La météo dans chaque cour express
Le temps qu'il fait dans la rue voisine peut différer du vôtre : près de la rivière, il fait plus frais ; sur l'asphalte, plus chaud ; entre les immeubles, le vent souffle plus fort. Une prévision ordinaire ne voit pas cela : sa maille a la taille d'une ville, pas d'une cour. Des scientifiques ont pris les données de milliers de stations au sol et des images satellites de la surface, et ont appris à compléter la fine carte du temps à partir de la carte grossière.
La méthode ressemble à la restauration d'une vieille photographie : les grands traits sont connus, et les petits détails sont reconstitués à partir de la texture de la toile. Ainsi, l'erreur sur le vent a été réduite de 29 %, et celle sur la température et l'humidité de 6 %, par rapport au meilleur modèle global ERA5. Sur les cartes sont apparus des îlots de chaleur urbains, des zones humides au-dessus des champs et des forêts, et des vents différents sur l'eau et sur la terre.
Cette approche ne remplace pas la physique de l'atmosphère, elle y ajoute la connaissance de la surface. Elle est peu coûteuse et peut fonctionner à l'échelle d'un continent entier. À l'avenir, une prévision pour une cour ou un champ précis deviendra réalité.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2602.23146
Near-surface atmospheric conditions can differ sharply over tens to hundreds of meters due to land cover and topography, yet this variability is absent from current weather analyses and forecasts. It is unclear whether such meter-scale variability reflects irreducibly chaotic dynamics or contains a component predictable from surface characteristics and large-scale atmospheric forcing. Here we show that a substantial, physically coherent component of meter-scale near-surface weather is statistically recoverable from existing observations. By conditioning coarse atmospheric state on sparse surface station measurements and high-resolution Earth observation data, we infer spatially continuous fields of near-surface wind, temperature, and humidity at 10 m resolution across the contiguous United States. Relative to ERA5, the inferred fields reduce wind error by 29% and temperature and dewpoint error by 6%, while explaining substantially more spatial variance at fixed time steps. They also exhibit physically interpretable structure, including urban heat islands, evapotranspiration-driven humidity contrasts, and wind speed differences across land cover types. Our findings expand the frontier of weather modeling by demonstrating a computationally feasible approach to continental-scale meter-resolution inference. More broadly, they illustrate how conditioning coarse dynamical models on static fine-scale features can reveal previously unresolved components of the Earth system.
La différence de température entre le centre d'une grande ville et sa banlieue peut atteindre 10 degrés — c'est ce qu'on appelle l'îlot de chaleur urbain.