From Hours to Daily Extremes: Evaluating ERA5 and ERA5-Land Biases Across Morocco’s Diverse Climates

La prévision météorologique est entrée dans une nouvelle ère où de puissants programmes informatiques, entraînés sur de vastes archives de données météorologiques passées, commencent à rivaliser avec les modèles traditionnels basés sur la physique. Ces systèmes d'intelligence artificielle ne simulent pas l'atmosphère à partir de principes fondamentaux ; ils apprennent plutôt des modèles à partir d'enregistrements historiques pour prédire ce qui va suivre. La source la plus fiable de ces enregistrements historiques est un ensemble de données mondiales appelé ERA5, une reconstruction détaillée de l'atmosphère qui comble les lacunes là où aucune station météorologique n'existe. Une version plus récente et à plus haute résolution appelée ERA5-Land se concentre spécifiquement sur la surface de la Terre, promettant une précision encore plus grande pour le sol sur lequel nous marchons. Parce que ces modèles d'IA dépendent entièrement de ces données pour apprendre, la qualité de la reconstruction est primordiale. Si l'enregistrement historique contient des erreurs cachées ou lisse les extrêmes locaux, l'IA héritera de ces défauts, échouant potentiellement à prédire les événements dangereux dont la société a besoin de connaître l'existence.

Au Maroc, un pays où le paysage change radicalement des plaines côtières aux hautes chaînes de montagnes et aux déserts arides, des chercheurs se sont donné pour mission de tester la fiabilité de ces deux ensembles de données. Ils voulaient savoir si les cartes numériques du passé correspondaient réellement à la réalité enregistrée par les stations météorologiques au sol. L'équipe a rassemblé des observations horaires provenant de trente-six stations différentes à travers le pays, couvrant une large gamme de climats et de topographies de 2016 à 2024. Ils ont comparé la température, l'humidité, la vitesse du vent et les précipitations enregistrés par les stations par rapport aux valeurs fournies par l'ERA5 standard et par l'ERA5-Land, axé sur la terre. Le but était de voir si les reconstructions numériques pouvaient capturer les détails subtils et locaux de la météo, en particulier lors des événements de chaleur, de froid et de vent les plus extrêmes qui définissent la région.

L'enquête a révélé que pour comprendre les modèles climatiques généraux, les deux ensembles de données sont remarquablement bons. Ils reproduisent avec succès le rythme quotidien de la météo, capturant comment les températures montent et descendent au cours de la journée et comment les saisons changent au fil de l'année. Pour les conditions moyennes, les deux produits sont largement interchangeables, bien que l'ERA5 standard ait tendance à être légèrement plus précis pour la température et l'humidité, tandis que l'ERA5-Land, spécifique à la terre, offre un léger avantage pour mesurer la vitesse du vent sur les terrains montagneux complexes. Cependant, l'histoire change lorsque les chercheurs ont examiné les extrêmes. Bien que les modèles gèrent bien la météo modérée, leur capacité à prédire les événements les plus sévères dépend fortement de la rareté de ces événements.

Lorsque les chercheurs ont testé les modèles par rapport à des seuils de chaleur, de froid et de vent extrêmes, ils ont trouvé un schéma clair. Les deux ensembles de données ont bien performé pour détecter les extrêmes modérés, comme une journée très chaude ou une rafale de vent forte. Mais à mesure que les événements devenaient plus rares et plus intenses, la compétence des modèles chutait considérablement. Pour les journées les plus chaudes ou les vents les plus forts, les modèles manquaient souvent totalement la cible. Les chercheurs ont noté que cet échec n'est pas nécessairement un défaut propre au logiciel, mais une limitation fondamentale liée à la tentative de faire correspondre une carte numérique large, basée sur une grille, à un point unique et spécifique au sol. Une station météorologique se trouve dans un microclimat unique, peut-être dans une vallée ou sur un versant spécifique, tandis que le modèle numérique représente une zone étendue qui lisse ces détails locaux. Ce décalage signifie que même un modèle parfait ne peut prédire la valeur de pointe exacte à une station spécifique si ce pic est dicté par une géographie locale que le modèle ne peut voir.

L'étude a également mis en lumière un obstacle technique spécifique pour l'ensemble de données axé sur la terre. Parce qu'ERA5-Land est conçu uniquement pour la terre, il laisse de côté l'océan. Cela crée un problème pour les stations situées sur la côte ou près des îles, où le modèle n'a aucun point de grille valide pour correspondre à l'observation. Dans certains cas, les données pour ces stations côtières n'existent tout simplement pas dans la version limitée à la terre, un écart qui pourrait facilement être confondu avec des relevés météorologiques manquants si l'on n'y prend garde. De plus, les chercheurs ont constaté que la résolution plus élevée de l'ensemble de données terrestre n'aidait pas toujours. Dans certaines zones désertiques et montagneuses, la grille plus fine introduisait en fait plus de bruit dans les relevés de température et d'humidité, particulièrement la nuit, sans pour autant améliorer la précision globale.

En fin de compte, la recherche suggère que bien que ces ensembles de données mondiaux soient d'excellents outils pour étudier les tendances climatiques générales et entraîner des modèles d'IA, ils doivent être utilisés avec prudence lorsqu'il s'agit de prédire des événements météorologiques spécifiques et potentiellement mortels à l'échelle locale. Les modèles ne sont pas défectueux, mais ils ne sont pas conçus pour percevoir les plus petits détails du paysage. Les auteurs recommandent à quiconque utilise ces données pour des études d'impact ou de vérification d'IA de se concentrer sur les extrêmes relatifs — à quel point une journée est inhabituelle par rapport à la moyenne locale — plutôt que sur des seuils absolus comme « une journée plus chaude que 45 degrés ». Ils conseillent également de vérifier explicitement les lacunes de couverture près des côtes et de rapporter les erreurs d'une manière qui tienne compte de la variabilité naturelle du vent et de la température. En comprenant ces limites, les scientifiques et les prévisionnistes peuvent mieux interpréter les cartes numériques du passé, garantissant que la prochaine génération de prévisions météorologiques reste ancrée dans la réalité complexe du monde.