event_img

Soutenance de thèse

Meriem Krouma

LSCE

Prévision météorologique d’ensemble avec un générateur de temps stochastique basé en analogues de circulation

Date 05/06/2023 14:00
Diplôme Paris Saclay
Lieu Salle 1129 - Laboratoire des Sciences du Climat et de l'Environnement LSCE/IPSL, Site de l'Orme des Merisiers à Gif sur Yvette

Résumé

Les prévisions météorologiques d’ensemble peuvent aider à anticiper les risques d’événements météorologiques extrêmes. Cependant, le comportement chaotique de l’atmosphère représente une source majeure d’incertitudes pour les prévisions météorologiques, en particulier pour des échéances sous-saisonnières (de quelques jours à un mois). Un grand nombre de simulations numériques peut permettre de résoudre ce problème d’incertitude et de déterminer la distribution statistique des variables climatiques. Dans cette thèse, nous avons développé un outil de prévision d’ensemble basé sur des méthodes statistiques et probabilistes pour générer des prévisions météorologiques d’ensemble. Nous utilisons un générateur de temps stochastique conçu pour imiter le comportement des variables climatiques en se basant sur des analogues de circulation atmosphérique. Nous avons testé cet outil pour prévoir différentes variables climatiques telles que les précipitations en Europe et l’oscillation de Madden et Julian. Nous avons évalué la performance de nos prévisions par rapport à des prévisions des centres météorologiques. Dans un premier temps, nous avons testé le générateur stochastique de temps pour simuler des moyennes précipitations en Europe à l’échelle locale (au niveau des villes) pour des périodes de 3 à 30 jours. Nous avons obtenu de bonnes performances dans différentes régions d’Europe pour 10 jours. Ces performances sont basées sur l’importance de la circulation atmosphérique dans la prévision des paramètres météorologiques tels que les précipitations. Nous avons également identifié l’influence des types de circulation atmosphérique sur les bonnes et mauvaises prévisions. Dans un deuxième temps, nous avons combiné le générateur stochastique de temps avec des sorties de modèles numériques pour obtenir de grands ensembles de prévisions de précipitations en Europe. Nous avons vérifié que les scores de prévision sont intéressants pour des moyennes jusqu’à 35 jours à l’avance, à une échelle très locale. Cela a conduit à une amélioration significative par rapport aux prévisions du centre européen ECMWF et de Météo-France. Dans un troisième temps, nous avons configuré notre modèle stochastique pour prévoir l’oscillation Madden Julian (MJO). La MJO est responsable de fortes précipitations dans des régions très peuplées comme l’Inde. Nous avons cherché à prévoir la moyenne d’indices de l’activité MJO sur des périodes allant de 3 jours à 60 jours. Notre modèle fournit une prévision de ces indices dont les scores probabilistes sont satisfaisants jusqu’à 40 jours à l’avance et donne des résultats compétitifs par rapport aux prévisions météorologiques numériques.
Les travaux présentés dans ce manuscrit ont fait l’objet de plusieurs articles scientifiques. Des travaux complémentaires concernant la prévisibilité des variables météorologiques ont aussi été réalisés.

Informations supplémentaires

Abstract. Ensemble weather forecasts can help to better manage and anticipate the risks of extreme weather events. Nevertheless, weather forecasting is a complex task due to the chaotic behaviour of the atmosphere, which is a major source of uncertainties for sub-seasonal time scale (days to a month). To overcome these uncertainties, a large number of numerical simulations are required. It allows to determine the statistical distribution of the climate variables. In this thesis, we have developed a weather ensemble forecasting tool based on statistical and probabilistic methods to generate weather ensemble forecasts. We used a stochastic weather generator designed to mimic the behaviour of climate variables, based on atmospheric circulation analogs. We have tested this tool to forecast different climate variables such as European precipitation and the Madden-Julian oscillation. We have evaluated the performance of our forecasts using several forecast verification methods. In addition, we compared the performance of our forecast to other forecasts from international weather centers. We start by assessing the capacity of the stochastic weather generator to simulate precipitation in Europe at the local scale (city level). We evaluated the ensemble forecasts of averages over 3 to 60 days ahead. We found good performances in different regions of Europe for up to 10 days. We assessed the role of atmospheric circulation patterns on the forecast scores of meteorological parameters. We also identified the influence of weather regimes on forecast performances. Then, we combined the stochastic weather generator with dynamical model outputs to obtain large ensembles of European precipitation forecasts. We obtain interesting forecast scores for averages up to 35 days ahead at a very local scale. This led to a significant improvement over the forecasts of the European Centre for Medium-Range Weather Forecasts and Météo-France. Finally, we adjusted our model to forecast the Madden Julian Oscillation (MJO). The MJO is responsible for heavy precipitation in densely populated regions such as India. Our model provides a forecast of averages of MJO indices up to 40 days in advance and is competitive with numerical weather predictions. The results of this thesis have been the subject of published scientific papers. Some other work on the predictability of meteorological variables has also been developed.

Composition du jury

Mme Sylvie Joussaume – Examinatrice – Directrice de recherche CNRS, LSCE-IPSL
Mme Juliette Blanchet – Rapporteur – Chargée de recherche CNRS, IGE, Grenoble
M. Grégoire Mariéthoz – Rapporteur – Professeur à l’université de Lausanne, Suisse
Mme Lauriane Batté – Examinatrice – Direction de la Climatologie et des Services Climatiques, Météo France
M. Frédéric Vitard – Examinateur – Principal Investigator, ECMWF, Reading, UK
M. Alvaro Corral – Invité – Professeur au Centre de Recerca Matemàtica, Barcelone, Espagne

Sous la direction de :

M. Pascal Yiou – directeur de thèse – Chercheur, CEA-LSCE
Mme Céline Déandreis – co-encadrante de thèse – Ingénieure de recherche, ARIA Technologies