Un réseau capture la mousson à l'horizon ✛ ✎

Original: "Unraveling the mystery of tropical monsoon long-term prediction"
· Guanghao Ran, Jun Meng, Jingfang Fan
arXiv:2502.15356 · 2025-02-21 · arXiv non-exclusive · analyse indépendante · 3 min
Un réseau mondial de connexions thermiques prédit les pluies dans quatre régions tropicales avec 4 à 10 mois d'avance, plus précisément que les modèles saisonniers.

En 2015, les pluies torrentielles à Chennai ont transformé les rues en rivières en une seule nuit. La ville n'a pas eu le temps de se préparer : les modèles saisonniers n'avaient donné qu'un vague avertissement. Pourtant, la mousson n'est pas un caprice du ciel, mais le pouls d'une immense machine qui relie les océans et les continents. Les scientifiques ont décidé d'examiner cette machine non pas à travers les équations habituelles, mais à travers un réseau de 6242 points sur une carte, où chaque point est un capteur de température de l'air.

Chaque jour, pendant 72 ans, ces points ont échangé des signaux : quelque part il faisait plus chaud de manière synchrone, ailleurs au contraire. Si l'on relie les points qui varient de manière cohérente, on obtient une toile. Dans celle-ci, il y a des nœuds hubs qui ressentent les événements lointains plus tôt que les autres. C'est précisément de tels nœuds qui ont été identifiés pour quatre régions : l'est de l'Amazonie, l'île de Hainan, le Sahel et le centre de l'Inde. Leur « pouls » commence à changer de manière prévisible plusieurs mois avant la saison des pluies.

La méthode a atteint une corrélation de 0.63 à 0.81, tandis que SEAS5 donne 0.36–0.65 et CFSv2 0.29–0.67. L'erreur de prévision est tombée à 7.6–15.3%.

Mais le réseau ne se contente pas de prédire, il explique. Pour l'Amazonie et le Sahel, les ondes de Rossby, qui transportent l'énergie à travers l'atmosphère, sont importantes. Pour Hainan, El Niño s'est avéré être le facteur clé, et pour l'Inde, la mousson d'Asie de l'Est. Ces connexions étaient connues séparément, mais pour la première fois, elles ont pu être réunies dans un cadre unique et testées sur des données opérationnelles.

Cette approche rappelle la lecture du destin dans les lignes de la main, sauf qu'ici les lignes sont de véritables connexions physiques. Auparavant, les météorologues regardaient des régions individuelles, maintenant ils voient toute la toile. Et dans cette toile, on peut déjà discerner la pluie qui tombera dans six mois.

La prévision pour l'est de l'Amazonie est possible 10 mois à l'avance, pour les autres régions, 4 mois à l'avance. Pour le Sahel, la fenêtre d'apprentissage optimale n'était que de 11 ans, tandis que pour Hainan, elle était de 40 ans.

L'utilité pratique est évidente : les agriculteurs en Inde pourront choisir la variété de riz à l'avance, et les autorités du Bangladesh pourront renforcer les digues. Mais surtout, nous commençons à comprendre que la pluie dans un hémisphère peut être liée au vent dans l'autre. La toile de l'atmosphère ne semble plus chaotique, et cette connaissance sauvera un jour des récoltes ou des vies.

Pour le Sahel, la fenêtre d'apprentissage optimale n'était que de 11 ans, tandis que pour Hainan, elle était de 40 ans. Cela reflète la vitesse différente à laquelle les connexions climatiques changent selon les régions.

Notions
monsoon interannual variability tropical cyclone tropospheric biennial oscillation El Niño monsoon onset prévision spring predictability barrier El Niño-Southern Oscillation ENSO climate network equatorial wave propagation ensemble forecast Jin-Timmermann model NOAA PMEL / TAO Teleconnection IRI climat TAO/TRITON moorings drought