Zoom sur les différents modèles de prévisions météo

Génèse des prévisions météo

Le système atmosphérique est, par définition, décrit comme un système chaotique qui dépend de nombreux processus physiques : radiation solaire, flux de chaleur, composition de l’air, occupation des sols et état des surfaces (zone végétalisée, zone urbaine, plan d’eau), etc.
Une prévision météorologique est une prédiction de l’évolution de ce système atmosphérique. Elle est toujours accompagnée d’une incertitude puisqu’il s’agit d’une modélisation qui se base sur des algorithmes informatiques. La prévision se déroule en deux temps : la description initiale de l’atmosphère (t0) et la modélisation de l’état dynamique (t).
La description de l’état initial (t0) des différentes couches de l’atmosphère est basée sur l’ensemble des données collectées. Depuis les années 1970, une partie de ces données est acquise à l’aide des stations météo disposées au sol, des ballons-sondes, des bouées ainsi que des avions et des bateaux. Aujourd’hui, elles ne représentent plus que 10% des données acquises mais leur impact reste très fort (à titre d’exemple, la réduction du nombre de vols pendant les confinements du Covid-19 a affecté la qualité des prévisions météo). Les 90% restants correspondent aux données acquises par satellites, largement mis en service depuis les années 1990. Ces satellites, géostationnaires et défilants, permettent d’enregistrer de très grands volumes de données à des maillages de quelques kilomètres voire infra-kilométriques. L’ensemble des données collectées permet alors de modéliser, le plus finement possible, l’état initial de l’atmosphère. La précision reste limitée par la puissance de calcul des superserveurs en charge du traitement de ces données.
D’autres modèles très coûteux en temps de calcul sont ensuite utilisés pour décrire l’évolution des conditions de l’atmosphère au cours du temps, d’une échéance de quelques minutes à quelques dizaines de jours. Le compromis inévitable entre capacité de calcul et précision souhaitée est la raison pour laquelle une prévision ne peut jamais être parfaite.

Les différents modèles de prévisions disponibles

Plusieurs modèles de prévisions existent à travers le monde. Chaque modèle a ses propres spécificités sur la taille de la zone couverte (d’un pays à une couverture mondiale), sur la résolution spatiale (1 km pour un modèle « local », plusieurs dizaines de kilomètres pour un modèle mondial) et sur les algorithmes utilisés.
En France, plusieurs modèles de prévisions peuvent être utilisés. Les caractéristiques de chaque modèle évoluent dans le temps. Ainsi toutes les informations présentées ci-dessous datent de 2020 et sont susceptibles d’avoir évolué.
Météo France propose 3 modèles de prévisions :

Certains modèles des pays limitrophes couvrent également la France. C’est le cas par exemple du modèle allemand ICON, du modèle britannique UKMO ou du modèle néerlandais HRMN.
Le modèle GFS est un modèle américain connu car il couvre le monde entier avec une résolution spatiale de 0.25° soit 27km. Il est toutefois très utilisé car les données du modèle sont facilement accessibles et alimentent bon nombre d’applications météo sur smartphone.
Certaines entreprises proposent du « multi-modèles », c’est-à-dire un modèle qui recrée une prévision en analysant les données de plusieurs modèles.
Les prévisions météo sont consultables à travers de nombreux sites web ou applications. Toutefois, il est conseillé de regarder quel est le modèle utilisé. Par exemple, Meteociel propose d’accéder à plusieurs modèles (à maille fine et globaux).

Deux grands types de prévisions

Deux stratégies permettent de communiquer des prévisions. Lorsque les prévisions présentent un seul scénario qui décrit la météo des prochains jours jusqu’à une échéance, on parle alors de prévision déterministe. Ce type de prévision consiste à prédire l’évolution de l’atmosphère à partir de l’état initial supposément connu. La prévision déterministe ne tient donc pas compte des incertitudes sur la description de l’état initial.
Pour tenir compte de ces incertitudes, les météorologistes ont développé depuis une vingtaine d’années de nouvelles prévisions, dites probabilistes ou d’ensemble. Ces prévisions fournissent plusieurs scénarios qui prennent un état initial très légèrement différent. La dispersion des scénarios donne alors une information supplémentaire sur la probabilité d’occurrence de certains événements. C’est d’ailleurs grâce à ces scénarios que l’indice de confiance de 1 à 5 présenté aux bulletins météo de la télévision est calculé. Dans le domaine agricole, les instituts techniques agricoles réfléchissent à des manières de communiquer avec ce type de prévisions. Il ne s’agit plus de dire « il va tomber 5mm » mais « il y a 80% de chance qu’il tombe 5mm et 10% de chance qu’il en tombe 10 » par exemple.
Les modèles probabilistes ont chacun leur nombre de scénarios, aussi appelés membres. Les résolutions spatiales et les échéances sont différentes.

L’IFV travaille d’ores et déjà avec les prévisions probabilistes et fournit dans ses outils, Decitrait et Oadex, 3 scénarios correspondant respectivement à un scénario froid et sec, un scénario médian (le plus probable) et un scénario chaud et pluvieux.

Les prévisions météo, au cœur du fonctionnement des modèles vigne

Les données météo sont indispensables pour le fonctionnement des modèles de risque des maladies et ravageurs ou de croissance de la vigne.
Un modèle épidémique basé sur les prévisions déterministes donne un résultat qui prévoit un événement particulier nécessitant une intervention du viticulteur à une date. Le modèle basé sur les prévisions probabilistes décrit plusieurs situations qui ne nécessitent pas une intervention à la même date. Dans l’exemple ci-dessous issu de travaux de thèse sur le modèle EVA (ver de la grappe), la répartition des dates où le pourcentage d’individus atteignant 2% est représenté : 20% des scénarios indiquent que le seuil sera atteint le 22 juin, 35% le 23 juin et 30% le 24 juin. Il ne s’agit que d’une aide à la décision permettant de mettre en lumière les incertitudes qui pèsent sur un événement biologique dépendant des conditions météo, la prise de décision finale appartient au viticulteur.

De manière plus générale, les prévisions probabilistes apportent une information supplémentaire précieuse qui permet de mieux appréhender l’incertitude et la dispersion des scénarios possibles. Plusieurs domaines de l’agronomie peuvent être concernés. Un autre exemple concerne les périodes de sécheresse : les prévisions probabilistes permettront de donner des fourchettes de cumul de précipitations attendues sur les 7 ou 15 prochains jours au lieu d’un seul cumul. En pratique, cela se traduit de la sorte : « il y a 80% de chance que mes parcelles reçoivent entre 15mm et 20mm » et on peut communiquer la valeur médiane des scénarios ou les valeurs extrêmes.