Formation sur les SPE Module 1 : Introduction Richard Verret (Normand Gagnon) Service météorologique du Canada L'illusion du déterminisme...

Présentation au sujet: "Formation sur les SPE Module 1 : Introduction Richard Verret (Normand Gagnon) Service météorologique du Canada L'illusion du déterminisme..."— Transcription de la présentation:

1 Formation sur les SPE Module 1 : Introduction Richard Verret (Normand Gagnon) Service météorologique du Canada L'illusion du déterminisme...

2 Module 1: Introduction – Page 2 R. Verret – Bienvenue à la formation sur les SPE

3 Module 1: Introduction – Page 3 R. Verret – Bienvenue à la formation sur les SPE Que désirez-vous retirer de cet atelier sur les systèmes de prévision d’ensemble ?

4 Module 1: Introduction – Page 4 R. Verret – Plan du module 1 Contexte. Portée de la séance de formation. Programme de la séance de formation. Résultats attendus. Bref aperçu des divers modules. L'illusion du déterminisme...

5 Module 1: Introduction – Page 5 R. Verret – Contexte Les systèmes de prévision d'ensemble (SPE) existent depuis longtemps : –Une prévision d'ensemble peut être définie comme une comparaison de deux ou plusieurs modèles de prévision numérique du temps (PNT) vérifiant au même temps et permettant de : ▪Se faire une idée des possibilités de l'évolution des patrons (circulation). ▪Juger de la confiance à accorder à la solution d'un modèle particulier.

6 Module 1: Introduction – Page 6 R. Verret – Contexte GEM Régional 48 hGEM Global 48 hNCEP-GFS 48 h NCEP-NAM 48 hUKMetO 48 hCEPMMT 48 h R. Sauvageau, CMC Pression au niveau moyen de la mer – toutes valides à 00 UTC 9 novembre 2006

7 Module 1: Introduction – Page 7 R. Verret – 48-h GEM régional48-h GEM global48-h NCEP-GFS 48-h NCEP-NAM48-h UKMetO48-h CEPMMT Contexte M.-F. Turcotte, CMC Pression au niveau moyen de la mer – toutes valides à 12 UTC 15 février 2007

8 Module 1: Introduction – Page 8 R. Verret – Contexte Les prévisions sont généralement produites selon un paradigme déterministe basé sur le choix d’un scénario unique et aucune donnée sur l'incertitude des prévisions n'est fournie. Voici les éléments qui contribuent au déterminisme : –Héritage du passé –Les améliorations des modèles numériques de prévision météorologique de fine résolution. –La technologie de télédétection (satellite, radar, etc.). >>> Une confiance trop grande dans ces modèles <<< La clientèle n'est pas forcément apte à utiliser des prévisions probabilistes ou des mesures sur l'incertitude des prévisions : –La formation est requise pour les utilisateurs et les prévisionnistes.

9 Module 1: Introduction – Page 9 R. Verret – Contexte S. Bélair, RPN

10 Module 1: Introduction – Page 10 R. Verret – Contexte S. Bélair, RPN SPE-M.1-Introduction.ppt

11 Module 1: Introduction – Page 11 R. Verret – Les modèles semblent très réalistes… SHRPD à 2.5 km http://iweb.cmc.ec.gc.ca/~afsgfau/LAM2.5km/NationalDo main/loop20_N1.gif http://iweb.cmc.ec.gc.ca/~afsgfau/LAM2.5km/NationalDo main/loop20_N1.gif http://iweb.cmc.ec.gc.ca/~afsgfau/LAM2.5km/NationalDo main/loop20_N2.gif http://iweb.cmc.ec.gc.ca/~afsgfau/LAM2.5km/NationalDo main/loop20_N2.gif M. Faucher, CMC/CMDN

12 Module 1: Introduction – Page 12 R. Verret – La PNT s’améliore! T. Robinson, CMC ~10 ans Gain de 48 h de prévisibilité en ~ 20 ans

13 Module 1: Introduction – Page 13 R. Verret – Contexte Intégration de 120 h – pression au niveau moyen de la mer Deux intégrations faites avec des modèles PNT identiques mais sur des ordinateurs différents M. Lajoie, CMC

14 Module 1: Introduction – Page 14 R. Verret – Contexte Différence sur les hauteurs de précipitations > 45mm Pression au niveau moyen de la mer Expérience sur la représentation numérique N. Gagnon, CMC Prévision 240 h

15 Module 1: Introduction – Page 15 R. Verret – Contexte Les prévisions d'ensemble ont beaucoup évolué au cours des dernières années : –Approche systématique de la modélisation de l’incertitude. –Utilisation des perturbations pour simuler l'incertitude. –Meilleure simulation des incertitudes dans le processus de prévision. –Nombre croissant de membres. –Résolution accrue des membres. La prévision d'ensemble permet d'évaluer, de prévoir et de formuler l'incertitude.

16 Module 1: Introduction – Page 16 R. Verret – Contexte Un système de prévision d'ensemble est un ensemble d'intégrations d'un ou de plusieurs modèles numériques de prévision météorologique dont les états initiaux (et parfois les configurations et conditions frontières) diffèrent. La prévision d'ensemble a pour but d'estimer l'évolution temporelle non- linéaire de la fonction de densité de probabilité de l’erreur de prévision. Elle constitue une méthode potentielle de calcul de la prévisibilité des prévisions au-delà du délai dans lequel la croissance des erreurs peut être décrite par la dynamique linéarisée.

17 Module 1: Introduction – Page 17 R. Verret – Contexte États initiauxÉtats finaux État initial véritable État final véritable Climatologie Moyenne d'ensemble Analyse Prévision déterministe Incertitude de état initial R. Verret, N. Gagnon, CMC

18 Module 1: Introduction – Page 18 R. Verret – Contexte Usages courants des prévisions d'ensemble : –Utilisation de la moyenne d'ensemble comme prévision déterministe unique. –Regroupement pour produire un sous-ensemble d’états prévus de l’atmosphère caractérisés par la moyenne du regroupement. –Prévision a priori de la performance des prévisions. –Fonction de densité de probabilité d'ensemble. –Mesure de l'incertitude. –Prolongation du temps de prévision.

19 Module 1: Introduction – Page 19 R. Verret – Contexte Un important effort de recherche est mené en matière de SPE autour du globe : –Recherches menées dans les centres de production des SPE. –THORPEX (THe Observing system Research and Predictability EXperiment). –SPENA (Système de Prévision d’Ensemble Nord-Américain). Un important effort de recherche est consacré à l'utilisation des SPE par... –Chaque centre de production des SPE. –Le SPENA.

20 Module 1: Introduction – Page 20 R. Verret – Contexte Portée de cet atelier sur les SPE : –Initier les participants à la prévision d'ensemble. –Donner aux prévisionnistes opérationnels une formation élémentaire sur les systèmes de prévision d'ensemble. –Délaisser le paradigme déterministe pour aller vers un paradigme probabiliste – calculer et formuler l'incertitude. L'incertitude est une caractéristique fondamentale des prévisions météorologiques, et toute prévision demeure incomplète si elle ne contient pas une description de son degré d'incertitude.

21 Module 1: Introduction – Page 21 R. Verret – Session - cédule Session commence à 9h00 Session se termine vers 16h30. Dîner ~ 11:30 – 12:30. Pauses – 1 le matin – 2 l’après-midi. 7 modules –Théorie: matin + début de l’après-midi. –Études de cas. –Futur. –Conclusions.

22 Module 1: Introduction – Page 22 R. Verret – Programme de la séance

23 Module 1: Introduction – Page 23 R. Verret – Programme de la séance

24 Module 1: Introduction – Page 24 R. Verret – Résultats attendus Passer du paradigme déterministe à un paradigme où l'incertitude fait partie intégrante des prévisions : –Les SPE peuvent fournir une prévision de la fonction de densité de probabilité qui dépend de la circulation pour diverses variables ou événements météorologiques futurs. –Les prévisions probabilistes permettent de quantifier les risques reliés à la météorologie et montrent une valeur économique plus grande que les prévisions déterministes. –Les prévisions d'ensemble ne sont pas conçues pour constituer une technique de consensus.

25 Module 1: Introduction – Page 25 R. Verret – Résultats attendus Avertissement : –Il s’agit du premier atelier de formation sur les systèmes de prévision d’ensemble – il sera probablement suivi de plusieurs autres. –Il sera impossible de répondre à toutes les questions. –En considérant la charge de travail actuelle, il n’est pas évident comment insérer l’utilisation des SPE dans le processus prévisionnel opérationnel – ce sera un processus lent. –L’utilisation des SPE deviendra plus généralisé quand : ▪De nouveaux produits seront développés. ▪La prévision au-delà du jour 5 est produite à partie du SPE. ▪On passera du paradigme déterministe au paradigme probabiliste.

26 Module 1: Introduction – Page 26 R. Verret – Résultats attendus Résultat général : –Établir une motivation à utiliser les sorties et les produits des SPE. Module 2 – Prévisions probabilistes : –Compréhension des concepts de base des probabilités. Module 3 – Concepts de base des SPE : –Compréhension des concepts de base de la prévision d'ensemble. Module 4 – Construction des SPE : –Compréhension de base de la construction des SPE. Module 5 – Produits et utilisation des SPE : –Savoir accéder et utiliser les produits des SPE. Module 6 – Application des SPE : –Savoir appliquer les SPE dans le processus prévisionnel.

27 Module 1: Introduction – Page 27 R. Verret – Horaire proposé de la formation 8:30 – 9:00Module 1 - Introduction 9:00 – 10:15Module 2 – Prévisions probabilistes 10:15 – 10:45Pause 10:45 - 11:45Module 3 – Concepts de base des SPE 11:45 – 12:45Lunch 12:45 – 13:45Module 4 – Construction des SPE 13:45 – 14:00Pause 14:00 – 15:00Module 5 – Produits des SPE 15:00 - 15:15Pause 15:15 – 16:15Module 6 – Application des SPE, sites web 16:15 - 16:30Module 7 – Futur / Conclusion

28 Module 1: Introduction – Page 28 R. Verret – Module 2 – Prévisions probabilistes Prévisions déterministes et incertitude. Définition des probabilités Distributions : –Distributions de fréquence. –Mesures de la tendance centrale. –Mesures de la dispersion. –Mesures des formes. –Statistiques des distributions de probabilités. –Fonctions de densité de probabilités. –Fonctions cumulatives de densité de probabilité. –Distributions utilisées en météorologie. –Distributions jointes. Prévisions probabilistes : –Règles de la probabilité. –Théorème de Bayes. –Attributs des prévisions probabilistes: ▪Indice de Brier. –Avantages des prévisions probabilistes. Probabilités par adaptation statistique. Modèle des coûts et des pertes. Exercices : –Production d'énergie éolienne. –Salage des routes. Conclusions. Mesurer les chances…

29 Module 1: Introduction – Page 29 R. Verret – Module 3 – Concepts de base des SPE Principes des prévisions numériques du temps (PNT) : –Concepts de base. –Assimilation des données. –Modélisation PNT. –Modèle global GEM. –Modèle régional GEM. –Modèle à échelle méso GEM. Sources d'erreur dans la PNT : –Conditions initiales. –Erreurs de modélisation. –Conditions frontières. –Dépendance sur les conditions initiales – chaos. Concepts de base des SPE. SPE et prévisions probabilistes : –Relation dispersion-habileté. –Probabilités : ▪Comptage de membres. ▪Calibration. ▪Regroupement. ▪Fonction de densité de probabilité. –Valeur des SPE. Conclusions. L'incertitude dans la prévision…

30 Module 1: Introduction – Page 30 R. Verret – Module 4 – Construction des SPE Ensemble ad hoc. Perturbations : –Filtres de Kalman d'ensemble. –Vecteurs d’entraînement. –Vecteurs singuliers. –Comparaisons. SPENA : –Principes. –Ensemble multi-modèles. –Calibration. Conclusions. Modéliser l'incertitude…

31 Module 1: Introduction – Page 31 R. Verret – Module 5 – Produits des SPE Possibilités et limitations. Concepts de base : –Moyenne et écart-type. –Cartes spaghetti. –Météo-grammes des SPE. Produits probabilistes : –Probabilité de dépassement. –Moyenne bayesienne de modèles. SPENA : –Correction des biais. –Produit de la semaine 2. Prolonger le temps de prévision au-delà du jour 5. Conclusions. Visualiser l'incertitude…

32 Module 1: Introduction – Page 32 R. Verret – Module 6 – Applications Directives générales. Amélioration des prévisions déterministes : –Prévisibilité accrue. –Confiance. –Scénarios alternatifs. –Indication du potentiel d'événements extrêmes. Prévisions probabilistes : –Incertitude. –Analyse du risque et prise de décision. Mise en application…

33 Module 1: Introduction – Page 33 R. Verret – Module 7 – Futur Jusqu'ici… Plans futurs des SPE au Canada. Plans futurs du SPENA. Ensembles régionaux. Conclusions. Contributions. Références. Quelle est la suite…

34 Module 1: Introduction – Page 34 R. Verret – Probabilités d’occurrence d’événements. Calcul du risque. Prise de décision fondée sur les probabilités et le ratio des coûts et des pertes. La relation dispersion-habileté peut servir à évaluer la fiabilité de la prévision. La prévision est incomplète si elle ne contient pas de données sur la précision attendue selon la circulation. Évaluation des scénarios possibles. Sorties des SPE  réduction de l'échelle  modèles d'application. Construction d'une densité de probabilité à partir d'un ensemble fini. Le SPE peut servir à prolonger le temps de prévision au-delà du jour 5. Conclusions

35 Module 1: Introduction – Page 35 R. Verret – Conclusions L'incertitude est l'unique certitude

36 Module 1: Introduction – Page 36 R. Verret – Questions?