CE04 - Innovations scientifiques et technologiques pour accompagner la transition écologique

Prévisions météorologiques a haute-résolution améliorée par des données capteurs – SAPHIR

Prévisions météorologiques à haute-résolution améliorées par des données capteurs

Prévision à court terme et très localisée de variables atmosphériques basée sur un apprentissage profond qui exploite les sorties de modèle physiques et les données d'un réseau de stations.

Prévision localisée de variables atmosphériques basée sur une approche hybride Simulations/Données

La prévision fiable d’épisodes météorologiques intenses est un enjeu majeur dans de nombreux domaines tels que la sécurité civile ou la production d’énergies renouvelables. SAPHIR propose d’utiliser conjointement des modèles de dynamique atmosphérique à haute-résolution et un ensemble de mesures issues de stations météorologiques, de programmes d'étude de l’atmosphère ou bien d’un réseau de capteurs dédiés, au sein d’une architecture « d’apprentissage profond » optimisé. Nous envisageons d’utiliser cette approche afin d’améliorer la prévision (à horizons de quelques heures à quelques jours) des épisodes intenses et notamment des précipitations et de l’activité électrique des cellules orageuses avec une application à la prévision des crues de rivières. SAPHIR prévoit également une application dans le domaine des énergies renouvelables en améliorant la prévision de la nébulosité et du vent, éléments déterminants pour la production des centrales solaires ou éoliennes.

Notre approche est basée sur l'utilisation de méthodes d'IA et plus généralement de méthodes de machine learning afin d'optimiser la prise en compte des sorties de modèles atmosphériques et les mesures d'un certain nombre de capteurs afin de prédire au mieux une large gamme de variables atmosphériques en site site donné (cumul de précipitations, activité électrique, vitesse du vent, rayonnement solaire,...).
Les architectures d'apprentissage que nous avons commencé à expérimenter sont basées sur des réseaux de neurones «profonds« (mais néanmoins simples) qui traitent les information temporelles par des réseaux récurrents et les informations spatiales par des réseaux convolutifs.

Les premiers travaux dans le cadre du projet ont permis d'établir les deux faits marquants suivants:
a- Les prévisions locales et court terme des modèles statistiques sont significativement améliorées par la prise en compte d’informations de nature spatio-temporelle telles que les données mesurées dans les sites voisins.
b- Les prévisions à court et moyen terme du cumul de précipitation obtenues d’un modèle numérique d’évolution de l’atmosphère (tel que le modèle Arome de Météo France) ne sont pas très fiables quand on les regarde en un site localisé. En particulier, ces prévisions peuvent s’avérer moins bonnes que celles données par des modèles statistiques très simples. Les approches hybrides qui exploitent à la fois les données d’un modèle numérique et mesures des stations sont les plus performantes.

Les perspectives découlant de nos premiers résultats sont de montrer que l'approche envisagée par SAPHIR améliore très significativement la qualité des prévisions par rapport aux approches uniquement fondées des modèle de simulation de la dynamique de l'atmosphère. Dans un premier temps, nous souhaitons confirmer la pertinence de nos modèles pour prédire les cumuls de pluie en un site donné à des horizons s'étalant de quelques heures à une journée. Dans un second temps les performances de ces modèles seront évaluées dans les situations d'événements météorologiques sévères (tempêtes, orages intenses, ...)

A ce jours deux articles dans des revues internationales et un DMP ont été publiés.

La pre´vision fiable d’e´pisodes me´te´orologiques intenses est un enjeu majeur dans de nombreux domaines tels que la se´curite´ civile ou la production d’e´nergies renouvelables. SAPHIR propose d’utiliser conjointement des mode`les de dynamique atmosphe´rique a` haute- re´solution et un ensemble de mesures issues de stations me´te´orologiques, de programmes d'e´tude de l’atmosphe`re ou bien d’un re´seau de capteurs de´die´s, au sein d’une architecture « d’apprentissage profond » optimise´. Nous envisageons d’utiliser cette approche afin d’ame´liorer la pre´vision (a` horizons de quelques dizaines de minutes a` quelques jours) des e´pisodes intenses et notamment des pre´cipitations et de l’activite´ e´lectrique des cellules orageuses avec une application a` la pre´vision des crues de rivie`res. SAPHIR pre´voit e´galement une application dans le domaine des e´nergies renouvelables en ame´liorant la pre´vision de l'irradiation solaire et du vent de surface, e´le´ments de´terminants pour la production des centrales solaires ou e´oliennes.
Le projet d'une dure´e de 4 ans explorera les potentialite´s de ces approches dans la re´gion me´diterrane´enne et en particulier en Corse. Le bassin me´diterrane´en a un caracte`re tout a` fait unique notamment en termes de conditions physiographiques avec la Corse qui constitue un lieu d'observation particulie`rement inte´ressant de part son caracte`re insulaire avec ses littoraux urbanise´s, ses hautes montagnes et ses nombreuses rivie`res.
SAPHIR est organise´ en quatre ta^ches. La premie`re ta^che est consacre´e au proble`me d'acce`s et de stockage des donne´es me´te´orologiques (qu’elles soient issues de stations, d’observations satellites, de capteurs ou de simulations) qui sont a` la base de notre me´thodologie. Il s’agira de produire des donne´es ouvertes et valide´es pour chacune des applications. La deuxie`me ta^che vise a` concevoir le cadre nume´rique et logiciel afin d'effectuer apprentissage et pre´diction de diverses variables me´te´orologiques, avec une utilisation e´tendue des bibliothe`ques d'apprentissage profond open source et un calcul quotidien haute performance d'un mode`le de pre´vision me´te´orologique nume´rique a` aire limite´e. La troisie`me ta^che est consacre´e aux me´thodes de pre´vision de l’occurrence des phe´nome`nes orageux (en temps et espace) ainsi que de leur intensite´ en termes de vent, de pre´cipitations et d’activite´ e´lectrique. Ces pre´visions seront exploite´es dans un mode`le nume´rique afin de pre´voir les e´pisodes de crues d'une rivie`re dans un bassin versant. Enfin, notre quatrie`me ta^che concerne la pre´vision des variables vent/ensoleillement dans une proble´matique de production d’e´nergie renouvelable. Sur la base de mesures spe´cifiques, il s’agira de pre´dire a` des horizons de quelques dizaines de minutes a` quelques jours les potentiels e´olien et solaire sur un site donne´. Une attention particulie`re sera porte´e aux e´ve´nements extre^mes. Une ta^che de coordination se´pare´e est e´galement de´finie pour suivre l'e´che´ancier, organiser les collaborations, la communication et assurer la production des livrables et des rapports.
SAPHIR repose sur une solide expe´rience des membres du consortium dans les domaines de la simulation nume´rique (SPE, LA, INRIA), de la pre´vision des ressources e´nerge´tiques renouvelables (SPE) et de l'e´tude des tempe^tes me´diterrane´ennes (LA). Nous be´ne´ficierons par ailleurs d’e´quipements et d’instruments spe´cifiques disponibles sur les sites du laboratoire SPE ainsi que d'un grand re´seau et de plateformes d'observation de´ja` de´ploye´es en Corse.

Coordination du projet

Jean-François MUZY (UMR SCIENCES POUR L'ENVIRONNEMENT)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

S P E UMR SCIENCES POUR L'ENVIRONNEMENT
LAERO Laboratoire d'aérologie
INRIA Centre de Recherche Inria de Paris

Aide de l'ANR 295 972 euros
Début et durée du projet scientifique : janvier 2022 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter