Utiliser le deep learning pour prévoir les vagues de chaleur extrêmes ?

Avec le changement climatique en cours, le nombre de canicules risque d’augmenter et d’avoir des conséquences sur notre environnement, nos pratiques quotidiennes, nos vies. La prévision de ces événements pourrait nous aider à nous adapter. La recherche en informatique essaie de rendre plus efficace cette prévision, en intégrant l’utilisation du deep learning avec celle des modèles météorologiques et climatiques.

Pour la prévision d’événements climatiques, Météo France et les autres services de météorologie mondiaux utilisent des modèles météorologiques et climatiques qui demandent un temps de calcul considérable. Météo France se sert actuellement de deux supercalculateurs parmi les 100 plus puissants : Taranis et Belenos.

Malgré ça, les vagues de chaleur extrêmes restent difficiles à anticiper et cette prévision demande des temps de calculs importants. Des chercheurs du CNRS essayent de réduire ce temps en utilisant le deep learning tout en s’appuyant, évidemment, sur des données venant des modèles de météorologie et de climat comme les cartes de pression, de températures, l’humidité du sol, l’état de l’océan et autres.

Comme nous vous l’avions annoncé la semaine dernière brièvement, ils ont publié dans la revue scientifique Physical Review Fluids [PDF] l’état de l’avancée de leurs travaux permettant d’avoir des prévisions précises 15 jours avant une canicule et jusqu’à un mois.

Source