Groupe d’études et de recherche en analyse des décisions

La prévision météorologique probabiliste (Probabilistic Weather Forecasting)

Adrian Raftery

Le but de la prévision météorologique probabiliste est de trouver une loi de probabilité prédictive pour des quantités ou des événements météorologiques futurs. L'évaluation de l'incertitude liée aux prévisions météorologiques peut être importante pour ceux qui doivent prendre des décisions, par exemple ceux qui gèrent les transports routiers, les lignes aériennes, les transports maritimes, les militaires, et ceux qui planifient des événements, ainsi que le grand public. La méthode la plus courante utilise un modèle numérique de prévision météorologique, perturbe les entrées du modèle (conditions initiales et latérales, paramétrisation physique) de différentes façons, et fait tourner le modèle pour chaque perturbation. Ceci donne un ensemble de prévisions, souvent considéré comme un échantillon tire de la loi de quantités météorologiques futures. Or, cet ensemble est souvent mal calibré, et est typiquement sous-dispersé.

Nous considérons d'abord la prévision probabiliste d'une quantité scalaire, telle que la température à un endroit donné 48 heures dans le futur. Nous proposons une méthode statistique pour convertir un ensemble de prévisions en une loi calibrée, basée sur l'Aggrégation Bayésienne de Modèles (ABM), une approche standard pour combiner différentes lois prédictives. Et nous considérons la prévision probabiliste d'un champ entier, tel que la température dans une région. Nous proposons une méthode simple, la méthode de la Perturbation Géostatistique des Sorties, qui rompt avec la pratique courante en perturbant les sorties du modèle numérique (c'est-à-dire les prévisions déterministes), plutôt que les entrées. Nous modélisons les erreurs de prévision par un modèle géostatistique, et nous construisons un nouvel ensemble statistique par simulation en utilisant la méthode des circulants.

Nous avons appliqué ces deux méthodes à la prévision probabiliste de la température dans le nord-ouest Pacifique nord-americain. Les résultats étaient bien calibrés, plus précis que les intervalles climatologiques, et reproduisaient assez bien la structure spatiale des données.

Ce travail a été fait en collaboration avec Tilmann Gneiting, Yulia Gel, Fadoua Balabdaoui et Michael Polakowski.