Newsletter
La thèse de doctorat d'un membre de l'IRM permettra d'améliorer les prévisions d'orages
Le 5 juin 2023, Michiel Van Ginderachter, chercheur à l'IRM, a reçu son doctorat de l'Université de Gand après avoir soutenu sa thèse "A Model-Error Based Sampling Method for Stochastic Tendencies in Ensemble Predictions". La recherche consistait à comparer différentes méthodes de modélisation des orages dans le modèle ALARO de l'IRM et à développer une méthode de calcul de l'incertitude de ces prévisions.
L'incertitude des prévisions dans les modèles météorologiques
Dès le développement des premiers modèles météorologiques numériques dans les années 1920, l'idée qu'une prévision météorologique doit toujours être accompagnée d'une estimation de son incertitude a prévalu. Cette idée a été renforcée par les travaux d'Edward Lorenz dans les années 1960, qui a montré que pour les systèmes chaotiques, tels que les modèles météorologiques décrivant l'état de l'atmosphère, l'incertitude est variable et dépend de l'état de l'atmosphère elle-même.
La nature chaotique des modèles météorologiques signifie que les (petites) erreurs dans l'état initial de la prévision (dues aux erreurs de mesure dans les observations, entre autres) et les erreurs causées par les approximations utilisées dans le modèle météorologique peuvent rapidement devenir plus importantes, entraînant une certaine incertitude sur les prévisions.
Les ensembles
Ce n'est que dans les années 1990, lorsque la puissance de calcul des ordinateurs a rapidement augmenté, que des techniques probabilistes, utilisant différentes prévisions à partir d'états initiaux sélectionnés de manière aléatoire, ont pu être utilisées. Dans le domaine des prévisions météorologiques numériques, on parle alors de prévisions d'ensemble ou de systèmes de prévision d'ensemble.
Dans ces systèmes, l'incertitude dérivée de la formulation du modèle est également échantillonnée. Cela se fait généralement en modifiant (perturbant) les paramètres incertains du modèle dans les différentes prévisions.
Au cours de cette thèse, l'accent a été mis sur la détermination de l'incertitude associée aux approches de la formulation des modèles. Certains processus physiques dans l'atmosphère sont trop complexes ou se produisent à une échelle si petite qu'ils ne peuvent être décrits avec précision dans les modèles météorologiques. Ils sont alors calculés de manière simplifiée dans le modèle, ce qui entraîne également une perte de précision des prévisions. Contrairement aux systèmes d'ensemble plus conventionnels, ce doctorat a étudié dans quelle mesure la perte de précision des prévisions, lorsque la représentation d'un processus physique est remplacée par une approximation inférieure, peut être capturée par une approximation probabiliste de l'erreur introduite dans le modèle.
Cela pourrait être utile pour les futurs systèmes de prévision d'ensemble, où l'on privilégie souvent l'efficacité du temps de calcul de l'ordinateur au détriment de la précision de la prévision.
Les erreurs des modèles liées aux orages
Le doctorat portait spécifiquement sur l'erreur de modélisation associée à la modélisation de la convection profonde donnant lieu à des orages. Un choix pertinent, puisqu'actuellement un nombre croissant de systèmes de prévision d'ensemble opèrent à haute résolution (de 7 à 2 km) et où la modélisation des orages pose plusieurs défis.
L'erreur de modèle a été étudiée à l'aide du modèle ALARO co-développé par l'IRM et utilisé de manière opérationnelle par les prévisionnistes. En raison des hypothèses de base complémentaires et cohérentes utilisées dans le développement du modèle ALARO, différentes configurations peuvent être utilisées pour modéliser les orages. Au cours du travail de thèse, les prévisions avec ces différentes configurations ont été comparées. Sur base de cette comparaison, l'erreur de modèle liée à la convection profonde a pu être étudiée en détail et caractérisée statistiquement.
Dr Michiel Vanginderachter (à l'extrême gauche) lors de sa défense publique de thèse de doctorat à l'Université de Gand, le 5 juin 2023
Un nouveau schéma de perturbation
Ensuite, en utilisant cette caractérisation statistique de l'erreur du modèle, un nouveau schéma de perturbation expérimentale a été développé, visant spécifiquement à estimer l'incertitude associée à la prévision des orages.
L'un des aspects innovants réside dans le fait que le modèle ALARO permet une perturbation directe des flux verticaux d'énergie et d'air. Par conséquent, toutes les lois de conservation (énergie, humidité) restent respectées, ce qui n'est pas toujours le cas dans d'autres schémas de perturbation.
L'évaluation a montré que le schéma de perturbation a un effet positif sur les scores probabilistes des prévisions d'ensemble de toutes les variables atmosphériques pertinentes (voir figure) et en particulier dans les couches d'air supérieures.
Le score de compétence probabiliste (CRPSS) en fonction du temps de prédiction (leadtime) de la prédiction d'ensemble originale (noir) et de deux configurations de prédictions d'ensemble avec le nouveau schéma de perturbation (jaune et rouge). Plus le score est élevé, mieux c'est. Les scores sont comparés ici à une prévision de référence avec une représentation plus avancée des orages. Les valeurs négatives signifient que les prévisions sont moins bonnes que celles du modèle de référence, tandis que les valeurs positives indiquent que le nouveau schéma de perturbation améliore les prévisions par rapport au modèle de référence.
