Les modèles météorologiques - Cours météo
La prévision du temps est aujourd’hui incontournable, mais pour prévoir la couleur du ciel de demain, les météorologues ont besoin des modèles de simulation de l’atmosphère.
Il est bien connu que pour tenter de prédire les aspects comportementaux d’un système, il est nécessaire de créer son modèle approximatif mathématique. Aussi bien valable en économie qu’en météorologie, ce modèle doit être défini à partir de lois d’évolution. En le faisant « tourner » on simule alors le comportement du système à différentes échéances à partir d’un état initial préalablement défini.
L’atmosphère étant un vaste espace et les lois qui la régissent étant complexes, les modèles numériques réalisent un nombre incommensurable d’opérations arithmétiques. Le traitement humain paraît donc impossible et il a fallu attendre le développement des ordinateurs dans les années 50 pour pouvoir espérer modéliser l’atmosphère. Aujourd’hui, il est quasiment impossible de se séparer de ces méthodes de calcul, car le modèle météorologique informatique est à la base de toute prévision du temps.
De nombreux paramètres sont pris en compte dans les modèles : variables d’état de l’atmosphère et au niveau du sol (températures, humidité, vent, etc) ; processus physiques au niveau de l’atmosphère et du sol ou encore l’interaction entre le sol et l’atmosphère (et inversement). Grâce à toutes ces données, les supercalculateurs sont en mesure de créer des cartes de modélisations numériques.
1 | Les bases de la modélisation
L’atmosphère est régi par des lois. Ces lois sont exprimées sous forme d’un système d’équations différentielles dont il est encore impossible d’en connaître mathématiquement les solutions. Pour autant, il est possible d’exprimer des solutions approchées en faisant appel à des méthodes numériques : les modèles de calcul. C’est pour cette raison que la météorologie est une science inexacte : on ne connaît que des prévisions approchées du temps. L’atmosphère est composée d’une infinité de points et le temps se découpe en une infinité de périodes.
Pour des soucis de calcul, il est nécessaire de réduire l’infinité de degré de liberté du système à résoudre en lui prodiguant une échelle spatio-temporelle caractéristique du modèle. On découpe ainsi l’atmosphère de façon à obtenir un nombre fini de morceaux et un nombre fini d’échéances : c’est la numérisation. Cette discrétisation créée un réseau constitué de points situés à l’intersection de méridiens et de parallèles et ce, à différentes altitudes. Ce réseau de points, également appelé grille définit alors la maille du modèle comme la distance horizontale séparant deux points deux à deux opposés.
De plus, le modèle est également caractérisé par le nombre de niveaux verticaux définissant ainsi la stratification atmosphérique et par le pas de temps qui sépare deux échéances de calcul. Toutefois, ces caractéristiques sont toutes reliées et dépendent les unes des autres pour assurer la stabilité du modèle numérique. On attribue de cette façon une valeur à chaque morceau d’atmosphère créé. Plus la grille est lâche, plus les champs calculés sont lissés.
Le modèle calcule alors l’évolution d’un certain nombre de paramètres physiques au sein d’une portion d’atmosphère au cours d’échéances successives. Cela dit, pour calculer les paramètres d’un instant t à un instant t+dt, il est nécessaire de connaître l’état du fluide atmosphérique à l’instant t pour ensuite le faire évoluer. On pose alors le problème de la condition initiale qui va permettre le démarrage de la modélisation. Ce problème est fondamental puisque c’est de la condition initiale que va déboucher sur un scénario. Si cette condition est faussée alors tout le calcul sera illusoire.
A. Processus d’assimilation des données
Cette première étape consiste à recueillir toutes les données d’observations (manuelles ou automatiques) issues des stations météorologiques terrestres et maritimes, des satellites, des radars de précipitations, des radiosondages…etc, soumis aux mêmes normes qui parviennent au centre de calcul.
Dans la mesure où les observations météorologiques sont continues varient sans cesse, il est nécessaire de faire tourner plusieurs fois par jour les modèles numériques afin d’avoir des scénarios toujours plus proches de la réalité. Il est ainsi possible de faire jouer « observations » et « ébauche » selon un cycle d’assimilation. A chaque heure d’observation synoptique principale (00 TU, 06 TU, 12 TU, 18 TU) on réalise l’analyse.
B. Résolution des équations et modélisation
Dans un second temps, place à la modélisation. Les modèles météorologiques modernes utilisent plusieurs équations d’évolution de l’atmosphère :
- Équation du mouvement
- Équation de conservation de la masse totale
- Équation d’état des gaz parfaits
- Équation de la thermodynamique
A partir de ces équations et de l’état initial décrit ci-dessus, le calculateur est chargé de résoudre un ensemble d’opérations afin de modéliser à des échéances successives les paramètres évoluant dans une portion d’atmosphère (ou maille). L’avancée dans le temps se fait de façon itérative. En l’occurrence le calculateur reprend toujours l’échéance précédente pour modéliser la prévision brute suivante. Ces échéances dépendent du pas de temps caractéristique du modèle et donc finalement de sa maille. Sur les modèles de petites mailles, les données brutes peuvent être calculées toutes les heures (grandes précisions) tandis qu’en cas de grosses mailles, la prévision brute est calculée par pas de 24 heures.
A l’issue de ces deux étapes, il y a création d’un run. Échéance après échéance, le modèle sort des données brutes qu’il est possible de retranscrire au moyen de l’outil informatique sur des cartes.
2 | La prévision ensembliste et déterministe
Il existe deux termes quand on parle de prévision : la prévision déterministe et la prévision d’ensemble. La prévision déterministe concerne les échéances allant de plusieurs heures à 3 ou 4 jours maximum. Quant à la prévision d’ensemble, elle concerne les échéances supérieures à 3 ou 4 jours et comporte plusieurs scénarios (le prévisionniste doit choisir le scénario qui lui semble le plus réaliste).
Le scénario météo parfait n’existe pas malgré tous les efforts réalisés en ce sens. Le processus d’assimilation de données n’est jamais exacte tant le nombre d’observations est important et donc le risque d’erreur tout aussi notable. De ces erreurs, il en résulte une incertitude qui s’amplifie tel un effet papillon au cours des échéances successives de prévision. Les spécialistes ont fini par se rendre compte qu’il était possible de jouer sur cette incertitude croissante en s’intéressant au problème de la connaissance de l’état initial du point de vue des observations. En perturbant légèrement la physique de départ, il est ainsi possible d’obtenir des scénarios théoriquement réalisables mais pourtant tous différents. L’opération réalisée plusieurs fois permet alors d’avoir un certain nombre de perturbations qui sont toutes des états possibles de l’atmosphère. Résultat, il est possible de réaliser des comparaisons entre les scénarios et d’estimer grâce à cela les degrés de fiabilité. Plus les perturbations sont éloignées les unes des autres à un instant t alors plus la fiabilité devient faible. Inversement, plus les perturbations sont ressemblantes alors plus la prévision gagne en fiabilité. Il est également possible de sortir des informations statistiques rigoureuses à partir de ces différents scénarios. On obtient alors le risque de dépassement de seuil d’un paramètre (température, vent, précipitation…etc) en pourcentage. A titre d’exemple, « il y a 40% de probabilité que les cumuls de pluie dépassent les 15 mm le jeudi 20 septembre ».
3 | Les principaux modèles météorologiques
▶ Le modèle GFS (américain)
Le modèle GFS (Global Forecast System) est produit par le National Centers for Environmental Prediction (NCEP). Cet organisme est un regroupement de plusieurs centres nationaux de prévisions météorologiques aux États-Unis. Il fait également partie du National Weather Service (NWS). Parmi les 9 centres nationaux, l’Environmental Modeling Center (EMC) développe particulièrement le modèle GFS.
Le Global Forecast System est initialisé quatre fois par jour : run 00z – run 06z – run 12z – run 18z. Les calculs de prévisions brutes vont jusqu’à 384h (16 jours). Sa résolution horizontale est de 27 km jusqu’à 192h et 70 km de 192 à 384 h. A noter que GFS est un modèle libre et gratuit.
▶ Le modèle ECMWF – CEPMMT (européen)
Le modèle CEPMMT (Centre européen pour les prévisions météorologiques à moyen terme) est un modèle utilisé pour la prévision allant jusqu’à 10 jours. Contrairement au modèle GFS, une grande partie des paramètres du modèle CEPMMT ne sont pas accessibles gratuitement.
Le modèle CEPMMT est initialisé deux fois par jour : run 00z – run 12z.
▶ Le modèle WRF (américain)
Le modèle WRF (Weather Research and Forecasting) est un modèle météo utilisé par le National Weather Service des États-Unis et pour la recherche en simulation de l’atmosphère. C’est un modèle dit de méso-échelle avec une résolution horizontale entre 2 et 15 km. A noter que WRF est un modèle libre et gratuit.
Le Weather Research and Forecasting est initialisé quatre fois par jour : run 00z – run 06z – run 12z – run 18z.
▶ Le modèle ARPEGE (monde)
Le modèle ARPEGE (Action de Recherche Petite Echelle Grande Echelle) est un modèle qui couvre l’ensemble de la planète avec une maille fluctuante selon les zones géographiques (7.5 km en moyenne pour l’Europe). L’échéance de la prévision est de 4 jours.
Le modèle ARPEGE est initialisé quatre fois par jour : run 00z – run 06z – run 12z – run 18z.
▶ Le modèle AROME (français)
Le modèle AROME (Application of Research to Operations at MEsoscale) est un modèle avec une maille très fine (maille de 1.3 km) pour la prévision en France. L’échéance de la prévision est limitée à 36 heures. Ce modèle développé par la météo nationale en France appartient à la dernière génération de modèles. Grâce à sa maille très fine, il permet de mieux appréhender les phénomènes convectifs tels que les orages, et ce grâce à l’intégration de nouvelles données d’observation ou encore la prise en compte de la topographie, des villes, des cours d’eau, de la végétation, etc.
Le modèle AROME est initialisé quatre fois par jour : run 00z – run 06z – run 12z – run 18z.
▶ Le modèle CFS (américain)
Le modèle CFS (Seasonal Climate Forecast) est un modèle saisonnier développé par le National Centers for Environmental Prediction (NCEP) et la NOAA. Il prend en compte les situations du passé et statistiques d’évolution, El Nino, La Nina, l’Oscilliation Nord Atlantique ou encore l’évolution des masses d’air des dernières semaines. Grâce à toutes ces données, les grandes tendances à six mois sont proposées.
