Une équipe de chercheurs des universités de Lincoln, Sheffield et Reading a développé une nouvelle méthode pour améliorer la prévision des conditions météorologiques saisonnières au Royaume-Uni et dans le nord-ouest de l'Europe.

Le modèle offre un outil puissant pour mieux comprendre les changements dans la circulation atmosphérique et pour effectuer des prévisions météorologiques saisonnières plus précises. Cela pourrait également profiter à de nombreux secteurs, notamment les secteurs de l’agroalimentaire, de l’énergie, des loisirs et du tourisme.

L'étude a donné lieu à la publication de deux articles, dont un dans Applications météorologiques. et un autre dans le International Journal of Climatology .

Pour prédire les conditions météorologiques saisonnières dans le nord-ouest de l’Europe, les principaux centres de prévision météorologique s’appuient actuellement sur des modèles de superordinateurs coûteux. Pour compléter ces méthodes conventionnelles, le groupe a utilisé une méthode d'IA et d'apprentissage automatique connue sous le nom de NARMAX (modèles Nonlinear AutoRegressive Moving Average avec entrées eXogenous) pour prédire l'état du courant-jet et de la circulation atmosphérique de l'Atlantique Nord, tous deux fortement liés à la surface. anomalies de température de l'air et de précipitations.

NARMAX a été utilisé avec succès dans de nombreux autres domaines de recherche, et dans ce cas, les premières prévisions ont été faites pour l'été et l'hiver, pour plusieurs modèles de circulation d'air différents qui affectent généralement la région de l'Atlantique Nord et les conditions météorologiques saisonnières ultérieures du nord-ouest de l'Europe.

Les résultats de l'étude ont montré une grande précision pour les deux saisons et pour les trois modèles de circulation examinés. Ceci est important car les modèles de superordinateurs conventionnels et plus coûteux ont du mal à prédire avec précision les conditions atmosphériques saisonnières dans cette zone en été, ayant tendance à sous-estimer les variations d'une année sur l'autre pour les deux saisons.

De plus, la méthode NARMAX a été utilisée pour analyser les causes possibles des changements de la circulation atmosphérique. Ces informations pourraient être utilisées à des fins d'interprétation et pour aider à améliorer les résultats du modèle du supercalculateur.

Cette avancée pourrait jouer un rôle crucial dans l'amélioration des prévisions saisonnières, ainsi que dans le développement de futurs modèles de prévisions météorologiques, en particulier pendant les mois d'été.

Le Dr Ian Simpson, associé de recherche postdoctoral à l'Université de Lincoln, a commenté :"Nous avons démontré des liens étroits entre les modèles de circulation et de courant-jet et les conditions météorologiques saisonnières de surface dans le nord-ouest de l'Europe.

"Ainsi, après avoir utilisé les modèles NARMAX pour produire des prévisions saisonnières des modèles de circulation, nous pouvons les traduire en prévisions des modèles météorologiques saisonniers, par exemple des anomalies de température et de précipitations, dans le nord-ouest de l'Europe, qui intéresseront un large éventail de parties prenantes.

"Par exemple, fournir des prévisions saisonnières plus précises aidera l'industrie agroalimentaire, en donnant aux agriculteurs une idée des rendements probables pour la saison et de la meilleure façon d'optimiser les systèmes de culture et de planifier la récolte."

Edward Hanna, professeur de sciences du climat et de météorologie à l'Université de Lincoln, a ajouté :« Il s'agit d'un projet passionnant qui a rassemblé diverses disciplines et experts en sciences météorologiques et en apprentissage automatique dans le but d'améliorer les prévisions météorologiques saisonnières et d'appliquer les résultats à utilisateurs finaux.

"Nos articles publiés démontrent le grand potentiel de la modélisation NARMAX pour jouer un rôle important dans l'amélioration de la prochaine génération de modèles de prévision par superordinateur, qui ont toujours été gourmands en calculs, et dans l'amélioration des prévisions saisonnières."

Le Dr Yiming Sun, associé de recherche à l'Université de Sheffield, a déclaré :« Nous avons développé et appliqué une méthode d'apprentissage automatique NARMAX pour prédire l'état saisonnier de la circulation atmosphérique et du courant-jet de l'Atlantique Nord.

"Le modèle a démontré un degré élevé de précision prédictive par rapport aux modèles dynamiques. Par conséquent, NARMAX peut être utilisé pour aider à améliorer les compétences en matière de prévisions saisonnières et éclairer le développement de modèles dynamiques de superordinateurs."

Plus d'informations : Yiming Sun et al, Prévisions saisonnières probabilistes de la circulation atmosphérique de l'Atlantique Nord à l'aide de la modélisation de systèmes complexes et de la comparaison avec des modèles dynamiques, Applications météorologiques (2024). DOI :10.1002/met.2178

Ian Simpson et al, Indices de circulation atmosphérique de l'Atlantique Nord :liens avec les températures et les précipitations estivales et hivernales dans le nord-ouest de l'Europe, y compris la persistance et la variabilité, International Journal of Climatology (2024). DOI :10.1002/joc.8364

Fourni par l'Université de Lincoln