Accueil > Thèmes de recherche > Prévision d’ensemble : développement
La prévision d’ensemble est une méthode de prévision numérique qui vise à appréhender et quantifier l’incertitude inhérente à toute prévision météorologique.
La prévision d’ensemble ne cherche pas à fournir une unique prévision déterministe mais un ensemble de scénarios dont les variations sont représentatives de l’incertitude liée à la prévision de l’état de l’écoulement atmosphérique.
Cela consiste à réaliser plusieurs simulations à partir d’états initiaux différents. Ces états initiaux sont construits de façon à échantillonner au mieux l’incertitude sur la connaissance de l’état de l’atmosphère. Ces perturbations sont construites à partir d’assimilations d’ensemble, qui cherchent à simuler la dynamique spatio-temporelle des erreurs, qui dépend notamment de la situation météorologique ainsi que du réseau d’observation.
En plus de ces perturbations initiales, pour chaque simulation, le modèle utilisé est perturbé pour tenir compte des incertitudes sur la représentation des lois d’évolution de l’atmosphère. Nous travaillons aussi aux perturbations d’autres paramètres, comme les variables de surface par exemple.
Compte-tenu du coût numérique des prévisions, une prévision d’ensemble contient en général quelques dizaines de simulations.
PEARP est le système de prévision d’ensemble global de Météo-France, basé sur le modèle ARPEGE, comportant 35 membres, et allant jusqu’à l’échéance de 4 jours.
PEARO est le système régional à l’échelle kilométrique de Météo-France, basé sur le modèle AROME , comportant 16 membres, et allant jusqu’à l’échéance de 2 jours. PEARO est couplé à PEARP à ces bords latéraux.
Pour traiter des questions de recherche allant au-delà de ces échéances de prévisions, on peut aussi s’intéresser à l’EPS du CEPMMT , système global allant jusqu’à 15 jours d’échéances, voire au-delà.
Divers diagnostics sont produits afin que ces systèmes de prévisions d’ensemble soient utilisables pour la prévision des événements extrêmes à enjeu (tempêtes, pluies extrêmes, neige, vagues de chaleur ou de froid, etc). Les cartes de Extreme Forecast Index (EFI) sont, par exemple, un moyen de visualiser le risque de prévision d’un événement extrême, en mesurant l’écart entre la distribution prévue par l’ensemble et la climatologie du modèle.