M2 SOAC-DC : Fiche de stage Année 16-17
Titre du stage : prévisibilité des pluies catastrophiques du 3 octobre 2015
Nom et statut du responsable de stage : François Bouttier, chercheur à Météo-France (CNRM)
Coordonnées (téléphone et email) du responsable de stage : francois[email protected] - 05 6107
9825
Sujet du stage :
L'objectif du stage est d'identifier, à partir de prévisions numériques, les sources d’erreurs de
prévision d’un cas de pluies intenses. On utilisera pour cela des sorties de prévision d’ensemble
AROME et des techniques de data mining afin de (1) identifier les processus physiques clés associés
aux erreurs de prévision, et (2) comparer les comportements de différents systèmes de prévision
probabiliste.
Description du sujet et méthodologie: le soir du 3 octobre 2015, des pluies convectives intenses se
sont abattues sur la ville de Cannes et la région voisine, causant plusieurs victimes et d’important
dégâts matériels. On se propose d’examiner les performances de différents systèmes de prévision
numériques du temps et d’identifier comment les améliorer. Pour cela, des prévisions d’ensemble
expérimentales ont été effectuées avec le modèle AROME, l’objectif du stage est de dépouiller leurs
sorties en regardant deux questions importantes:
quels processus physiques sont responsables des variations de performance des systèmes de
prévision ? Les mécanismes physiques de ce type d’évènement sont assez bien connus
(présence de CAPE, de convergence d’humidité, plage froide, etc), ici on cherche à identifier
lesquels sont prévisibles ou pas, en regardant si leurs variations sont corrélées à la qualité des
pluies prévues. Les prévisions d’ensemble AROME fournissent un cadre privilégié pour cette
étude, car elles constituent un vaste échantillon de prévisions dont la dispersion renseigne sur
les incertitudes liées aux observations et à la qualité des modèles numériques.
comment améliorer la prévision de ce type de phénomène ? La prévision d’ensemble pourrait
devenir un outil pour prévoir ce type d’évènement extrême, mais on ne sait pas dans quelle
mesure elle sera compétitive avec les prévisions déterministes, et si pour améliorer les
ensembles il vaut mieux augmenter leur résolution ou le nombre de membres. Pour répondre
on comparera différentes versions de la prévision d’ensemble AROME, en utilisant les
diagnostics de processus physiques développés ci-dessus pour expliquer les différences.
Etudiants visés: ce sujet est à dominante physique, il suppose un intérêt pour la physique de
l’atmosphère, l’exploration de données et la prévision météorologique, il faut des connaissances de
base en modélisation numérique, informatique et probabilités.
Contexte du sujet: le stage se déroule dans l’équipe CNRM/GMME/MICADO qui est spécialisée en
physique des précipitations méditerranéennes et en prévision d’ensemble à haute résolution.
Les méthodes proposées de diagnostic physique et d’exploitation de la prévision d’ensemble sont
classiques, le stage consistera à les appliquer sur un cas précis. La nouveauté, en seconde partie de
stage, sera le test de techniques de data mining (ou machine learning) pour automatiser l’exploitation
des données prévues, car l’examen visuel des sorties d’ensembles à haute résolution est en train de
devenir difficile à cause du volume d’informations en jeu. On testera ainsi des techniques de
classification automatique et d’identification automatisée d’associations entre diagnostics physiques
et pluies prévues, pour voir si cela pourrait être un outil d’aide au diagnostic post mortem des
évènements catastrophiques.
Plan de travail mois par mois: 1. familiarisation avec le sujet et les outils ; 2. diagnostics des
prévisions ; 3 . analyse des processus physiques ; 4. test de techniques de data mining ; 5. synthèse,
rédaction, présentation.
Le stage pourra le cas échéant être prolongé par une thèse sur un sujet voisin, par exemple l’utilisation
du data mining en prévision probabiliste des orages.
1 / 2 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !