Est-ce qu'il pleuvra demain ou est-ce qu'il fera beau ? De meilleures données et plus de puissance de calcul ont rendu les prévisions météorologiques plus précises.
Mais ne semble-t-il pas que, malgré les promesses d'un été ensoleillé, il faudra encore prévoir des plans d'urgence pour les activités intérieures ? Pourquoi est-il si difficile de prévoir la météo ? Nous avons interrogé Nikolaos Kourentzes, chercheur en prévision à l'Université de Skövde.
Avec une puissance de calcul accrue et de bonnes données, les prévisions météorologiques se sont améliorées. Mais ils ne sont pas infaillibles. Nikolaos Kourentzes est professeur d'informatique à l'université de Skövde et expert en prévision.
Il a aidé le Fonds monétaire international à développer des outils de prévision pour fixer les taux d'intérêt et a également travaillé avec des modèles climatiques et des modèles statistiques météorologiques plus simples pour des applications dans le domaine des énergies renouvelables.
Il estime que nous devons réfléchir à ce que nous attendons des prévisions. Les prévisions à court terme sont généralement basées sur de grands modèles de simulation météorologique. Ceux-ci peuvent montrer comment différentes parties des systèmes météorologiques interagissent et s’influencent mutuellement. Cependant, ces informations sont généralement réduites à quelques informations clés pour nous, amateurs de météo, telles que la température et les précipitations.
Les prévisions peuvent afficher avec précision diverses données météorologiques telles que le rayonnement solaire, le vent et la pression atmosphérique, mais si elles prédisent légèrement la température, de nombreuses personnes rejettent l'intégralité des prévisions.
La météo est pour beaucoup une expérience personnelle et, en tant qu’amateurs de météo, nous manquons de définitions et de mesures précises. Combien de gouttes de pluie faut-il pour que vous considériez qu’il pleut ? Il illustre cela avec un exemple.
"Je viens de Grèce, et même une petite averse, c'est trop, donc je dirais qu'il pleut en Suède. Mais j'ai aussi travaillé en Angleterre, et mes collègues là-bas diraient probablement que le temps est très sec et magnifique en Suède. Ce que je veux dire, c'est que sans mesures bien définies que nous pouvons suivre, l'expérience personnelle jouera un rôle important lorsque nous ferons des déclarations sur l'exactitude des prévisions météorologiques."
Les prévisions sont donc meilleures qu’on ne le pense. De plus, comme pour toutes les prévisions, nous avons tendance à nous souvenir plus clairement des mauvaises, par exemple lorsque le mauvais temps gâche un déjeuner en plein air prévu. Les jours précédents, lorsque nous sommes occupés par notre travail ou d'autres activités, les prévisions peuvent être très précises sans que nous nous en rendions compte.
Modèles complexes
Un autre aspect à considérer est la complexité des modèles de simulation. Les systèmes météorologiques sont chaotiques et notre compréhension de la physique qui les sous-tend est encore incomplète. De petites erreurs peuvent avoir des impacts importants au fil du temps.
"Des erreurs peuvent facilement s'infiltrer dans les modèles de simulation. Parce qu'il s'agit de grands modèles et de systèmes chaotiques, les prévisions à court terme sont fiables, mais avec le temps, la petite erreur au début peut fausser les prévisions à long terme."
La puissance de calcul et les données satellitaires ont fait des merveilles pour la qualité des prévisions météorologiques, mais pour obtenir de bonnes prévisions à long terme, d'autres modèles peuvent être nécessaires :des modèles qui, en plus de la physique, s'appuient sur l'IA et des statistiques sur la façon dont le temps a tendance à se comporter. .
Pour obtenir des prévisions encore meilleures à l'avenir, Kourentzes estime que les météorologues et les prévisionnistes « réguliers » doivent se rencontrer et collaborer. Les recherches régulières en matière de prévision traitent rarement des prévisions météorologiques car elles sont considérées comme une affaire de physiciens plutôt que de statisticiens. Il pense que la vérité se situe probablement quelque part entre les deux.
"Nous devrions combler ce fossé au sein de la communauté des chercheurs. Actuellement, les deux groupes ne se comprennent pas en matière de jargon et de méthodes de modélisation. Avec notre expertise respective, plus de puissance de calcul, d'IA et une meilleure compréhension de la physique, je je suis convaincu que nous pouvons faire des prévisions encore meilleures à l'avenir."
Fourni par l'Université de Skövde
