En adaptant un cadre physique de suivi de flux à la modélisation statistique de grands ensembles de données spatio-temporelles, les chercheurs de KAUST ont développé une méthode générale plus robuste et réaliste pour traiter les phénomènes entraînés par le vent. L'approche promet d'améliorer considérablement la précision de la prédiction de la dispersion des polluants en incorporant des processus plus réalistes physiquement dans la modélisation géostatistique.

Les analyses géostatistiques impliquent le traitement statistique de très grands ensembles de données, tels que les mesures de la vitesse du vent à de nombreux endroits et altitudes au fil du temps, pour extraire un modèle sous-jacent de la façon dont certains paramètres se comportent et sont corrélés spatialement et temporellement dans le monde réel. Cependant, la capacité de ces modèles à caractériser avec précision ce comportement et à prédire ce qui se passe ensuite dépend en grande partie du cadre du modèle utilisé pour l'analyse. Une équipe de scientifiques du KAUST dirigée par Marc Genton a développé des cadres analytiques plus significatifs physiquement qui peuvent mieux modéliser ces phénomènes naturels.

"De nombreux modèles géostatistiques spatio-temporels ne reflètent pas nécessairement les relations scientifiques fondamentales", explique Mary Salvaña, qui a travaillé avec Genton et Amanda Lenzi sur la recherche. "Il existe une demande pour des modèles géostatistiques spatio-temporels basés sur la physique, car la plupart des données environnementales obéissent à diverses lois fondamentales de la nature. Dans cette étude, nous avons pris un concept de modélisation en physique appelé le cadre lagrangien et l'avons formulé dans le langage de l'espace - géostatistique multivariée temporelle pour développer une suite de modèles spatio-temporels basés sur les données qui sont plus appropriés pour les ensembles de données impliquant le transport par des médias, tels que le vent."

Le vent est un phénomène moteur compliqué à intégrer dans un modèle statistique pratique. Il est asymétrique dans sa corrélation, coulant d'un endroit à un autre, et varie également selon l'altitude. Le cadre lagrangien a été développé dans le domaine de la dynamique des fluides pour modéliser les écoulements d'une manière analogue à la physique sous-jacente en suivant une parcelle de fluide lorsqu'elle se déplace dans l'espace et dans le temps. Pour Salvaña et ses collègues, le défi était de s'assurer que ce cadre pouvait être utilisé de manière valide avec un modèle géostatistique spatio-temporel à plusieurs variables.

"Nos résultats, qui ont confirmé la validité du modèle, ont montré que le fait de ne pas tenir compte des advections multiples ou des phénomènes de transport peut conduire à de mauvaises prévisions", déclare Salvaña.

L'équipe a démontré son modèle en l'appliquant à un ensemble de données bivariées sur les particules polluantes à travers l'Arabie saoudite. Les résultats ont montré que les distributions de carbone noir sont modélisées de manière beaucoup plus précise en tenant compte du comportement du vent en fonction de l'altitude.

"Notre cadre de modélisation pourrait également être appliqué à l'étude de la corrélation espace-temps des variables océaniques, car l'eau est un autre moyen de transport, ce qui pourrait être important pour comprendre les modèles océaniques avant et après un cyclone tropical", déclare Salvaña.

L'étude est publiée dans le Journal of the American Statistical Association . + Explorer plus loin

Un modèle pour des millions d'emplacements permet une meilleure prédiction des conditions climatiques et environnementales