Modèles Numériques

[Ferdi]

Bonjour,

Y a-t-il une bonne âme errant sur ce forum qui pourrait m'expliquer pourquoi il existe autant de modèles numériques différents. Pourquoi n'existe-t-il pas un seul modèle universel (la physique est la même pour tout le monde pourtant). Les équations mathématiques sensées décrire les phénomènes physiques sont elles différentes. Y a-t-il plusieurs écoles décrivant l'atmosphère différement et pourquoi?

Par exemple, qu'est-ce qui différencie les modèles américains des européens? Est-ce la puissance des ordinateurs? Le type de maillage? Equations différentes? J'ose imaginer que les données initiales sont les mêmes pour tout le monde.

Si c'est la finesse du maillage qui est différente en fonction du continent, comment expliquez vous que le modèle américain est parfois plus fiable que l'européen pour le continent européen (voir prévisions de Guy Plaut)? Mystère, mystère!

Merci d'avance pour vos réponses. /emoticons/wink@2x.png 2x" width="20" height="20">

[lds]

peut-être y a t-il un dossier sur ce sujet sur le site mais pour essayer de t'apporter quelques éléments

A la base le jeu d'équations de la physique des fluides est le même pour tout le monde, ce qui peut-être différent c'est la façon de numériser ces équations.

Il y a plusieurs choses. D'abord effectivement le maillage qui peut-être uniforme ou pas (plus serre à un endroit) et surtout plus ou moins lache.

Bien sur, plus le maillage est petit plus le coup du modèle sera grand. Autre différence importante, ce qu'on appelle la "physique" du modèle, qui regroupe, en gros, la paramétrisation des processus "physiques" de l'atmosphère : par exemple les processus thermodynamiques liés aux changements de phases de l'eau ou la schématisation de la convection....

Tu évoques ensuite un point trés important, les conditions initiales. Et bien non elles ne sont pas les memes pour tout le monde. Je m'explique :

le réseau d'obs utilisé et ses données sont les mêmes pour tous le monde mais ce qui change c'est la façon d'assimiler ces observations.

En effet elles ne sont pas utilisées telles qu'elles comme condition initiale mais sont utilisées pour pondérer une sortie ,sur une courte échéance),du modèle (en fait c'est beaucoup plus compliqué que cela) . On appelle le résultat analyse et la façon de fabriquer cette analyse n'est pas toujours la même d'un modèle à l'autre. Quand on sait combien une différence, même petite, entre 2 analyses initiales peut donner de grandes différences après quelques jours de prévisions......

Au final c'est un ensemble de "petites choses" qui font que les résultats des modèles sont parfois si différents.....

[Ferdi]

Merci pour ces éclaircissements!

peut-être y a t-il un dossier sur ce sujet sur le site mais pour essayer de t'apporter quelques éléments

Je t'avoue ne pas avoir tenté une recherche, l'avantage du forum c'est qu'on peut obtenir une réponse bien ciblée!

Autre différence importante, ce qu'on appelle la "physique" du modèle, qui regroupe, en gros, la paramétrisation des processus "physiques" de l'atmosphère : par exemple les processus thermodynamiques liés aux changements de phases de l'eau ou la schématisation de la convection....

Donc, si je comprends bien cela veux dire qu'un certain nombre d'éléments ne sont que des valeurs plus ou moins empiriques et utilisées comme paramètres de ces équations?

En effet elles ne sont pas utilisées telles qu'elles comme condition initiale mais sont utilisées pour pondérer une sortie ,sur une courte échéance),du modèle (en fait c'est beaucoup plus compliqué que cela)

J'imagine que la paramétrisation (valeurs empiriques que j'ai cité plus haut) joue ici un rôle important?A+

[lds]

Il ne s'agit pas de valeurs empiriques mais d'une représentation simplifiée (ona pas le choix) mais le plus proche possible de la réalité des processus physiques

[gadax38]

Si mes souvenirs de physique sont bons on a des phénomènes très (trop ?) complexes. On arrive a définir des lois ou des équations qui les régissent au moins partiellement, mais c'est dans la résolution des équations que ça devient difficile, même impossible de manière exacte et qu'il y a nécessairement des approximations à faire, des choix et des techniques différentes qui doivent ensuite exploiter au mieux le matériel de calcul. D'où à l'arrivée des différences qui phénomènes non-linéaires obligent sont de plus en plus marquées avec le temps qui sépare du jour pour lequel est faite la prévision.

[Invité Guest]

Pour l'assimilation, tu aurais des infos sur la méthode 4dVar développée à MF? A quoi elle sert, ses avantages?

[Invité Guest]

Pour l'assimilation, tu aurais des infos sur la méthode 4dVar développée à MF? A quoi elle sert, ses avantages?

En prévision numérique du temps, l'utilisation d'un modèle nécessite d'abord une description aussi précise que possible de l'atmosphère. Cette description est fournie au modèle comme état initial, qu'on appelle analyse. Elle s'appuie évidemment sur les différentes observations météorologiques disponibles en routine, mais aussi sur d'autres sources d'information telles que le modèle lui-même. L'opération consistant à fournir à chaque instant la meilleure estimation de l'état de l'atmosphère (en prenant en compte les données les plus récentes) s'appelle l'assimilation de données.En juin 2000, Météo-France a effectué un important changement dans son assimilation de données opérationnelle: l'installation d'un algorithme dit « 4D-VAR ». Avant cette date, l'assimilation de données produisait une analyse 4 fois par jour (à Oh, 6 h, 12 h et 18 h, temps universel) ; les observations voisines de ces horaires étaient interpolées dans les trois dimensions (analyse tridimensionnelle).

Avec l'assimilation variationnelle continue (4D-VAR), on utilise toutes les données disponibles pendant quelques heures, sans gaspiller celles qui n'arrivent pas à heure fixe et qui auparavant ne pouvaient être prises en compte. L'interpolation se fait ainsi dans les 4 dimensions: les 3 coordonnées spatiales plus le temps.

L'introduction du 4D-VAR permet :

d'améliorer fortement la qualité du modèle (surtout en hiver et sur les phénomènes météorologiques se déplaçant rapidement).

de mieux prendre en compte les observations (en particulier il permet de mieux extraire l'information des données de satellite actuelles et futures).

Son implantation, envisagé depuis quelques années, n'a été possible que grâce à la puissance de calcul acquise cette année par Météo-France

Appliquée rétroactivement aux cas des tempêtes de fin 1999, la méthode a permis de mieux prévoir encore la caractère exceptionnel de ces évènements.

[anecdote]

alors qu'est-ce qui a manqué aux modèles pour prévoir la neige du 4 janvier 2003 et les fortes intensités des 8-9 septembre 2002 dans le Gard ?

[Invité Guest]

Merci pour la réponse!