L'ouragan Ida a été l'un des ouragans les plus intenses et les plus dévastateurs de l'histoire de la Louisiane. La violente tempête est devenue un ouragan de catégorie 1 vendredi, 27 août. Il a ensuite gravi deux autres catégories en deux jours, passer de la catégorie 3 à 4 en seulement une heure.

Heureusement, les modèles de prévision nous aident à prédire quand, où, et à quel point les ouragans peuvent frapper. Mais une intensification aussi rapide – l'exemple le plus récent d'Ida – peut échapper aux prédictions même des meilleurs modèles. Prédire avec précision les brèves périodes au cours desquelles ces violentes tempêtes surgissent et se renforcent est un angle mort persistant au sein de la communauté des prévisionnistes des ouragans.

Maintenant, grâce à un nouveau modèle développé par des chercheurs du Pacific Northwest National Laboratory du ministère de l'Énergie, une meilleure prévision de l'intensité des ouragans dans un avenir proche et dans des scénarios climatiques futurs est à portée de main. En utilisant des techniques d'intelligence artificielle, l'équipe a créé un modèle qui peut, en moyenne, prédire avec plus de précision l'intensité des ouragans par rapport aux modèles utilisés au niveau national. Et il peut fonctionner sur un ordinateur portable commercial.

Combler une lacune dans les prévisions d'ouragan

Certains modèles d'ouragan suivent les relations statistiques entre le comportement et les emplacements des tempêtes. D'autres calculent des mouvements complexes en jeu dans l'atmosphère terrestre. Lorsqu'ils sont couplés, de tels modèles aident les commandants d'intervention à organiser des ressources telles que des hélicoptères ou des bateaux de sauvetage afin que les communautés côtières soient mieux préparées à faire face à ces catastrophes naturelles.

Mais, comme toute simulation d'un système extrêmement complexe, ces modèles font des erreurs.

"Il y a tellement d'exemples d'échec des prévisions d'ouragans, " a déclaré le scientifique de la Terre du PNNL Karthik Balaguru, qui a co-écrit l'étude. "Si vous dites à tout le monde que la tempête sera de catégorie 2, mais du coup ça devient une catégorie 4, bien sûr, c'est un énorme problème."

Pour répondre au besoin de meilleures prévisions d'intensité, Balaguru et ses coauteurs se sont tournés vers l'apprentissage en profondeur :un type d'apprentissage automatique dans lequel les chercheurs alimentent en informations des algorithmes qui, dans ce cas, détecter les relations entre le comportement des ouragans et les facteurs climatiques comme la chaleur stockée dans l'océan, vitesse du vent, et la température de l'air. Les algorithmes forment ensuite des prédictions sur le chemin qu'une tempête peut prendre, à quel point il pourrait devenir fort et à quelle vitesse il pourrait s'intensifier.

Le nouveau modèle, a déclaré Wenwei Xu, scientifique des données du PNNL, qui a dirigé l'étude, repose sur les mêmes données que les autres modèles d'ouragan. Mais il diffère dans son utilisation des réseaux de neurones :un système de neurones artificiels qui imitent le calcul du cerveau humain, permettre au modèle de faire des prédictions.

« Il y a eu une explosion des capacités de modélisation rendues possibles par l'apprentissage en profondeur depuis environ 2015, " a déclaré Xu. " Nous avons vu l'apprentissage automatique incorporé dans d'autres domaines, mais pas dans les prévisions opérationnelles des ouragans. » Seule une poignée d'études ont appliqué des techniques d'intelligence artificielle pour former des prédictions autour des ouragans.

Comprendre les ouragans dans un monde plus chaud

L'équipe est particulièrement enthousiasmée par la capacité du modèle à prévoir comment le comportement des ouragans peut changer dans différents scénarios climatiques. La National Oceanic and Atmospheric Administration prévoit que l'intensité des ouragans augmentera, en moyenne, de 1 à 10 % dans un avenir plus chaud, apportant avec eux une plus grande force destructrice, selon des modèles qui projettent deux degrés Celsius de réchauffement climatique.

Des recherches antérieures menées par Balaguru et d'autres scientifiques du PNNL ont montré que les ouragans majeurs s'intensifient plus fortement et plus rapidement aujourd'hui qu'au cours des 30 dernières années. Le nouveau modèle peut générer des milliers d'ouragans simulés, dit Balaguru, offrant la chance de mieux comprendre comment le risque évolue dans un monde plus chaud.

"Si vous connaissez l'état de l'océan et de l'atmosphère aujourd'hui, " dit Balaguru, " et tu connais l'état de la tempête, pouvez-vous prédire ce qu'il en sera 24 à 48 heures plus tard ? Qu'en est-il 30 ans plus tard, quand il y a beaucoup de réchauffement climatique et que nous avons un climat différent ? C'est un autre problème, une autre série de questions, et notre modèle peut y répondre."

Ce pouvoir devrait également aider à résoudre un problème de longue date de rareté des données au sein de la communauté des prévisions. Seulement 8 à 10 ouragans frappent en un an, dit Balaguru, et les enregistrements solides des données sur les ouragans n'ont commencé que lorsque l'utilisation des satellites s'est généralisée il y a environ 40 ans. Produire davantage d'ouragans simulés signifie que davantage de données sont disponibles pour aider à développer davantage une compréhension de base du comportement des ouragans.

Techniques de test

Pour explorer le pouvoir prédictif du modèle, l'équipe a effectué des tests pour simuler une prévision opérationnelle en temps réel. D'abord, ils ont formé le nouveau modèle en lui fournissant des données climatiques connues des ouragans passés, jusqu'en 2018. Le modèle a ensuite formé des prédictions pour les années 2019 et 2020 sur la base de ce qu'il avait appris des données passées. Les chercheurs ont comparé les prévisions du nouveau modèle à plusieurs autres modèles de prévision utilisés au niveau national en comptabilisant les erreurs de prévision de chaque modèle.

La nouvelle technique a réduit les erreurs de prédiction de l'intensité jusqu'à 22 % par rapport aux modèles conventionnels. "Même une amélioration de cinq pour cent est un gros problème, " a déclaré Balaguru. En moyenne, il ajouta, l'ampleur de l'erreur est réduite dans les modèles d'ouragan conventionnels d'environ un pour cent chaque année. La nouvelle technique a également correctement prédit plus d'exemples d'intensification rapide que les modèles de comparaison.

La nouvelle technique nécessite beaucoup moins de puissance de calcul que de nombreux autres modèles, si peu qu'elle peut fonctionner sur un ordinateur portable commercial, donnant accès à ceux qui ne travaillent pas avec des ordinateurs hautes performances.

Ce travail a été soutenu par Deep Learning for Scientific Discovery Science Agile Investment du PNNL, ainsi que le domaine de programme MultiSector Dynamics de l'Office of Science du DOE. Un soutien supplémentaire a été fourni par le domaine de programme Analyse des modèles régionaux et mondiaux au sein du Bureau des sciences. Le code modèle appliqué dans le cadre de l'étude est disponible pour un usage public. Les auteurs prévoient de partager les résultats du modèle avec d'autres groupes de recherche collaborative sur les ouragans.

L'étude, "Expériences d'apprentissage en profondeur pour les prévisions d'intensité des cyclones tropicaux, " dans lequel ce modèle est décrit, a été publié dans le numéro d'août de Weather and Forecasting, un journal de l'American Meteorological Society.