A Prediction Model for the Summer Western Pacific Subtropical High
Cette étude présente un nouveau cadre de prédiction qui combine l'extraction de prédicteurs physiquement informés avec un réseau de neurones convolutifs temporel basé sur l'attention multi-têtes (MHA-TCN) afin d'obtenir une prévision saisonnière supérieure de la surface et de l'intensité de l'anticyclone subtropical du Pacifique occidental par rapport au système de l'ECMWF, tout en fournissant des informations interprétables sur les mécanismes physiques sous-jacents.
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
Le temps en Asie de l'Est est une tapisserie complexe tissée de nombreux fils, mais un motif particulier détient la plus grande influence sur les mois d'été. Ce motif est l'Anticycle subtropical du Pacifique occidental, un dôme de haute pression massif et semi-permanent qui repose sur l'océan. Considérez-le comme un gigantesque couvercle invisible qui presse l'atmosphère, dirigeant les pluies de la mousson, guidant les trajectoires des typhons et décidant si une région fera face à la sécheresse ou aux inondations. Lorsque ce système de haute pression est trop fort, trop faible ou mal placé, les conséquences sont graves : des villes peuvent être noyées sous des pluies records, ou de vastes terres agricoles peuvent dépérir sous une chaleur accablante. Pendant des décennies, les météorologues ont lutté pour prédire exactement comment ce système se comporterait des mois à l'avance. Les modèles informatiques traditionnels, qui simulent la physique de l'atmosphère, manquent souvent leur cible, particulièrement lorsqu'il s'agit de l'intensité de ce dôme de haute pression pendant le pic de l'été. Ils ont tendance à sous-estimer sa force ou à placer son centre au mauvais endroit, laissant les prévisionnistes face à une tâche difficile lorsqu'ils tentent d'avertir les communautés contre les phénomènes météorologiques extrêmes.
Une équipe de chercheurs de l'Université océanique de Zhejiang et de l'Université de Fudan a développé une nouvelle approche pour résoudre ce casse-tête, s'éloignant des simulations physiques pures vers une méthode qui apprend du passé. Au lieu d'essayer de calculer chaque mouvement individuel de l'air et de l'eau, ils ont construit un système qui agit comme un observateur chevronné, scannant des décennies de données météorologiques historiques pour trouver des connexions cachées. Ils se sont concentrés sur une mesure spécifique appelée hauteur de géopotentiel d'Eddy au niveau de 50ckPa, ce qui est essentiellement une façon de cartographier les « bosses » et les « creux » dans le champ de pression atmosphérique, débarrassés du bruit de fond général causé par le réchauffement climatique. En analysant ces données de 1951 à 2024, les chercheurs ont identifié les signaux les plus importants qui apparaissent des mois avant que le système de haute pression estival ne se déplace. Ils ont découvert que l'état de l'océan et de l'atmosphère au printemps, et même l'hiver précédent, contient des indices sur ce qui se passera en juin, juillet et août.
Les chercheurs ont construit un cadre de prédiction qui combine deux techniques puissantes. Premièrement, ils ont utilisé une méthode pour passer au crible des centaines de indices potentiels, tels que les températures de surface de la mer dans l'Atlantique, la couverture neigeuse dans l'Arctique et les modèles de pression sur l'océan Indien. Ils ont réduit cette liste massive aux 100 prédicteurs les plus fiables. Ensuite, ils ont injecté ces prédicteurs dans un modèle informatique sophistiqué conçu pour reconnaître des motifs au fil du temps. Ce modèle utilise un mécanisme qui lui permet de prêter attention aux informations les plus pertinentes à un moment donné, tout comme un lecteur humain se concentrant sur les mots les plus importants d'une phrase tout en ignorant le reste. Le résultat est un système capable de prévoir la taille et l'intensité de l'Anticyclone subtropical du Pacifique occidental six mois à l'avance, avec un niveau de détail que les modèles précédents ne pouvaient égaler.
Lorsque l'équipe a testé leur nouveau modèle par rapport à des données réelles de 2010 à 2024, les résultats ont été frappants. Le modèle a prédit avec succès les changements mensuels de la zone et de l'intensité du système de haute pression, atteignant des scores de corrélation nettement supérieurs à ceux du Centre européen pour les prévisions météorologiques à moyen terme, un système de prévision mondial de premier plan. Alors que le système traditionnel échouait souvent à capturer la véritable force du dôme de haute pression, le nouveau modèle a vu juste. Cela était particulièrement évident lors des années extrêmes. En 2020, lorsque le système de haute pression était exceptionnellement fort, le modèle traditionnel a sous-estimé sa puissance et a mal situé son centre. Le nouveau modèle, cependant, a reproduit avec précision la nature intense et expansive du système. De même, en 2023, lorsque le système était exceptionnellement faible et s'était déplacé vers l'est, le nouveau modèle a parfaitement capturé ce comportement, là où le système traditionnel peinait à localiser le centre.
L'étude a également levé le voile pour comprendre pourquoi le modèle fonctionnait si bien, révélant un casting de personnages changeants qui pilotent la météo chaque mois. Pour juin, le comportement du système est fortement influencé par les modèles de température dans l'Atlantique Sud et l'accumulation de chaleur dans le Pacifique occidental au cours de l'automne précédent. En juillet, les moteurs changent pour inclure l'océan Indien et l'Atlantique Nord, ainsi que les effets persistants de l'oscillation arctique de l'hiver. En août, l'influence provient de l'Anticyclone bolivien en Amérique du Sud et de l'Anticyclone subtropical nord-africain, qui affectent la neige et l'humidité du sol sur le plateau tibétain. Cette transition mensuelle des moteurs explique pourquoi une méthode de prédiction unique et statique échoue souvent ; la recette de la météo change à mesure que la saison progresse.
Les chercheurs soulignent que leur travail n'est pas une solution miracle qui résout tous les défis de la prévision. Ils notent que la relation entre ces prédicteurs et la météo peut changer au fil du temps, surtout à mesure que le climat continue de se réchauffer. Cependant, leurs conclusions démontrent que combiner la connaissance physique avec la reconnaissance de formes avancée offre un nouvel outil puissant. En identifiant les signaux spécifiques qui comptent le plus pour chaque mois, cette approche offre un moyen plus fiable d'anticiper la météo estivale qui façonne la vie de millions de personnes en Asie de l'Est. L'étude confirme qu'avec les bonnes données et la bonne méthode, le comportement apparemment chaotique de l'atmosphère peut être compris avec plus de clarté, offrant l'espoir d'une meilleure préparation contre les événements météorologiques extrêmes qui définissent les étés de la région.
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.