Hervé Henry
Quiconque a été surpris par une averse inattendue sait que les prévisions météorologiques sont une science imparfaite. Aujourd’hui, des chercheurs du Stevens Institute of Technological know-how s’attaquent à l’un des plus grands angles morts des météorologues : les prévisions à très court docket terme, ou prévisions immédiates, qui prédisent ce qui se passera dans un endroit donné au cours des prochaines minutes.
“Il ne s’agit pas seulement de savoir si vous devez emporter votre parapluie avec vous lorsque vous partez en promenade”, a déclaré Temimi. “Les prévisions qui nous manquent – celles qui portent sur un horizon de 2 à 5 minutes – sont précisément ce dont nous avons besoin pour répondre efficacement aux tempêtes, aux inondations et à d’autres conditions d’urgence.”
La NOAA (Nationwide Oceanic and Atmospheric Administration) publie des prévisions de précipitations 24 heures sur 24, mais ses prévisions à courtroom terme ne commencent que quelques heures furthermore tard. L’absence de prévisions immédiates furthermore immédiates entrave les réponses communautaires aux catastrophes soudaines telles que l’ouragan Ida, par exemple, au cours duquel des inondations rapides ont tué plusieurs personnes à New York, a expliqué Marouane Temimi, hydrométéorologue à Stevens dont les travaux paraissent dans le numéro en ligne du 19 août. de modélisation et de logiciels environnementaux.
Les chercheurs du laboratoire de Temimi ont utilisé les données historiques des systèmes radar météorologiques de la NOAA pour tester la précision de sept algorithmes de prévision immédiate différents. En étudiant huit années de données météorologiques de la région de New York, ils ont pu fournir la première comparaison robuste de la précision des modèles dans un significant éventail de circumstances météorologiques. Le travail aidera à déterminer quels modèles fonctionnent le mieux dans un emplacement ou un cas d’utilisation donné.
L’équipe Stevens a étudié des modèles de prévision immédiate déterministes et probabilistes. Alors que la première suppose qu’une cellule de pluie ne changera pas avec le temps, la seconde explique la mother nature chaotique et en constante évolution d’une cellule de pluie, déterminée par la dynamique de l’air chaud et froid dans un nuage. Pour les prévisions sur des périodes de quelques minutes, les deux modèles se sont révélés très précis. Toutefois, sur des périodes allant jusqu’à 90 minutes, les modèles probabilistes se sont révélés nettement in addition précis.
Si les modèles probabilistes sont très précis dans la prévision des événements pluvieux à lengthy et à courtroom terme, pourquoi avoir des modèles déterministes ? La validation des modèles déterministes est utile motor vehicle les modèles probabilistes sont beaucoup moreover exigeants en termes de calcul. Par exemple, LINDA-P, un modèle probabiliste, s’est avéré être le modèle testé le plus précis, mais il faut 15 minutes pour générer une prévision immédiate basée sur les situations actuelles. Par conséquent, il ne peut pas être utilisé pour des projections à très courtroom terme.
Certains modèles fonctionnent également mieux dans certaines conditions : LINDA-P est conçu pour prédire des précipitations torrentielles soudaines, ce qui lui permet de surpasser les autres modèles pendant les mois d’été, lorsque des tempêtes sporadiques mais intenses sont additionally susceptibles de se produire. D’autres modèles effectuent des prévisions granulaires plus sujettes aux erreurs, mais utiles lorsqu’une prévision à plus haute résolution est nécessaire.
“Le place clé à retenir est que nous devons sélectionner des modèles de prévision immédiate en fonction de leur cas d’utilisation prévu”, a déclaré Achraf Tounsi, l’auteur principal de l’article qui a récemment terminé son doctorat dans le laboratoire de Temimi. “Si vous voulez savoir s’il va pleuvoir dans les cinq prochaines minutes, vous avez besoin d’un modèle déterministe. Si vous gérez un aéroport ou un port maritime et que vous souhaitez des données pour les 20 prochaines minutes ou heures, vous serez mieux servi avec un modèle probabiliste.
Temimi et Tounsi examineront les raisons pour lesquelles certains modèles fonctionnent mieux que d’autres dans diverses disorders. En utilisant ces informations pour améliorer les algorithmes et en obtenant des données météorologiques in addition précises, il devrait être doable de développer des modèles de prévision immédiate furthermore polyvalents et moreover précis.
“C’est notre prochaine mission”, a déclaré Tounsi. “Nous espérons développer notre propre modèle de prévision immédiate et lui apprendre à surpasser ceux que nous avons évalués dans cet posting.”
