Tweet

La NOAA a lancé une nouvelle série de modèles opérationnels de prévision météorologique mondiale, basés sur l’intelligence artificielle (IA), une avancée majeure en matière de rapidité, d’efficacité et de précision des prévisions. Ces modèles permettront aux prévisionnistes de fournir plus rapidement des prévisions plus précises, tout en utilisant une fraction des ressources de calcul nécessaires.

« L’application stratégique de l’IA par la NOAA représente un progrès considérable dans l’innovation des modèles météorologiques américains », a déclaré Neil Jacobs, docteur en sciences et administrateur de la NOAA. « Ces modèles d’IA incarnent un nouveau paradigme pour la NOAA, permettant une meilleure précision des prévisions météorologiques à grande échelle et des trajectoires tropicales, ainsi qu’une diffusion plus rapide des produits de prévision aux météorologues et au public, à moindre coût grâce à une réduction drastique des dépenses de calcul. »

La nouvelle suite de modèles météorologiques basés sur l’IA comprend trois applications distinctes :

• AIGFS (Artificial Intelligence Global Forecast System) : Un modèle de prévision météorologique qui utilise l’IA pour fournir des prévisions météorologiques améliorées plus rapidement et plus efficacement (en utilisant jusqu’à 99,7 % de ressources informatiques en moins) que son homologue traditionnel.
• AIGEFS (Système global de prévision d’ensemble par intelligence artificielle) : Système d’ensemble basé sur l’IA qui fournit aux météorologues et aux décideurs un éventail de prévisions probables. Les premiers résultats montrent une performance supérieure au GEFS traditionnel, avec une durée de prévision étendue de 18 à 24 heures.
• HGEFS (Hybrid-GEFS) : Un modèle hybride novateur de « grand ensemble » qui combine le nouveau modèle AIGEFS basé sur l’IA (ci-dessus) avec le modèle d’ensemble phare de la NOAA, le Système mondial de prévision d’ensemble (Global Ensemble Forecast System). Les premiers tests montrent que ce modèle, une approche inédite pour un centre météorologique opérationnel, surpasse systématiquement les systèmes d’ensemble basés uniquement sur l’IA et ceux basés uniquement sur la physique.

Plus d’informations sur les nouveaux modèles opérationnels d’IA

AIGFS — un nouveau système basé sur l’IA qui utilise diverses sources de données pour générer des prévisions météorologiques comparables à celles produites par les systèmes de prévision météorologique traditionnels, tels que GFS.

• Performances : ce modèle présente une meilleure capacité de prévision que le modèle GFS traditionnel pour de nombreux phénomènes à grande échelle. Notamment, il démontre une réduction significative des erreurs de trajectoire des cyclones tropicaux pour les échéances plus longues.
• Efficacité : atout majeur d’AIGFS. Une prévision à 16 jours utilise seulement 0,3 % des ressources de calcul du GFS opérationnel et est calculée en 40 minutes environ. Grâce à cette latence réduite, les prévisionnistes obtiennent des données essentielles plus rapidement qu’avec le GFS traditionnel.
• Axes d’amélioration : Bien que les prévisions de trajectoire soient meilleures, la version 1.0 montre une dégradation des prévisions d’intensité des cyclones tropicaux, que les versions futures corrigeront.

AIGEFS — un ensemble de 31 membres basé sur l’IA, similaire au GEFS, qui offre un éventail de possibilités aux prévisionnistes météorologiques et aux décideurs plutôt qu’une solution de modèle de prévision unique.

• Performances : la capacité de prévision est comparable à celle du GEFS opérationnel.
• Efficacité : ne nécessite que 9 % des ressources informatiques du GEFS opérationnel.
• Axes d’amélioration futurs : les développeurs continuent d’améliorer la capacité de l’ensemble à générer une gamme de résultats de prévision.

HGEFS — l’application la plus innovante de la nouvelle suite. Le HGEFS est un « grand ensemble » de 62 membres, créé en combinant les 31 membres du GEFS physique avec les 31 membres de l’AIGEFS basé sur l’IA.

• Performances : en combinant deux systèmes de modélisation différents (l’un basé sur la physique, l’autre sur l’IA), le HGEFS crée un ensemble plus vaste et plus robuste qui représente plus efficacement l’incertitude des prévisions. De ce fait, le HGEFS surpasse systématiquement le GEFS et l’AIGEFS sur la plupart des principaux indicateurs de vérification.
• Une première pour la NOAA : à notre connaissance, la NOAA est la première organisation au monde à mettre en œuvre un tel système hybride physique-IA.
• Axes d’amélioration futurs : la NOAA poursuit ses travaux visant à améliorer les prévisions d’intensité des ouragans du HGEFS.
  Un effort conjoint de la NOAA et de l’ensemble de l’industrie

Cette suite de modèles initiale est issue du projet EAGLE , une initiative conjointe du Service météorologique national de la NOAA, des laboratoires de recherche océanique et atmosphérique, du Centre de modélisation environnementale des Centres nationaux de prévision environnementale de la NOAA et du Centre d’innovation en matière de prévision terrestre.

« Grâce au projet EAGLE et au Centre d’innovation pour la prévision terrestre, les scientifiques de la NOAA continuent de collaborer avec des membres du monde universitaire et de l’industrie privée afin de réaliser de nouvelles avancées dans le domaine des technologies de prévision », a ajouté Jacobs.

L’équipe a utilisé le modèle GraphCast de Google DeepMind comme base initiale, puis l’a affiné grâce aux analyses du Système mondial d’assimilation de données (GDS) de la NOAA. Cet entraînement supplémentaire avec les données de la NOAA a amélioré les performances du modèle Google, notamment avec des conditions initiales basées sur le GFS.

Le climat, la météo et l’eau influencent toute vie sur notre planète océan. La mission de la NOAA est de comprendre et de prévoir l’évolution de notre environnement, des profondeurs marines à l’espace, et de gérer et de préserver les ressources côtières et marines des États-Unis.

Adaptation Terra Projects

Source : https://wattsupwiththat.com/

(80)