COALITION-4: Context and Scale Oriented Thunderstorm Satellite Predictors Development Version 4

Pendant la saison chaude, de violents orages se produisent régulièrement dans la région alpine. Ils sont souvent accompagnés de grêle, de fortes pluies et de rafales de vent. En outre, la foudre et les crues soudaines peuvent causer de graves dommages aux propriétés et aux infrastructures et mettre des vies en danger. Des avis de tempête précis sont donc essentiels pour réduire les dégâts et protéger la population. Le développement des orages est déterminé par des processus dynamiques et physiques allant de l'échelle microphysique à l'échelle synoptique. Ces processus sont bien compris au niveau conceptuel, mais lorsqu'il s'agit de la prévision spécifique d'un orage, la capacité des modèles de prévision météorologique est limitée pour les raisons suivantes : Premièrement, la complexité des processus microphysiques dépasse ce qui peut être explicitement représenté dans un modèle opérationnel de prévision météorologique en raison des contraintes de temps de calcul. Deuxièmement, des incertitudes subsistent dans la simulation des processus turbulents et microphysiques. Troisièmement, le développement des orages est un processus non linéaire. Il est donc très sensible aux petites incertitudes de l'état de l'atmosphère, ce qui limite sa prévisibilité (chaos déterministe). Pour ces raisons, les méthodes dites de prévision immédiate sont utilisées pour générer des alertes orageuses précises et localisées avec des délais de prévision de quelques minutes à quelques heures.

Objectifs et données d'entrée

Pour créer les COALITION-4 produits de prévision immédiate, les données des radars terrestres et des éclairs, les observations par satellite et les prévisions des modèles météorologiques sont analysées à l'aide de méthodes d'apprentissage automatique (intelligence artificielle). Celles-ci sont capables de visualiser des processus non linéaires multivariés de systèmes complexes et de prendre en compte un grand nombre de prédicteurs. Les prédicteurs sont des informations sur lesquelles la prévision est basée : Les données radar fournissent des informations sur les hydrométéores (pluie, grêle, cristaux de glace, etc.), tandis que les capteurs satellites d'imagerie observent les nuages. Quant au modèle météorologique, il calcule par exemple la teneur en vapeur d'eau de l'atmosphère. Les prédicteurs permettent de caractériser l'état actuel de l'orage et de l'environnement atmosphérique et d'estimer son évolution future. Étant donné qu'il existe de nombreux prédicteurs possibles, il convient de les sélectionner en tenant compte de notre connaissance des processus dynamiques et physiques sous-jacents.

Les étapes suivantes ont déjà été franchies dans le cadre de ce projet :

• Préparation de l'utilisation des observations des missions du satellite imageur MTG pour la prévision immédiate des orages en utilisant des observations qualitativement similaires de GOES ABI et GOES GLM comme données précurseurs pour les mesures MTG dans un algorithme de développement. Les résultats ont été publiés dans Leinonen et al, 2021a.
• Développement d'une architecture d'apprentissage profond pour la prévision immédiate des risques d'orage. Tout d'abord, des réseaux neuronaux convolutifs ont été mis en œuvre, capables d'analyser les structures spatiales des données d'entrée (par exemple, de l'enclume de l'orage ou de l'image radar) à l'aide de couches convolutives. Pour tester notre modèle par rapport à d'autres solutions, nous avons participé au concours "Weather4cast 2021" organisé par l'Institut de recherche avancée en intelligence artificielle (IARAI) en collaboration avec Nowcasting-SAF. Notre modèle a obtenu la première place dans les séries Core et Transfer Learning de la compétition et dans la compétition IEEE Big Data. Les résultats ont été publiés dans Leinonen, 2021b et Leinonen, 2021c.
• Par la suite, l'architecture du modèle a été étendue. Des connexions récurrentes ont été introduites pour mieux capturer l'évolution temporelle des orages. L'architecture est ainsi devenue un réseau neuronal récurrent-convolutionnel (RCNN). En outre, il a été possible d'analyser davantage de prédicteurs avec une résolution spatiale différente. Ce modèle a ensuite été entraîné à prédire la foudre à court terme. Les résultats ont été publiés dans Leinonen et al, 2022.
• Le modèle a ensuite été étendu à la prévision de la grêle et des fortes précipitations. En outre, l'importance des différentes variables d'entrée (telles que le radar, le satellite et le modèle météorologique) pour les différentes variables cibles (foudre, grêle et fortes précipitations) a été analysée. Les résultats ont été publiés dans Leinonen et al, 2023.

Utilisation des derniers satellites météorologiques

Le premier satellite de la nouvelle génération de satellites météorologiques géostationnaires européens, Meteosat Third Generation Imager 1, a été lancé dans l'espace fin 2022. Les premières livraisons de données pré-opérationnelles ont commencé fin 2023. MTG embarque des capteurs considérablement améliorés et entièrement nouveaux qui offrent des possibilités sans précédent d'observer les orages. Dans le cadre de COALITION-4, l'utilisation des données du MTG a déjà été préparée au cours des années précédentes :

• L'imageur de foudre (LI) du MTG mesure l'activité de la foudre depuis l'espace. La foudre constitue une menace directe pour le trafic aérien et les événements en plein air. L'activité de la foudre est un bon indicateur de la formation de grêle et de rafales de vent violentes. Pour quantifier les avantages du MTG LI, des mesures similaires du Global Lightning Mapper sur le satellite américain GOES ont été utilisées dans ce projet, voir Leinonen et al, 2021a.
• L'imageur combiné flexible (FCI) du MTG est une suite de l'instrument SEVIRI à bord du Meteosat de deuxième génération. Des améliorations significatives sont attendues grâce à la résolution spatiale, temporelle et spectrale plus élevée de FCI par rapport à SEVIRI. La résolution temporelle plus élevée améliorera encore le suivi des orages et permettra de reconnaître des caractéristiques supplémentaires telles que les sommets dépassés et la divergence dans la partie supérieure des nuages. Des canaux spectraux supplémentaires fourniront des informations plus précises sur la phase des nuages, la microphysique et les nuages multicouches. L'utilisation du FCI a été préparée avec des observations de l'Advanced Baseline Imager (ABI) sur le GOES satellite américain, voir Leinonen et al, 2021a.
• Le sondeur infrarouge (IRS) du MTG mesurera les profils de température et d'humidité qui déterminent l'instabilité atmosphérique (par exemple CAPE, CIN). Les avantages des observations du sondeur infrarouge du MTG peuvent être reproduits avec les mesures des capteurs hyperspectraux (IASI, CrIS et AIRS) sur les satellites polaires.

Pour plus d'informations sur le projet COALITION-4, veuillez contacter Ulrich Hamann.