Un modèle statistique qui caractérise mieux la nature changeante des conditions météorologiques extrêmes sur des zones plus vastes pourrait aider les climatologues à planifier les catastrophes liées aux conditions météorologiques.

Une augmentation de la gravité des événements météorologiques extrêmes dans le monde, comme les sécheresses et les inondations, crée un besoin d'informations qui nous aideront à mieux planifier ces événements extrêmes. Bien que de vastes volumes de données météorologiques soient enregistrés chaque jour à travers le monde, l'extraction d'informations cruciales sur les événements extrêmes sollicite énormément la puissance de calcul et se limite à l'analyse sur quelques emplacements seulement.

Raphael Huser et son ancienne postdoctorante Daniela Castro-Camilo ont maintenant développé un modèle statistique plus efficace en termes de calcul pour répondre à ces contraintes.

"L'un des principaux défis des statistiques météorologiques extrêmes est de décrire la relation entre les observations extrêmes, tels que les changements de précipitations à plusieurs endroits, " explique Castro-Camilo. " Les modèles et méthodes actuels ne peuvent traiter qu'un nombre limité d'emplacements à la fois et ne sont pas assez flexibles pour capturer toutes les différentes dynamiques que nous voyons dans les données de précipitations. "

Pour prédire avec précision la fréquence et l'ampleur d'un événement météorologique extrême dans une zone, Castro-Camilo et Huser se sont concentrés sur la structure de dépendance, qui décrit à quel point, et de quelle manière, les données à plusieurs endroits sont liées les unes aux autres.

« Alors que les événements deviennent plus extrêmes, ils ont également tendance à devenir moins dépendants, " dit Castro-Camilo. " Ce comportement est bien reconnu dans les données climatologiques, mais les modèles classiques aux valeurs extrêmes ne sont pas en mesure de décrire cette caractéristique. Notre modèle peut le faire."

Le modèle de Castro-Camilo et Huser permet d'estimer la structure de dépendance à partir de chaque station de mesure, puis de l'interpoler efficacement entre les stations sur une grille spatiale fine en utilisant une approche de calcul hautement parallélisée.

« Les principaux défis de cette étude étaient en fait de calcul, " dit Castro-Camilo. " Heureusement, nous avons eu accès au supercalculateur Shaheen II de KAUST, ce qui nous a permis d'obtenir des résultats en quelques jours plutôt qu'en mois que nous aurions dû attendre avec un ordinateur standard."

Grâce à leur nouvelle approche, les chercheurs ont analysé les événements extrêmes dans les données de précipitations dans l'ensemble des États-Unis contigus, un total de 1218 stations météorologiques et une échelle sans précédent pour une telle analyse. Ils ont constaté que la dynamique qui régit les événements de précipitations extrêmes diffère fortement d'une région à l'autre, et ils ont identifié assez clairement des zones spécifiques où les niveaux dangereux simultanés de précipitations sont plus fréquents.

"Notre approche peut également être utilisée avec d'autres types de données climatologiques car elle a été développée spécifiquement pour traiter des problèmes de grande dimension impliquant de nombreuses stations de mesure, " dit Castro-Camilo.