Navigation rapide (Clés d'accès)

Contenu

COALITION-3

Projet

Le but du système COALITION-3 est de soutenir la prévision des phénomènes convectifs graves et l'alerte. COALITION-3 est un algorithme moderne d'apprentissage automatique qui prédit l'intensité des orages pour les 45 prochaines minutes pour les cellules orageuses existantes. Cette prévision est basée sur l'évolution de l'orage lors des étapes précédentes. Des alarmes automatiques sont générées lorsqu'un seuil prédéterminé est dépassé et a été sélectionné sur la base des dommages enregistrés dans le passé.

Début du projet01.05.2018
Fin du projet31.12.2023
RégionNational
StatutProjets achevés
  • Système de mesure et de prévision
  • Recherche et collaboration
  • Météo

Pied de page

Navigation top bar

Toutes les autorités fédéralesToutes les autorités fédérales

Navigation des services

COALITION-3 : Context and Scale Oriented Thunderstorm Satellite Predictors Development Version 3

Pendant la saison estivale, de forts orages se produisent régulièrement dans la région alpine. Ils sont souvent accompagnés de grêle, de fortes pluies et de rafales de vent orageuses. En outre, la foudre et les inondations peuvent causer de graves dommages aux biens et aux infrastructures et conduire à des situations où la vie des personnes peut être en danger.  Par conséquent, des avertissements précis en cas de violents orages sont un moyen important de réduire les dégâts et de protéger la population. Le développement des orages est déterminé par des processus dynamiques et physiques allant d'une échelle microphysique à une échelle synoptique. Les processus sont assez bien connus au niveau conceptuel, mais lorsqu'il s'agit de prédire explicitement l'évolution d'une cellule orageuse, les capacités des modèles météorologiques numériques sont limitées. C'est pourquoi la prévision à court terme (nowcasting), qui utilise les observations les plus récentes, permet d'extrapoler intelligemment l'intensité de l'orage en cours et son évolution dans un avenir proche, afin de donner des avertissements plus précis sur ces phénomènes météorologiques intenses.

Buts et set de l’ensemble de données fournies

Ces dernières années, MétéoSuisse a développé l'algorithme COALITION-3, qui combine des modèles physiques conceptuels de développement d'orages, des techniques d'apprentissage automatique et un grand nombre d'ensembles de données d'entrée, tels que :

  • Observations du réseau de radars de MétéoSuisse dual-polar et Doppler
  • Canaux infrarouges MSG SEVIRI et produits Nowcasting SAF
  • Observations de la foudre au sol
  • Observations de la température, de l'humidité et du vent de COSMO-CH

Méthodologie

La structure de cet algorithme de nowcasting est la suivante :

  • Les observations des satellites, des radars et des réseaux de détection de la foudre sont utilisées pour identifier et suivre les orages et décrire en détail chaque cellule individuelle en utilisant une série de paramètres spécifiques (biographies des cellules d'orage) avec une attention particulière à l'intensité du phénomène convectif.
  • La biographie de la cellule orageuse est créée à partir des observations et des données du modèle numérique. Ce dernier caractérise l'environnement dans lequel la cellule orageuse s'est formée.
  • Les biographies des cellules orageuses basées sur les observations sont intégrées aux données des modèles de NWP. Grâce à ces données, il est possible d'identifier les environnements où les cellules orageuses ont généralement une forte probabilité de s'intensifier.
  • Un algorithme d'apprentissage automatique est formé à l'aide d'un grand nombre de biographies de cellules d'orage afin de trouver la combinaison optimale de prédicteurs et de générer une prévision du développement de l'orage pour les 45 prochaines minutes.


Les caractéristiques de l'orage et son environnement sont enregistrés le long de la trajectoire de l'orage. Pour construire cette trajectoire, son mouvement est calculé par une méthode de flux optique implémentée dans la bibliothèque open source "pysteps" (https://pysteps.github.io/, Pulkkinen et al., 2019).

La figure 1 montre un exemple de développement d'un orage en utilisant les paramètres des satellites et des radars le long de la trajectoire d'un orage.


COALITION-3 utilise ce type d'historique de cellule orageuse pour former un algorithme d'apprentissage automatique permettant de prédire la force de l'orage. L'apprentissage automatique est capable de représenter les processus multivariés et non linéaires de systèmes complexes et convient pour considérer un grand nombre de prédicteurs et trouver leur combinaison optimale. La formation de cet algorithme nécessite une base de données contenant un grand nombre d'orages. C'est pourquoi, pendant la saison convective de 2018, l'historique de tous les orages violents en Suisse a été enregistré et sauvegardé. Environ 10 000 cellules orageuses individuelles ont été sauvegardées. Les prévisions de COALITION-3 sont basées sur l'algorithme XGBoost (Chen et Guestrin, 2016), qui utilise un grand nombre d'arbres de décision, chacun effectuant une série de tests basés sur des seuils (par exemple sur la réflectivité du radar). La randomisation des cas et des prédicteurs génère un grand nombre d'arbres de décision similaires. Cette procédure rend les résultats plus solides et plus précis.

La Figure 2 illustre la méthode de l'algorithme XGBoost.


L'algorithme XGBoost est également capable de quantifier l'importance des prédicteurs pour la prévision de l'intensité des orages. L'importance des prédicteurs varie en fonction du temps de prévision. Par exemple, la figure 3 montre l'importance des prédicteurs pour un temps de prévision de 20 minutes. Dans ce cas, les deux paramètres les plus importants sont la zone avec une réflectivité d'au moins 57 dBZ et la réflectivité radar maximale des 5 dernières minutes. Le troisième paramètre le plus important est un paramètre satellite, le canal 9,7 micromètres de MSG/SEVIRI.

Description du produit

COALITION-3 prévoit l'intensité de l'orage, exprimée d'une manière similaire à l'échelle d'intensité fournie par l'algorithme TRT, pour les 45 prochaines minutes. Les résultats sont mis à jour toutes les 5 minutes et le domaine correspond à la Suisse et à ses environs, où toutes les données d'entrée nécessaires sont disponibles. La résolution spatiale des produits COALITION-3 est de 1 km x 1 km.

La figure 4 illustre un exemple de prévision à court terme d'un orage dans le Bade-Wurtemberg, dans le sud de l'Allemagne, le 7 août 2018. L'image de gauche montre une image du radar météorologique de 10:25 UTC. L'ovale blanc indique que l'intensité de l'orage actuel est inférieure au niveau d'alerte le plus bas. La flèche blanche indique le mouvement prévu de l'orage. Les couleurs affichées le long de la direction du mouvement représentent l'intensité de l'orage prévue dans les 30 prochaines minutes. Sur le côté droit, le même orage est affiché sous la forme d'un diagramme d'orage, où l'axe des y représente l'intensité de l'orage. Les niveaux d'alerte pour les orages violents utilisés par MétéoSuisse sont indiqués sur l'axe des y en vert (orage modéré), jaune (orage fort) et rouge (orage très fort). La ligne noire montre l'observation de l'évolution de l'intensité selon l'échelle TRT. La ligne cyan montre la prévision basée sur la persistance. La ligne violette indique la prévision d'intensité fournie par COALITION-3. COALITION-3 prévoit avec succès l'intensification de l'orage, y compris le dépassement des seuils d'alerte pour les orages modérés (vert) et violents (jaune) dans les 30 prochaines minutes.


Pour de plus amples informations, veuillez contacter messieurs Ulrich Hamann ou Lorenzo Clementi.

Publications

À partir de 2018, les résultats du projet COALITION-3 ont été présentés dans plusieurs conférences, ateliers et séminaires :

  • EUMETSAT's MTG / EPS-SG User Days, 2019, Darmstadt, Allemagne
    (eingeladener Vortrag)
  • 10th European Conference on Severe Storms, 2019, Krakow, Pologne
    (Prix du meilleur Poster “Best ECSS Poster Jury Award” pour Shruti Nath et al.)
  • 3rd European Nowcasting Conference, 2019, Madrid, Espagne
  • EUMETSAT conférence 2018, Tallinn, Estonie
  • Leinonen, J., Hamann, U., Germann, U., and Mecikalski, J. R., 2021. Nowcasting thunderstorm hazards using machine learning: the impact of data sources on performance, Nat. Hazards Earth Syst. Sci. 22, 577–597, 2022, doi:10.5194/nhess-22-577-2022

Informations complémentaires

Portrait

MétéoSuisse est l’Office fédéral de météorologie et de climatologie. Nous prenons le pouls du temps et du climat pour que vous ne soyez pas dans le brouillard.

Informations sur cet accès internet