Subseasonal Predictability of Diverse Persistent Wet-Cold Compound Extreme Events over China Based on Calibrating Dynamical and AI models
Cette étude évalue et calibre des modèles subsaisonniers dynamiques et basés sur l'IA pour démontrer que les événements extrêmes composés de type humide-froid persistants sur la Chine sont prévisibles jusqu'à 15–20 jours, le type de Chine centrale présentant la compétence la plus élevée sous l'influence de configurations de circulation à grande échelle spécifiques, tout en soulignant les différences de performance entre les systèmes ECMWF et CMA-FENGSHUN selon les échéances.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Chaque hiver, certaines parties de la Chine sont confrontées à un type de temps particulièrement éprouvant : une combinaison persistante de pluies ou de chutes de neige abondantes et d'un froid mordant. Les scientifiques appellent ces événements extrêmes composés de froid et d'humidité persistants des « événements extrêmes humides-froids ». Ils sont bien plus qu'une simple vague de froid ou une journée pluvieuse ; ils représentent le chevauchement dangereux des deux, créant des conditions telles que la pluie verglaçante et les chutes de neige abondantes qui peuvent paralyser les villes, endommager les réseaux électriques et menacer des vies. Bien que nous sachions que ces événements se produisent, prédire exactement quand et où ils frapperont plus d'une semaine ou deux à l'avance est un défi tenace. C'est le fossé « sous-saisonnier » de la prévision, cet intervalle gênant entre un bulletin météorologique standard, fiable pour quelques jours, et une perspective saisonnière, qui porte sur des mois à venir. Dans cette fenêtre, l'atmosphère est trop chaotique pour une précision à court terme, mais trop rapide pour que les changements lents de l'océan puissent fournir un guide clair.
Une équipe de chercheurs de l'Académie chinoise des sciences météorologiques et du Centre national du climat a jeté un nouveau regard sur ce problème. Ils se sont concentrés sur trois types distincts de ces événements humides-froids qui se produisent dans différentes régions de la Chine : l'un affectant le sud, un autre l'ouest, et un troisième les plaines centrales. Pour aborder la difficulté de la prédiction, ils ne se sont pas appuyés sur une seule méthode. Au lieu de cela, ils ont comparé les modèles informatiques traditionnels, qui simulent la physique de l'atmosphère, à une nouvelle génération de systèmes d'intelligence artificielle qui apprennent des modèles à partir de vastes quantités de données historiques. Crucialement, ils ont d'abord appliqué une correction statistique aux données brutes de ces modèles. Considérez cette étape comme l'accordage d'une radio pour éliminer les parasites ; les modèles ont souvent des biais intégrés, comme prédire une pluie trop légère ou des températures trop chaudes. En ajustant les prévisions pour qu'elles correspondent à la distribution réelle de la météo, les chercheurs ont pu voir le véritable signal des modèles sans le bruit de leurs erreurs.
Les résultats de cette comparaison ouvrent une voie prometteuse. Après l'ajustement statistique, tous les modèles — tant les modèles physiques que le système d'IA — sont devenus nettement meilleurs pour identifier où ces événements dangereux se produiraient. Ils pouvaient cartographier de manière fiable la forme générale et l'emplacement des zones humides-froides jusqu'à deux semaines à l'avance. Cependant, l'étude a révélé que tous les événements ne sont pas égaux, et que tous les modèles ne sont pas également performants à chaque étape. Les événements dans l'ouest de la Chine, qui se forment souvent au-dessus du haut plateau tibétain, étaient les plus constants à prédire en termes de modèles météorologiques continus. En revanche, les événements dans le centre de la Chine étaient les plus prévisibles globalement, principalement parce qu'ils sont entraînés par des ondes aériennes organisées à grande échelle traversant le globe, plus faciles à suivre pour les modèles.
En ce qui concerne les modèles eux-mêmes, un schéma de force clair est apparu selon le facteur temps. Le modèle du Centre européen pour les prévisions météorologiques à moyen terme, une puissance traditionnelle, a obtenu les meilleurs résultats durant les premiers jours, offrant des alertes précises et exactes à court terme. Mais à mesure que la prévision s'étendait plus loin, dans la deuxième semaine, le modèle basé sur l'IA, connu sous le nom de FENGSHUN, a commencé à prendre l'avantage. Il a conservé sa capacité de prédiction plus longtemps que les autres, maintenant une image claire des anomalies humides-froides même à l'échéance de 15 à 20 jours. Cela suggère que si les modèles traditionnels sont excellents pour capturer la physique immédiate de l'atmosphère, le système d'IA a appris à reconnaître les modèles plus profonds et à plus long terme qui pilotent ces événements, même s'il le fait sans calculer explicitement les forces physiques en jeu.
Les chercheurs ont également creusé le « pourquoi » derrière ces prédictions. Ils ont découvert que les événements les plus prévisibles étaient toujours précédés de signes spécifiques et robustes dans l'atmosphère. Pour les événements du centre de la Chine, un train d'ondes clair de hautes et basses pressions s'étirait de l'Europe à travers l'Asie, accompagné d'une suppression distincte de la formation de nuages sur les océans tropicaux. Lorsque ces signaux à grande échelle étaient forts et organisés, les modèles pouvaient prévoir l'événement avec confiance. Lorsque l'atmosphère environnante était désordonnée ou que les signaux étaient faibles, les prévisions s'effondraient. Cette distinction est vitale : cela signifie que la capacité de prédire ces catastrophes dépend fortement de l'état de l'atmosphère avant le début de l'événement. L'étude conclut que, bien que nous ne puissions pas encore prédire chaque événement humide-froid avec une certitude parfaite, nous avons désormais une compréhension beaucoup plus claire de ceux qui sont prévisibles et de la manière dont différents outils peuvent être utilisés ensemble pour prolonger notre temps d'alerte, potentiellement pour sauver des vies et réduire les pertes économiques avant que le désastre ne frappe.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.