rapid Refresh (HRRR) utilisé par la NOAA, tournent sur des supercalculateurs capables d'effectuer 12 quadrillions de calculs par seconde.2 En revanche, les modèles météorologiques plus simples avec moins de points de données sont moins gourmands en puissance de calcul et n'ont pas besoin d'être exécutés sur des supercalculateurs.3
La météo est ce que l'on appelle un système chaotique : comme elle implique de nombreuses variables interdépendantes, les petites variations dans les conditions initiales, p. ex. une différence de 300 m/h dans la vitesse du vent, peuvent vite s'enchaîner et avoir des effets importants sur le reste du système, ce qui rend ses comportements difficiles à prévoir au fil du temps.
En raison du nombre de variables et d'inconnues impliquées dans un système météorologique, les scientifiques s'appuient souvent sur ce qu'on appelle une « prévision d'ensemble ». Dans les prévisions d'ensemble, plusieurs exécutions d'un même modèle sont effectuées, chacune avec des paramètres différents, pour tenir compte des incertitudes existantes. Cet ensemble complet de ces prévisions peut être utilisé pour modéliser une plage d'états futurs potentiels pour l'atmosphère et ainsi fournir une prévision probabiliste du temps à venir.4
Les météorologues utilisent un vaste éventail de modèles pour prédire le temps, souvent en fonction de ce qu'ils souhaitent prévoir exactement. En effet, un modèle local limité à une région précise fournira des informations très différentes de celles d'un modèle global couvrant toute la Terre. Chaque modèle météorologique implique des choix quant aux données à inclure, aux équations mathématiques qui créeront les meilleures simulations des phénomènes atmosphériques et à la manière de hiérarchiser les types de prévisions les plus importants.
Aucun modèle ne peut prévoir tous les phénomènes météorologiques avec une grande justesse. Aussi, les météorologues élaborent leur modèle autour des informations qu'ils souhaitent prédire : ils doivent faire le bon choix pour obtenir un résultat aussi précis que possible.Par exemple, les modèles conçus pour fournir des prévisions très précises à court terme (jusqu'à 3 jours), à moyen terme (3-15 jours) et à long terme (10 jours à 2 ans) requièrent des approches différentes.Un expert cherchant à établir des prévisions à court terme privilégiera ainsi un modèle de méso-échelle, qui intègre des informations recueillies à des points situés jusqu'à 1 000 km d'altitude dans l'atmosphère, car ce type de données permet d'établir des prévisions à court terme plus précises. Pour des prévisions à long terme plus fiables, un météorologue peut préférer un modèle sans méso-échelle, qui exclut les observations météorologiques de l'atmosphère de haute altitude.
Les météorologues cherchent toujours à améliorer les modèles existants et peuvent créer de nouveaux modèles informatiques pour la recherche et les prévisions météorologiques. Les équations mathématiques de modèle étant censées être des simulations de l'atmosphère, les scientifiques testent et ajustent leurs algorithmes pour déterminer ceux qui permettent d'obtenir les prévisions météorologiques les plus précises. Certaines de ces formules sont open source et d'autres sont propriétaires.
Les deux modèles mondiaux les plus connus sont le modèle Global Forecast System (GFS) du National Weather Service et le modèle ECMWF (European Center for Medium-Range Weather Forecast), plus communément appelés modèle américain et modèle européen.
Le GFS est mis à jour quatre fois par jour et offre des prévisions sur 16 jours. L'ECMWF ne se met à jour que deux fois par jour et fournit des prévisions sur 10 jours, mais sa résolution est supérieure et, historiquement, il génère des prévisions plus précises que le GFS.
Un autre modèle de prévision bien connu est le modèle nord-américain à méso-échelle (NAM), un modèle régional à court terme qui couvre toute l'Amérique du Nord et génère des prévisions à 61 heures. Le NAM est construit sur le modèle Weather Research and Forecasting (WRF), un modèle de prévision open source qui alimente également deux modèles largement utilisés gérés par la NOAA (National Oceanic and Atmospheric Administration) : le Rapid Refresh (RR ou RAP) et le High Resolution Rapid Refresh (HRRR).
Il existe d'autres modèles météorologiques, comme celui du Centre météorologique canadien (CMC), du Met Office britannique, du Service météorologique allemand (DWD), du Bureau of Meteorology australien (BoM) et bien d'autres. Chaque modèle est conçu pour établir des prévisions précises qui se concentrent sur différents éléments, intègrent différentes données et emploient différentes équations mathématiques pour produire le type de précision souhaité. Chaque modèle offre son lot d'avantages et d'inconvénients.
Obtenez des informations relatives au climat et à la météo pour anticiper les conditions environnementales perturbatrices, gérer les risques de manière proactive et développer des opérations plus durables.
Anticipez les événements météorologiques extrêmes pour vous y préparer en utilisant les données météorologiques les plus précises au monde
Des produits de prévisions météorologiques précis pour aider tous les secteurs à prendre des décisions commerciales plus rapides et plus intelligentes
Les événements météorologiques violents et les perturbations climatiques peuvent affecter votre résultat net. Mais vous pouvez agir pour atténuer les risques.
Les recherches de la NASA visent à développer des modèles adaptables et réutilisables facilitant l’exploitation de vastes jeux de données pour en tirer des connaissances qui font avancer la science et nous aident à nous adapter à un environnement en constante évolution.
Canicules étouffantes, inondations dévastatrices et feux de forêt incontrôlables : les répercussions du changement climatique se font sentir.
Pour avoir une longueur d'avance dans un environnement en mutation rapide, les entreprises industrielles s'appuient de plus en plus sur l'intégration de la technologie opérationnelle avec les données informatiques.
Les événements météorologiques extrêmes record sont désormais des rappels constants que nos modes de vie, notre économie mondiale et l'environnement sont inextricablement liés.
Les entreprises de services publics ont besoin de données météorologiques pour savoir quand mobiliser leurs équipes.
Notes de bas de page
1 Weather Models, National Oceanic and Atmospheric Administration, 18 mai 2023. (lien externe à ibm.com)
2 Charlotte Hu, NOAA’s powerful new weather forecasting supercomputers are now online, Popular Science, 30 juin 2022. (lien externe à ibm.com)
3 Steve Brenner, What are the WRF - ARW weather model hardware and software requirements?, Research Gate, 2015. (lien externe à ibm.com)
4 About Models, National Weather Service. (lien externe à ibm.com)