Les ouragans, ou cyclones tropicaux, peuvent être des catastrophes naturelles dévastatrices, rasant des villes entières et faisant des centaines ou des milliers de morts. Un aspect clé de leur potentiel destructeur est leur imprévisibilité. Les ouragans sont des phénomènes météorologiques complexes, et il est difficile d’estimer la force de l’ouragan ou l’endroit où il touchera terre.

Dans un article publié dans Physics of Fluids, deux chercheurs de la City University de Hong Kong ont utilisé l’apprentissage automatique pour modéliser plus précisément le champ de vent de la couche limite des cyclones tropicaux.

En sciences atmosphériques, la couche limite de l’atmosphère est la région la plus proche de la surface de la Terre.

« Nous, les êtres humains, vivons dans cette couche limite, donc la comprendre et la modéliser avec précision est essentiel pour la prévision des tempêtes et la préparation aux dangers », a déclaré l’auteur Qiusheng Li.

Cependant, comme l’air de la couche limite interagit avec la terre, l’océan et tout ce qui se trouve à la surface, sa modélisation est particulièrement difficile. Les approches conventionnelles de la prévision des tempêtes impliquent de grandes simulations numériques exécutées sur des superordinateurs incorporant des montagnes de données d’observation, et elles aboutissent encore souvent à des prédictions inexactes ou incomplètes.

En revanche, l’algorithme d’apprentissage automatique de l’auteur est équipé d’équations de physique atmosphérique qui peuvent produire des résultats plus précis, plus rapidement et avec moins de données.

« Contrairement aux modèles numériques traditionnels, notre modèle utilise un cadre d’apprentissage automatique avancé informé par la physique », a déclaré l’auteur Feng Hu. « Seule une petite quantité de données réelles est nécessaire à notre modèle pour capturer le comportement complexe du champ de vent des cyclones tropicaux. La flexibilité du modèle et sa capacité à intégrer des données d’observation éparses permettent des reconstructions plus précises et plus réalistes.

Être capable de reconstituer le champ de vent d’un cyclone tropical fournit des données précieuses que les experts peuvent utiliser pour déterminer la gravité de la tempête.

« Le champ de vent d’un cyclone tropical contient des informations sur l’intensité, la structure et l’impact potentiel de la tempête sur les régions côtières », a déclaré M. Li.

Avec une image plus détaillée de ce à quoi ressemble ce champ de vent, les autorités en cas de catastrophe peuvent mieux se préparer aux tempêtes avant qu’elles ne touchent terre.

« Avec des ouragans plus fréquents et plus intenses en raison du changement climatique, notre modèle pourrait améliorer considérablement la précision des prévisions de champ de vent », a déclaré Hu. « Cette avancée peut aider à affiner les prévisions météorologiques et les évaluations des risques, à fournir des alertes en temps opportun et à améliorer la résilience des communautés et des infrastructures côtières. »

Les auteurs prévoient de continuer à développer leur modèle et de l’utiliser pour étudier différents types de tempêtes.

« Nous prévoyons d’incorporer davantage de sources de données d’observation et d’améliorer la capacité du modèle à gérer l’évolution temporelle des vents », a déclaré Hu.

« L’extension de l’application à d’autres événements de tempête à travers le monde et l’intégration du modèle dans les systèmes de prévision en temps réel sont également prévues pour améliorer son utilité pour la prévision météorologique et la gestion des risques. »