Les muons, un thermomètre pour les cyclones ✛ ✎

Original: "Using Cosmic Rays to Predict the Weather: Meteorological Data Assimilation of Atmospheric Muon Flux Data"
· William Luszczak, Man-Yau Chan
arXiv:2509.04627 · 2025-09-04 · arXiv non-exclusive · analyse indépendante · 3 min
Le flux de muons atmosphériques, produits par les rayons cosmiques, s'avère utile pour améliorer les prévisions météorologiques grâce à l'assimilation de données.

Pendant 36 jours, le cyclone tropical Freddy a fait rage au-dessus de l'océan Indien, le plus long de l'histoire des observations. Les météorologues le suivaient depuis des satellites, des avions et des stations au sol. Mais un détail échappait à tous les instruments : la densité exacte de l'air au cœur du vortex. Or c'est elle qui détermine la trajectoire du cyclone pour le lendemain.

Le flux muonique se comporte comme un thermomètre qui mesure la température de tout le corps, et non pas seulement sous l'aisselle. Les rayons cosmiques frappent l'atmosphère et génèrent des gerbes de particules. Parmi elles, les muons, de lourds cousins de l'électron. Plus l'air est dense, plus les muons meurent en chemin vers le sol. Un détecteur en surface capture ce flux et en déduit la densité de l'air, non pas en un point, mais sur un grand volume autour de lui.

Le cyclone tropical Freddy, utilisé dans les simulations, a été le cyclone tropical le plus long de l'histoire des observations : 36 jours.

Les auteurs ont construit une expérience numérique : le modèle météorologique de référence WRF a reproduit le cyclone Freddy, et à partir de là, ils ont généré des observations synthétiques du flux muonique. Ils les ont assimilées à l'aide d'un filtre de Kalman d'ensemble, une méthode de correction des prévisions basée sur un ensemble de 50 simulations avec une localisation de 640 km de rayon. Il s'est avéré que les données muoniques réduisent l'erreur de pression au sol jusqu'à 10 % ou plus par rapport à une prévision libre. C'est plus fort que l'effet d'une mesure ponctuelle de pression au même endroit. La raison est simple : les muons ressentent la densité sur un grand volume autour du détecteur, donc les corrélations avec la pression à distance du point de mesure sont plus fortes. Pour un avantage notable, un détecteur d'une surface efficace de seulement 0,27 m² suffirait, avec une accumulation horaire.

On savait que le flux de muons atmosphériques dépend de la densité de l'air, mais personne n'avait montré que cette dépendance pouvait être utilisée pour améliorer les prévisions météorologiques dans un système opérationnel d'assimilation de données. Désormais, c'est clair : l'assimilation du flux muonique dans un filtre de Kalman d'ensemble améliore les estimations de la pression au sol, du vent et de la température, et l'effet des muons est plus fort que celui d'une mesure ponctuelle de pression au même endroit. Dès aujourd'hui, on peut installer des compteurs de muons peu coûteux pour améliorer les prévisions locales, en particulier dans les régions où le réseau de stations météorologiques est clairsemé, comme les océans ou les zones polaires.

Les observatoires d'astrophysique, tels qu'IceCube ou Pierre Auger, pourraient devenir des fournisseurs accessoires de données pour les modèles météorologiques. Une évolution naturelle serait d'utiliser non seulement le flux intégral total, mais aussi sa distribution angulaire : l'anisotropie des muons porte une information sur la direction des hétérogénéités atmosphériques. Une autre direction est l'optimisation de la localisation et de la fréquence d'assimilation pour des tâches météorologiques spécifiques. Il est prometteur de déployer des réseaux de détecteurs à scintillation peu coûteux dans les régions où les observations traditionnelles sont rares. Le thermomètre muonique, appliqué à l'atmosphère, a déjà montré qu'il peut capter la chaleur du cyclone.

Le cyclone tropical Freddy, utilisé dans les simulations, a été le cyclone tropical le plus long de l'histoire des observations : 36 jours.

Scientifiques
Ludwig BoltzmannHenri PoincaréJohn von NeumannJosiah Willard Gibbs
Notions
pression atmosphérique data assimilation dispersion des microplastiques par les précipitations humidité capteur de pression prévision chimie atmosphérique ensemble forecast poussière cosmique météorologie spatiale precipitation anomaly monsoon nuage radiosonde climat troposphere modèle climatique muon précipitation ocean-atmosphere coupling