La prévision du nombre de cyclones tropicaux par saison est importante pour les compagnies d'assurance, la logistique et les communautés côtières. Les chercheurs ont depuis longtemps remarqué que trois facteurs climatiques expliquent environ la moitié de la variabilité annuelle : El Niño, la température de surface de l'océan dans la principale région de développement et l'oscillation nord-atlantique. Ce travail se situe à côté des études sur la prévisibilité d'El Niño et des approches par réseaux de neurones pour la météo, mais il s'en distingue en ce qu'il ne cherche pas la meilleure méthode, mais la limite même du possible. Si les modèles butent déjà sur un plafond statistique, tout effort supplémentaire pour complexifier les algorithmes est voué à un gain de précision nul.
Les auteurs ont utilisé des données sur le nombre de cyclones de 1880 à 2019, corrigées pour tenir compte de l'amélioration des moyens d'observation. Le modèle de base était une régression de Poisson avec trois indices : la température de la principale région de développement en août-octobre, l'indice Niño 3.4 en décembre-février et l'oscillation nord-atlantique en décembre-mars. Pour tester la limite de précision, ils ont appliqué deux extensions : un filet élastique sur des cartes globales de température océanique avec une résolution de 2 degrés, et l'ajout de termes quadratiques et croisés aux caractéristiques de base. Toutes les comparaisons ont été effectuées avec une validation croisée quintuple, où les années adjacentes tombaient dans le même pli afin d'éviter les fuites d'information dues à l'autocorrélation.
La borne inférieure théorique de l'erreur absolue moyenne pour les modèles de Poisson s'est établie à 2.51 cyclones. Le modèle de base a montré une erreur de 2.46 ± 0.10, et le filet élastique de 2.51 ± 0.14, c'est-à-dire que les deux atteignent la limite dans les limites de l'incertitude. La vérification sur des données réelles a confirmé l'accord avec la distribution de Poisson : le test du chi-carré a donné p = 0.84, et l'autocorrélation des résidus n'était que de 11% (z = 1.3). L'ajout d'interactions non linéaires n'a pas amélioré le résultat, à l'exception d'un faible effet du produit des indices Niño 3.4 et oscillation nord-atlantique, qui a réduit l'erreur de 0.03 cyclone, sans changer le tableau général.
Ce travail se distingue des études voisines en ce qu'au lieu de chercher des prédicteurs plus puissants, il prouve l'existence d'une barrière statistique infranchissable. Les travaux voisins sur El Niño et les prévisions météorologiques par réseaux de neurones visent à améliorer la précision, alors qu'ici on montre que pour cette classe de modèles, c'est impossible. Cela déplace le centre d'intérêt : les efforts supplémentaires devraient être dirigés non pas vers la complexification des régressions, mais vers la recherche de dépendances cachées entre les années ou de nouvelles sources d'information qui brisent l'hypothèse d'indépendance des comptages de Poisson.
Une direction prometteuse est la recherche de corrélations subtiles entre saisons adjacentes, que les tests standards ne détectent pas. Si de telles dépendances existent, elles pourraient être dues à des processus lents dans l'océan ou l'atmosphère, par exemple des variations de température pluriannuelles. Une autre voie est l'abandon de l'hypothèse de Poisson au profit de distributions à queues plus lourdes ou de modèles à mémoire. Cependant, pour l'instant, tous les tests indiquent un accord avec le processus de Poisson, donc la probabilité d'une percée est incertaine.
Les résultats influencent directement le développement des prévisions saisonnières d'ouragans pour le secteur de l'assurance et la gestion des risques. Ils sont également utiles aux climatologues qui évaluent la prévisibilité des phénomènes extrêmes dans un climat changeant.
Vérifier la robustesse de la limite dans d'autres bassins, par exemple dans l'est de l'océan Pacifique. Étudier d'éventuels effets non poissonniens, tels que le regroupement des cyclones au sein d'une saison ou des cycles à long terme.
En météorologie, la question de la prévisibilité du nombre de cyclones tropicaux à un horizon de plus d'une saison reste ouverte. Ce travail montre que les modèles statistiques traditionnels ont épuisé leur potentiel, et que pour progresser, il faut soit de nouveaux mécanismes physiques, soit des séries d'observations plus longues, soit des approches de modélisation radicalement différentes.
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 modélisent le nombre saisonnier de cyclones tropicaux dans l'Atlantique comme un processus de Poisson à intensité variable, en utilisant trois indices climatiques, et montrent qu'il existe une limite inférieure fondamentale de l'erreur de prévision, déjà atteinte par un simple modèle linéaire. Ils vérifient que les données sont conformes à une distribution de Poisson et démontrent que la complexification du modèle (termes quadratiques, sélection par réseau de neurones) n'améliore pas le résultat.
Où est sa force
Ce travail établit une limite théorique de prédictibilité pour les modèles de Poisson du nombre de cyclones et montre qu'un modèle simple l'atteint déjà, ce qui déplace l'attention de la complexification des algorithmes vers la recherche de nouvelles sources d'information.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si cette limite est réellement fondamentale, elle réorientera les efforts de la communauté, qui passera du développement de modèles statistiques toujours plus complexes à la recherche de nouveaux mécanismes physiques ou de sources de données, ce qui pourrait conduire à un saut qualitatif dans la prévision des cyclones tropicaux.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.52, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Le nombre moyen de cyclones par saison dans l'Atlantique est d'environ dix, mais en raison de la nature poissonnienne du processus, l'écart d'une année à l'autre est d'environ trois cyclones. Cela signifie que même un modèle parfait ne peut pas prédire le nombre exact avec une erreur inférieure à environ 2.5 cyclones en moyenne.
Dans le roman de Kim Stanley Robinson « Quarante signes de pluie », des scientifiques tentent d'améliorer les prévisions de conditions météorologiques extrêmes, confrontés au caractère chaotique de l'atmosphère. Ici, la situation est similaire : même avec une connaissance complète des indices climatiques, il reste une aléa irréductible que aucun calcul ne peut vaincre.