s'abonner
Les prévisions subsaisonnières à saisonnières (S2S) jouent un rôle important dans l’alerte précoce des événements météorologiques extrêmes et la prévention des risques de catastrophe, mais leur capacité prédictive reste limitée.
Les épisodes de froid extrême en Asie de l’Est déclenchent des catastrophes généralisées sous forme de températures froides et de neige, causant de graves impacts sur les transports, l’approvisionnement en énergie et la vie publique. Cependant, les modèles S2S actuels ont généralement une capacité prédictive limitée pour les événements de froid extrême au-delà de deux semaines.
L’étude, « High-skill members among subseasonal forecast ensemble of extreme cold events in East Asia », publiée dans Atmospheric and Oceanic Science Letters, a utilisé les données ECMWF (European Center for Medium-Range Weather Forecasts) et ERA5 (fifth major global reanalysis produced by ECMWF) pour évaluer la capacité de prévision des événements de froid extrême en Asie de l’Est.
Les résultats révèlent que, bien que la moyenne d’ensemble du modèle ECMWF ait une capacité de prévision limitée pour les épisodes de froid extrême après deux semaines, certains membres de l’ensemble présentent une capacité de prévision significativement élevée.
Les membres dotés d’une grande compétence en matière de prévision peuvent prédire avec précision le changement rapide de la température de l’air à la surface et l’intensité de la température minimale lors d’un événement de froid extrême. Cela dépend principalement de la prédiction précise de la situation de la circulation atmosphérique en Eurasie (pression au niveau de la mer et hauteur géopotentielle de 500 hPa).
« Parmi les membres de l’ensemble, au moins 10 % étaient toujours des membres hautement qualifiés offrant des informations précieuses », note Xinli Liu, auteur de l’article.
Les efforts futurs devraient se concentrer sur l’identification des membres hautement qualifiés à l’aide d’analogues historiques ou d’IA et leur attribuer des pondérations plus importantes dans les prévisions d’ensemble. « Dans la prévision d’ensemble, l’augmentation appropriée du nombre de membres de l’ensemble et l’attribution de poids plus importants aux membres hautement qualifiés amélioreront la précision et la crédibilité des prévisions », ajoute l’auteur correspondant, Jingzhi Su, en pointant du doigt les systèmes de prédiction optimisés.
