Contenu

Génération de prévisions localisées de qualité

Afin d’exploiter au mieux le potentiel des prévisions du temps il est primordial de pouvoir obtenir de manière fiable une prévision localisée, précisément là où notre activité professionnelle ou personnelle aura lieu.

Pied de page

Navigation top bar

Toutes les autorités fédéralesToutes les autorités fédérales

Navigation des services

Un système avancé nommé « data4web » produit l’ensemble de ces données de prévisions localisées depuis des années déjà, il sert notamment à fournir les prévisions qui s’affichent sur l’App et le site web de MétéoSuisse. Les pictogrammes et les valeurs numériques sont générés en combinant de manière optimale et seamless tous les modèles numériques à disposition, les meilleures sources de données de « postprocessing » (cf. projet PostprocVeri) et le système de Nowcasting.

Pour passer des grilles de modèles à différentes résolutions, à une prévision locale "ponctuelle", data4web utilise différentes techniques sophistiquées d'interpolation et de correction, qui permettent de tenir compte des effets locaux. De plus, data4web résume l'information complexe probabiliste des modèles ensemblistes de manière succincte en calculant des statistiques telles des quantiles.

Les données data4web sont mises à jour toutes les 10min. Chaque jour, data4web produit pour 6'000 sites en Suisse, un total d’environ 1 milliard de données.

Des séries temporelles sans discontinuités

Le premier défi relevé par data4web est de produire des données météorologiques depuis le début de la journée en cours jusqu’à 10 jours dans le futur, sans discontinuité temporelle pour chacun des points pour lesquels une prévision est disponible. Afin de couvrir toute la plage d’échéances avec la meilleure précision, data4web combine les systèmes de prévision les plus performants à disposition.

Les sources utilisées dans la chaîne de production sont les suivantes:

  • Du début de la journée en cours jusqu’à 6 heures dans le future: INCA, le système de Nowcasting qui fournit des prévisions immédiates

  • jusqu’à 5 jours : les modèles probabilistes à haute résolution COSMO-1E et COSMO-2E

  • puis jusqu’à l’échéance de 10 jours : le modèle global ensembliste IFS-ENS du ECMWF

Pour certains paramètres où des données issues du post-traitement statistique sont disponibles et amènent une plus-value comme pour le vent et la température, data4web les utilisent afin d'améliorer la qualité des prévisions. Ainsi data4web utilise comme données complémentaires:

  • le MOSMIX du service allemand de prévision météorologique afin de corriger les données de température des modèles proche des stations de mesures

  • les données du projet interne PostprocVeri, qui remplacent les données brutes de COSMO et ECMWF pour les variables de vent. Puis d'autres paramètres issus du post-traitement statistique seront introduits petit à petit, comme la couverture nuageuse, les précipitations et la température

Le rôle de Data4web est donc de combiner ces différentes sources de manière optimale, d’en assurer la cohérence et, dans certains cas, d’en améliorer la qualité de manière complètement automatique.

Données ponctuelles locales

Même les modèles à haute résolution ne permettent pas de reproduire exactement les subtilités des structures spatiales que l’orographie complexe des Alpes impose. Pour être au plus près des conditions météorologiques locales, il convient donc de corriger et d’homogénéiser les résultats des modèles calculés à des échelles variant entre 1 et 18 km. L’apport de techniques d’interpolations et de « downscaling » permet de transformer un paramètre calculer à l'échelle de la grille du modèle à une échelle plus adéquate pour l'utilisateur.

Le but de data4web est de fournir une prévision locale qui reflète les conditions météorologiques comme les percevrait un utilisateur se trouvant en ce lieu précis.

Pour ce faire, data4web implémente plusieurs approches, par exemple en intégrant des indices topographiques à très haute résolution (50 m), mais aussi en agrégeant spatialement certain paramètres comme la couverture nuageuse (car l'utilisateur ne voit pas que le ciel droit au-dessus de sa tête).

Des paramètres simples ou combinés

Au plus proche des demandes des utilisateurs, plus de 40 paramètres sont calculés à chaque site et les plus importants sont disponibles sur l’App et le site internet de MétéoSuisse. Certains paramètres consistent en des valeurs horaires de variables météorologiques simples comme la température, la force du vent ou les précipitations, d’autres représentent des variables combinées tels les pictogrammes ou encore agrégées sur des périodes temporelles variables de 1 à 24 heures.

Données rafraichies en permanences

Les prévisions les plus récentes étant toujours de meilleure qualité, un des principes de data4web est de tirer profit des dernières actualisations des systèmes de prévision à disposition (les fréquences d’exécution étant de 10 minutes pour INCA, 3 heures pour COSMO-1E, 6 heures COSMO-2E et 12 heures pour le modèle global IFS-ENS). Ainsi, à chaque fois qu’une nouvelle exécution de modèle est disponible, la chaîne de calcul data4web est lancée et les données actualisées.

Chaque jour, data4web produit ainsi un total d’environ 1 milliards de données.

Un futur statistique et probabiliste

Les derniers développements ont également permis de mettre à disposition de nouveaux paramètres probabilistes, tels que les quantiles ou les probabilités de dépassement de seuils. Ces paramètres permettront dans un futur proche d’augmenter la palette des représentations graphiques sur le site web et l’application.

Ainsi, même si l’incertitude est toujours présente dans le domaine de la prévision météorologique, nous sommes certains d’une chose : l’intérêt pour des prévisions locales et personnalisées continuera d’augmenter dans le futur. MétéoSuisse souhaite donc répondre à ce besoin croissant en augmentant autant que possible la qualité et la fiabilité de ses prestations.

La prochaine étape importante sera d’intégrer progressivement des prévisions issues de traitements statistiques de pointe de type « machine learning », dont le gain en qualité aura été prouvé.