Contents area

Pourquoi y a-t-il de l'incertitude dans les prévisions?

15 November 2021, 3 Comments
Topics: Weather

Parce que les prévisions sont faites à partir de modèles mathématiques et physiques qui ont des limitations...

Un tout petit peu d'histoire

La prévision, telle que nous la pratiquons actuellement, s'est développée réellement récemment.

On peut noter qu'à partir du 17e siècle, les scientifiques commencent à comprendre les phénomènes atmosphériques avec Edmund Halley ou Robert Hooke. Ces recherches se poursuivent au 18e siècle grâce à George Hadley ou Benjamin Franklin. Au 19e siècle, des réseaux d'observation commencent à être mis en place.

Enlargement: Photographie de station météorologique de la région parisienne à la fin du XIXe siècle.
Photographie de station météorologique de la région parisienne à la fin du XIXe siècle.
@MétéoFrance

A partir du 20e siècle, la modélisation mathématique et numérique du temps se développe progressivement grâce aux idées de météorologistes norvégien (Bjerkness), anglais (Richardson), suédois (Rossby) et américain (Von Newman) et des progrès de l’informatique depuis les années 60.

La prévision numérique du temps consiste donc à prévoir l’état futur de l’atmosphère grâce à des modèles mathématiques et physiques. Elle s’appuie sur une connaissance précise des lois selon lesquelles un état de l’atmosphère se développe à partir de l’état précédent et une connaissance précise de l’état de l’atmosphère à l’instant où la prévision est initialisée.

Enlargement: Exemple de sortie de modèle : coupe à travers les Alpes avec l'humidité relative, le vent, la température représentés à différents niveaux de l'atmosphère.
Exemple de sortie de modèle : coupe à travers les Alpes avec l'humidité relative, le vent, la température représentés à différents niveaux de l'atmosphère.
@MeteoSuisse

“Deux états qui ne diffèrent que par d’infimes quantités peuvent évoluer vers deux états totalement différents.”

En parallèle, le météorologue Edward Lorenz (cité ci-dessus) découvre un peu par hasard et explique en 1963 l’aspect chaotique de la météorologie. Il met ainsi en évidence qu’une modification minime des données initiales (de l'ordre de un pour mille) entraîne des résultats très différents, établissant ainsi la grande sensibilité des modèles numérique aux conditions initiales.
(En mathématiques, la théorie du chaos étudie le comportement des systèmes dynamiques très sensibles aux conditions initiales, un phénomène généralement illustré par l'effet papillon. Pour de tels systèmes, des différences infimes dans les conditions initiales entraînent des résultats totalement différents, rendant en général toute prédiction impossible à long terme.)

Ces évolutions chaotiques et donc incertaines s'expérimentent en prévision au quotidien, dès que l'on essaye de représenter l'etat précis de l'atmosphère à un temps relativement éloigné, 10 jours par exemple.

Enlargement: Représentation du développement chaotique de la météorologie : deux états (bleu et vert) proches initialement évoluent vers deux états très différents.
Représentation du développement chaotique de la météorologie : deux états (bleu et vert) proches initialement évoluent vers deux états très différents.
@Wikipedia

Les problèmes de la prévision numérique

Les modèles de prévision numérique utilisent donc les lois de la dynamique des fluides et de la chimie de l'atmosphère pour assimiler les données météorologiques disponibles sur une grille de calcul et projeter leur évolution dans le temps.

La première limitation de la prévision numérique est due à la résolution de la grille de calcul. En effet, le relief représenté par les points de grille du modèle n’est qu’une approximation du relief réel. Les vallées et montagnes ne sont donc pas toujours bien représentés. Un modèle qui a une grille de 1 km de côté pourra représenter certains détails qu’un modèle ayant une grille de 6 km ne pourra pas voir.

D’autre part, certains phénomènes météorologiques se produisent à petite échelle et ces phénomènes ne sont ainsi pas représentés par les points des mailles des modèles. Par exemple des orages peuvent se produire sur un espace inférieur à 1km 2.

Enlargement: Représentation d'd'une grille de modèle appliquée sur un relief montagneux.
Représentation d'une grille de modèle appliquée sur un relief montagneux.
@MeteoSuisse

La deuxième limitation est due à la connaissance de l’état initial. Il s’agit de connaître aux mieux l’état de l’atmosphère à un moment donné. On utilise pour cela un très grand nombre de données mesurées mais aussi des données interpolées et des données issues de modèles précédents. La science qui permet de déterminer cet état, appelée assimilation de données, est en soi un grand défi scientifique qui exige des ressources mathématiques et informatiques comparables à celles dévouées à la prévision elle-même.

Or, Il y a un certain nombre d’erreurs de mesure et d’analyse de l’état initial et cela impacte les prévisions puisque nous savons grâce entre autres à Lorenz, que la prévision est très sensible aux conditions initiales.

Enlargement: Différentes méthodes de mesures des paramètres météorologiques
Différentes méthodes de mesures des paramètres météorologiques

Il y a aussi des problèmes liés aux méthodes de calcul utilisées, aux approximations faites pour modéliser le comportement de l’atmosphère.

Pour gérer ces incertitudes et essayer de les quantifier, la plupart des prévisions font désormais appel à des ensembles qui fournissent des prévisions probabilistes, ce qui est expliqué dans notre blog sur les prévisions d'ensemble.

La fonction de commentaires a été désactivé pour ce poste.
Contact form

Comments (3)

  1. Alain L., 16.11.2021, 09:38

    Votre article résume parfaitement l’origine des incertitudes des prévisions météorologiques. Néanmoins, que de progrès ont été accomplis ces dernières années ! La fiabilité de la prévision à 5 jours est maintenant à peu près la même que celle que l’on obtenait à 24 h il y a 50 ans.

  2. Claude Guignard, 15.11.2021, 20:11

    Depuis le milieu du siècle dernier on s'est rendu compte que les phénomènes météorologues étaient infiniment plus compliqués que ce l'on pensait. Et que la prévision devenait une science très difficile. La mise en place de modèles reposant sur de multiples observations alimentant des calculs mathématiques complexes tente de résoudre le problème des prévisions. Il y a tant de paramètres dont il faut tenir compte, sans compter les évolutions qui prennent une ampleur insoupçonnable, qu'il faut craindre que jamais il ne sera possible d'émettre une prévision totalement fiable. Et c'est peut-être mieux ainsi pour garder au temps qu'il fait un petit effet de surprise.

  3. patrick, 15.11.2021, 18:55

    Bonjour
    Encore une fois, votre blog est super intéressant.
    C'est toujours un plaisir de vous lire.
    Merci et bonne continuation