L'IA révolutionne les prévisions météorologiques : des cartes de précipitations plus précises pour tout le monde !

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Les chercheurs du KIT développent un modèle d’IA avec SpateGAN-ERA5 pour l’analyse précise des fortes pluies dans le monde.

Forschende des KIT entwickeln mit SpateGAN-ERA5 ein KI-Modell zur präzisen Analyse von Starkregenereignissen weltweit.
Les chercheurs du KIT développent un modèle d’IA avec SpateGAN-ERA5 pour l’analyse précise des fortes pluies dans le monde.

L'IA révolutionne les prévisions météorologiques : des cartes de précipitations plus précises pour tout le monde !

Les chercheurs du Institut de technologie de Karlsruhe (KIT) ont développé un modèle d'IA innovant appelé SpateGAN-ERA5 qui permet de convertir les données de précipitations mondiales à grossière résolution en cartes de précipitations à haute résolution. Cette nouvelle méthode s’attaque aux épisodes de fortes précipitations qui se multiplient dans le monde et contribue à une meilleure compréhension des causes et des effets de ces événements météorologiques extrêmes. Le modèle représente donc une avancée importante dans la recherche sur le climat.

La recherche sera publiée dans la revue npj Climate and Atmospheric Science. Le Dr Christian Chwala, expert en hydrométéorologie au KIT, souligne que dans de nombreuses régions, il existe actuellement un manque de données permettant une évaluation fiable des événements extrêmes. La méthode AI utilise des données météorologiques historiques avec une résolution d'environ 24 kilomètres et peut améliorer cette résolution jusqu'à 2 kilomètres toutes les 10 minutes. Cela permet une analyse détaillée des fortes précipitations et des risques associés tels que les inondations et les glissements de terrain.

Amélioration de la prévision des événements météorologiques extrêmes

Le modèle d'IA SpateGAN-ERA5 produit plusieurs cartes de précipitations physiquement plausibles qui représentent la variabilité des précipitations plus précisément que les modèles météorologiques numériques traditionnels. La résolution temporelle des champs de précipitations a été augmentée d'une heure à dix minutes, ce qui est crucial pour une prévision plus précise des fortes précipitations locales. Cette méthode est non seulement plus rapide, mais aussi plus économe en ressources, ce qui permet une adaptation efficace aux défis croissants posés par le changement climatique.

La validation du modèle avec des données radar météorologiques aux États-Unis et en Australie a démontré que la méthode est applicable à l'échelle mondiale. Il permet une meilleure évaluation des risques climatiques régionaux, en particulier dans les zones pauvres en données, ce qui signifie qu'il peut apporter une contribution précieuse à l'alerte en cas de catastrophe et soutenir les mesures de protection à long terme contre les inondations.

Aperçu de l’avenir de la recherche sur le climat

La technologie d’IA développée fait partie d’un cadre plus large qui a le potentiel de révolutionner durablement la recherche sur le climat. Fort l'air du temps de la technologie Les modèles d’IA changent la façon dont les événements météorologiques extrêmes sont prédits en analysant de grandes quantités de données plus rapidement et avec plus de précision. Ceci est important car des précipitations extrêmes peuvent entraîner de graves catastrophes naturelles.

Dans le monde d'aujourd'hui, il est essentiel que des modèles climatiques tels que SpateGAN-ERA5 soient développés pour mieux comprendre les impacts du changement climatique. Les chercheurs prévoient d’appliquer cette méthode à des situations météorologiques spécifiques à grande échelle et de l’intégrer dans les futures simulations climatiques. Ces avancées s’inscrivent également dans le contexte d’un besoin croissant d’établir des règles claires pour l’utilisation de l’IA dans la recherche sur le climat.

En résumé, les progrès dans l’estimation des précipitations grâce à l’IA représentent non seulement une réussite technologique, mais peuvent également apporter une contribution significative à l’amélioration de la science du climat et à l’augmentation de la résilience aux risques naturels liés au climat.