Aujourd’hui, Emmanuel Buisson, Directeur Recherche et Innovation chez Weenat et docteur en physique de l’atmosphère, vous emmène dans les coulisses de votre bulletin météo préféré.
On va voir ensemble :
➡️ Comment les météorologistes font pour prévoir la météo des jours à venir
➡️ Pourquoi toutes les prévisions météo ne disent pas la même chose
➡️ Et pour quelle raison il leur arrive de se tromper
Vous êtes prêt ?
Alors on y va !
1. Pour bien prévoir, il faut bien mesurer
Les météorologues n’ont pas de boule de cristal.
En fait, pour déterminer le temps qu’il fera dans vos champs demain, ils s’appuient sur les millions de données que collectent chaque jour les appareils de mesure météorologiques.
Parmi ces appareils, on distingue :
➡️ Les satellites météorologiques
Placés en orbite autour de la terre, ils sont équipés de différents instruments de mesure, tels que des radiomètres (pour mesurer la température de l’atmosphère) ou des sondeurs (pour évaluer l’humidité).
➡️ Les radars
Ces appareils émettent des ondes qui, lorsqu’elles rencontrent des nuages, sont réfléchies par les gouttes de pluie ou les cristaux de glace et l’onde ainsi rétrodiffusée repart vers l’antenne.
Les données sont ensuite traitées par un ordinateur. Ce dernier calcule le temps nécessaire aux ondes pour effectuer un aller-retour. Il peut ainsi déterminer à quelle distance se trouve la pluie, et en quelle quantité.
Sur l’application Weenat, ces données sont transformées en cartographies dynamiques, pour visualiser le mouvement des pluies (ou de la neige et de la grêle).
➡️ Et les stations météo
Le réseau de Météo France compte plus de 3 000 stations météo réparties sur tout le territoire. Pluviométrie, température, humidité, force et vitesse du vent, couverture nuageuse…
Ces dispositifs mesurent toute une batterie de paramètres atmosphériques sur un point géographique précis.
Le saviez-vous ?
Pour prévoir le temps qu’il fera demain, l’Organisation Météorologique Mondiale (OMM) s’appuie également sur les observations de systèmes embarqués sur 7 000 navires et 3 000 avions. Les vols commerciaux sont en effet équipés d’appareils pour localiser les masses d’air, et suivre leur déplacement.
Mais avec l’arrivée du Covid, la quasi-totalité des flottes aériennes sont restées clouées au sol du jour au lendemain. Résultat : le nombre de mesures effectuées par les avions a diminué de 75 à 80% en moyenne.
Flux aérien en Europe, le 7 mars 2020.
Source : Flightradar24
Flux aérien en Europe, le 7 avril 2020, après annonce du COVID. Source : Flightradar24
En l’absence de ces données, les météorologues disposent de moins d’informations pour établir leurs prévisions quotidiennes, qui sont donc moins fiables, en particulier sur certains modèles météo, comme GFS.
2. Les prévisions météo, c’est des maths
OK mais…
A quoi servent toutes ces mesures ?
Les mouvements de l’atmosphère sont régis par un ensemble de lois physiques, qui ont été découvertes il y a près de 200 ans. Et les météorologues ont formalisé ces lois sous la forme d’équations mathématiques pour créer des modèles météo.
Ces modèles sont capables, à partir des paramètres mesurés aujourd’hui, de simuler les évolutions de l’atmosphère au cours des prochains jours.
Concrètement ? Les données mesurées par les satellites, les radars de pluie et les stations météo servent à alimenter des modèles météorologiques configurés sur des supercalculateurs, qui peuvent réaliser plusieurs milliards d’opérations par seconde.
Les modèles météo sont très compliqués à développer. Et il n’en existe qu’une poignée dans le monde. Afin de mieux prendre en compte les spécificités du climat sur leur territoire, plusieurs pays ont créé leur propre modèle. C’est notamment le cas de la France, qui possède deux modèles nationaux : AROME et ARPEGE, tous deux opérés par Météo France.
Lorsque vous regardez la météo au JT de 20H ou sur des sites comme Meteociel, Météo 60 et Pleinchamp, les prévisions agricoles affichées proviennent en général de ces modèles, ou d’autres modèles internationaux, tels que GFS (américain) ou ICON (allemand).
Chacun de ces modèles à ses forces… Et ses faiblesses. Un modèle peut être très performant pour certaines situations météo mais pas pour d’autres plus spécifiques (comme les épisodes de gel par exemple).
3. Pourquoi est-ce que les prévisions météo peuvent se tromper ?
Selon Météo France, les prévisions à J+1 sont précises à 98%. En revanche, les prévisions à J+3 ne sont précises qu’à 70%. Autrement dit, plus ces prévisions sont à long terme, plus la marge d’erreur augmente.
La raison ?
C’est que pour résoudre les équations mathématiques, l’ordinateur a besoin de connaître la situation actuelle.
Or, pour que son calcul soit exact, il faudrait lui fournir la température, la pression, l’humidité et plusieurs autres paramètres atmosphériques À TOUS LES POINTS DU GLOBE et à TOUTES LES ALTITUDES, avec une précision absolue, ce qui est impossible.
D’abord, parce que les météorologues n’ont pas toutes ces informations. Mais aussi (et surtout) parce que calculer l’état de l’atmosphère pour chacun de ces points demanderait une puissance de calcul phénoménale. La résolution de ce calcul prendrait beaucoup trop de temps. Et avant même qu’il ne soit terminé, la prévision ne serait déjà plus d’actualité.
Des grilles météo pour simplifier le calcul
Pour simplifier le calcul, l’ordinateur crée donc une grille météo. Autrement dit, il découpe le monde en carrés. En météo, ces carrés sont appelés des mailles. Et la taille de ces mailles varie selon le modèle météo choisi. Les mailles des modèles AROME, par exemple, mesurent 0,025° ou 0,01°. La résolution spatiale du modèle ARPEGE, quant à elle, est de 0,1°.
Pour chacune de ces mailles, l’ordinateur calcule ensuite les paramètres atmosphériques (température, pluie, hygrométrie…). Plus les mailles de la grille sont larges, plus le calcul sera rapide, et moins les résultats seront précis.
Le calcul se fait sur un pas de temps de quelques minutes, voire quelques secondes pour les modèles les plus précis. Autrement dit, le modèle calcule ce qu’il va se passer dans 1 minute. Puis il utilise les résultats de ce calcul pour prédire ce qu’il va se passer la minute d’après, et ainsi de suite. Au fil du temps, le poids des données d’observation initiales dans le calcul diminue, et l’incertitude augmente.
La bonne nouvelle ? C’est que les ordinateurs sont de plus en plus performants. La puissance de calcul disponible a été multipliée par plus de 10 millions en 30 ans. Par ailleurs, les données météo sont aussi plus volumineuses, et de meilleure qualité.
Evolution des cumuls mensuels de nombre d’observations utilisées dans Arpège par type d’observations
Résultat :
Sur les 30 dernières années, la qualité des prévisions météo du modèle ARPEGE a gagné un jour tous les 10 ans. Autrement dit, les prévisions à J+4 sont aujourd’hui aussi fiables que les prévisions à J+3 en 2010 et que des prévisions à J+2 en 2000.
Un vrai bonheur pour les agriculteurs !
L’autre bonne nouvelle, c’est que les méthodes de calcul évoluent elles aussi. Plutôt que de se contenter d’un seul scénario météo, les météorologistes demandent désormais au modèle de produire plusieurs scénarios, pour voir comment une même situation pourrait évoluer au cours des prochains jours. On parle alors de prévisions d’ensemble, une méthode qui permet d’établir, pour chaque prévision, un indice de confiance.
Si les prévisions d’ensemble sont cohérentes entre elles, comme sur le graphique ci-contre, on sait que la prévision a de fortes probabilités de se réaliser. Et l’indice de confiance sera élevé.
En revanche, si les prévisions d’ensemble divergent, comme dans ce deuxième exemple, on peut anticiper un risque d’erreur élevé. L’indice de confiance sera alors plus faible.
“D’une certaine façon, cela nous permet de maîtriser l’incertitude”, explique Sylvain Coly, data scientist chez Weenat.
4. Comment fonctionnent les prévisions météo agricoles de Weenat ?
Quels modèles sont disponibles sur l’application ?
Pour finir, on vous propose un focus sur les prévisions météo agricoles de l’application Weenat, afin de mieux comprendre leur fonctionnement. Concrètement, ces prévisions se basent sur les données de trois modèles météo, pour un maximum de précision :
🟢 AROME (Météo France) de J0 à J+1
🟡 ARPEGE (Météo France) de J+2 à J+4
🟠 GFS de J+5 à J+15
La raison ? C’est que le modèle AROME a une résolution très fine (0,025°). Or souvenez-vous : plus les mailles sont fines, plus les prévisions sont précises.
Alors autant vous dire qu’en optant pour ce modèle, on vous a mis la crème de la crème 👌
Mais si AROME est si précis, pourquoi ne pas l’utiliser pour TOUTES nos prévisions ?
Les prévisions météo à J+15 de l’application Weenat
C’est là que ça se complique. Parce que comme on l’a vu plus tôt, plus les mailles sont fines, plus les calculs sont complexes. Résultat : les données d’AROME ne sont disponibles que sur les prochaines 36 heures. Aller au-delà demanderait trop de puissance de calcul.
On utilise donc AROME pendant le premier jour de nos prévisions. Puis, on bascule sur ARPEGE, un autre modèle Météo France, avec une résolution légèrement moins fine (0,1°), mais qui tourne sur les prochaines 96 heures.
Enfin, pour vous donner les tendances météo à plus long terme, on complète les 11 jours restants avec GFS, un modèle américain. Il est moins précis que les modèles Météo France, mais il est capable de fournir des prévisions pour les prochaines 384 heures.
La mise à jour des prévisions météo sur l’application Weenat
Toutes ces prévisions, nous les actualisons 2 fois par jour. On pourrait faire plus, parce que nous recevons les données des modèles 4 fois par jour (à minuit, à 6h, à midi et à 18h). Mais on préfère éviter. Pas par flemme hein, mais parce que tous les cycles de prévisions ne se valent pas.
Pour des raisons historiques, les cycles de 6h et 18h sont réalisés à partir d’un nombre d’observations terrain plus faibles. Il manque par exemple les radiosondages, et les données mesurées par certains bateaux. Par contraste, les données des cycles de minuit et midi sont plus complètes, et les prévisions sont par conséquent plus fiables.
Voilà, vous savez tout ! Il ne nous reste qu’à vous souhaiter une belle météo 😎
Retrouvez le replay du Webinaire de Fruition Science avec Emmanuel Buisson de Weenat :
Viticulture et Prévisions Météo Millésime 2022 du Mardi 12 avril, 2022
