La prévision à l'échelle sous-saisonnière (de deux semaines à deux mois) est souvent qualifiée de « désert de prévisibilité » : le chaos atmosphérique efface la mémoire des conditions initiales, tandis que les processus lents de l'océan et des terres n'ont pas encore pris le relais. Ce travail se distingue des études voisines : à côté, on trouve des recherches qui prédisent El Niño un an et demi à l'avance, qui apprennent à des réseaux de neurones à lire le temps passé pour les sécheresses, ou qui transposent les schémas météorologiques terrestres à Mars. Ici, l'accent n'est pas mis sur un événement particulier ou une autre planète, mais sur les régimes de circulation à grande échelle eux-mêmes, qui servent de squelette à tout le temps qu'il fait. Les auteurs testent l'hypothèse selon laquelle la prévisibilité provient de différentes composantes du système Terre selon l'échéance de prévision, et ce de manière systématique, avec un modèle par prédicteur.
À partir de la réanalyse ERA5, on a extrait les champs quotidiens de hauteur géopotentielle à 500 hPa au-dessus de l'Amérique du Nord pour 1981–2020. Après filtrage et standardisation, 12 composantes principales ont été retenues, puis une classification par k-moyennes les a réparties en quatre groupes correspondant aux régimes : creux du Pacifique, crête du Pacifique, maximum du Groenland et crête de l'Alaska. Une cinquième classe, « aucun régime », regroupe les jours où la configuration ne ressemblait à aucun des groupes. Ensuite, de nombreux modèles XGBoost ont été entraînés, chacun ne recevant qu'une seule variable : atmosphérique (géopotentiel à 500 hPa, rayonnement sortant grande longueur d'onde, vent zonal à 200 et 10 hPa), océanique (température de surface, contenu thermique à différentes profondeurs, hauteur de surface, profondeur de la couche de mélange, épaisseur et concentration de glace) ou terrestre (humidité et température du sol à quatre profondeurs, hauteur de neige). Toutes les données ont été converties en anomalies hebdomadaires standardisées, et on a prévu le régime dominant de la semaine pour des échéances de 1 à 8 semaines. Les hyperparamètres ont été réglés par optimisation bayésienne avec validation croisée par décennies.
L'atmosphère fournit la plus grande prévisibilité au cours des deux premières semaines, puis sa contribution rejoint celle de l'océan et des terres. Les meilleurs modèles océaniques s'appuient sur le contenu thermique des couches supérieures plutôt que sur la température de surface, ce qui souligne l'importance des processus sous la surface. Pour les terres, l'humidité et la température du sol apportent une prévisibilité significative, tandis que la neige n'est utile que certaines saisons. La stratification saisonnière montre que l'hiver et l'été sont plus prévisibles que le printemps et l'automne, l'atmosphère et l'océan dominant en hiver, et les modèles distinguant bien le régime « aucun régime » en été. Pour le creux du Pacifique en automne et en hiver, l'océan apporte une contribution clé, en particulier les signaux d'El Niño ; pour la crête du Pacifique en hiver, les vents stratosphériques et la glace de mer sont importants ; pour le maximum du Groenland en hiver, la convection tropicale et les conditions du sol jouent un rôle. L'analyse des valeurs SHAP a confirmé que les prévisions précises sont liées à des anomalies spécifiques : par exemple, un renforcement de la convection sur le Pacifique tropical central précède le creux du Pacifique, et des anomalies du vent zonal dans la stratosphère tropicale australe précèdent la crête du Pacifique.
Ce travail montre que les sources de prévisibilité des régimes météorologiques sont bien plus variables selon l'échéance, la saison et le type de régime qu'on ne le pensait. Contrairement aux études voisines, qui se concentrent sur une seule composante (par exemple El Niño ou l'humidité du sol) ou qui utilisent un modèle unique pour tous les prédicteurs, ici chaque source est évaluée séparément, ce qui permet de voir sa contribution individuelle. C'est la première analyse systématique de la contribution de l'atmosphère, de l'océan et des terres à la prévision des régimes nord-américains aux échéances sous-saisonnières à l'aide du boosting par gradient. Les résultats soulignent que, pour améliorer les prévisions, il ne suffit pas d'ajouter plus de données, il faut comprendre quelle composante du système Terre est importante dans chaque situation.
Le sujet pourrait évoluer vers la vérification des liens de cause à effet : les anomalies du vent stratosphérique provoquent-elles réellement la crête du Pacifique, ou s'agit-il d'une réaction commune à un autre processus ? Il serait prometteur d'inclure des données issues de modèles numériques du système Terre pour vérifier s'ils reproduisent les mêmes sources de prévisibilité. Il est également important d'étudier comment ces sources évolueront dans un climat qui se réchauffe, car les régimes de circulation pourraient se déplacer ou changer de fréquence.
Les résultats influencent directement la prévision opérationnelle sous-saisonnière du temps et des risques climatiques en Amérique du Nord, ainsi que des domaines connexes comme l'hydrologie, l'agriculture et l'énergie, où les décisions dépendent des anomalies attendues de température et de précipitations.
Les prochaines étapes comprennent la vérification des relations identifiées par analyse causale et expériences de modélisation, ainsi que l'extension de l'ensemble des prédicteurs à d'autres composantes, comme la cryosphère ou la composition de l'atmosphère.
Dans les sciences de l'atmosphère, la question de savoir jusqu'où s'étend la prévisibilité de la circulation à grande échelle et quels mécanismes physiques la soutiennent reste ouverte. Ce travail relie directement la prévisibilité à des processus spécifiques (El Niño, oscillation de Madden-Julian, vortex polaire stratosphérique, humidité du sol), mais ne prouve pas la causalité. Cela laisse ouverte la question de distinguer les véritables sources de prévisibilité des signaux corrélés.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Les auteurs ont systématiquement étudié la prévisibilité de quatre régimes météorologiques au-dessus de l'Amérique du Nord sur des horizons de 1 à 8 semaines, en entraînant des centaines de modèles XGBoost avec des prédicteurs uniques issus de l'atmosphère, de l'océan et de la terre. Ils montrent que durant les deux premières semaines, l'atmosphère domine, puis la contribution de l'océan et de la terre devient comparable, et que les sources clés de prévisibilité dépendent de la saison et du régime.
Où est sa force
La force de cette étude réside dans la comparaison systématique des contributions des différentes composantes du système terrestre à l'aide d'une méthodologie unifiée, ce qui permet d'identifier quels prédicteurs sont les plus informatifs pour chaque régime et à quelles saisons.
Vers où avancer
À essayer
Pourquoi cela peut compter
Comprendre les sources de prévisibilité des régimes météorologiques pourrait améliorer les prévisions sous-saisonnières, ce qui est important pour l'agriculture, l'énergie et la gestion des risques.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.53, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
La fréquence du régime « aucun régime » varie de 18 % en hiver à 44 % en été, ce qui rend les prévisions estivales particulièrement difficiles : l'atmosphère est plus souvent dans un état de transition sans structure à grande échelle bien marquée.
Dans le roman de Kim Stanley Robinson « Quarante signes de pluie », des scientifiques tentent de prévoir des changements brusques des régimes météorologiques dus à l'arrêt du Gulf Stream. Cette recherche fait écho à cette idée : elle montre quels composants lents du système Terre peuvent servir d'indicateurs précoces de changements de régimes de circulation.