Prévisions numériques opérationnelles

La prévision numérique du temps

Utilisations de la PNT

Les prévisions numériques sont devenues une source indispensable d'information dans presque tous les aspects de la prévision météorologique. Le niveau de détail des modèles modernes permet la production d'une vaste gamme de produits et de champs météorologiques qui sont utilisés non seulement en météorologie générale, mais aussi dans des champs de spécialisation comme l'aviation et la qualité de l'air. Les progrès en visualisation des données et dans les modes de livraison des données promettent de grands changements pour les usagers des prévisions et pour la pratique de la météorologie. Toutefois, la gestion des masses de données de prévision générées par les modèles est en train de devenir une science en soi. Les données de sortie des modèles modernes doivent être post-traitées afin de devenir intelligibles. Qui plus est, leur utilisation correcte dépend d'une interprétation experte afin d'en bien comprendre le sens, les qualités et les défauts.

Limitations

Bien que la PNT représente le plus grand succès de la météorologie, elle n'est encore que partiellement efficace dans son application. La PNT rencontre trois obstacles principaux:

1. On doit fournir au modèle une image suffisamment précise de l'état de l'atmosphère au début de la prévision. Les erreurs introduites au début du processus de prévision se propageront et iront en s'amplifiant, érodant ainsi graduellement la précision et l'utilité de la prévision.
2. Pour passer d'un modèle mathématique de l'atmosphère à un code informatique capable de générer une prévision du temps, les modélisateurs auront nécessairement à faire certaines approximations.
   1. Le premier type d'approximation est la résolution du modèle ou sa capacité à distinguer les détails les plus fins. Toute augmentation de la résolution du modèle se fait à un coût informatique significatif, que l'on doit soupeser par rapport aux contraintes opérationnelles et financières.
   2. Le deuxième type d'approximation, appelé paramétrisation, devient nécessaire afin de prendre en compte les effets à grande échelle de phénomènes qui sont trop petits pour être vus par le modèle. Par exemple, les cellules orageuses individuelles sont trop petites pour être simulées directement sur les grilles opérationnelles actuelles. Cependant, pour produire des résultats valables, le modèle doit tout de même simuler les effets qu'ont les systèmes orageux sur les patrons à grande échelle de précipitation et de température.
3. Pour produire de bonnes prévisions, le modèle doit intégrer des connaissances sur beaucoup de phénomènes qui interagissent entre eux: comment souffle le vent; comment la chaleur reçue du soleil est transformée par les océans, le sol, l'air, et les nuages; comment la vapeur d'eau se condense en nuages et comment les gouttelettes d'eau se transforment en pluie, en glace, ou en neige; comment le frottement mélange l'air près du sol. Les erreurs qui prennent naissances dans la prévision d'un de ces phénomènes peuvent se propager à la prévision des autres, ou peuvent amplifier les erreurs d'autres sous-systèmes du modèle.