Depuis l’aube de l’humanité, la prévision météorologique est essentielle à la survie, de la planification des récoltes à l’anticipation des tempêtes. Aujourd'hui, ce besoin évolue vers des outils plus sophistiqués qui transforment l'art d'observer le ciel en science, notamment pour prédire, par exemple, les pluies torrentielles comme DANA qui ont dévasté la province de Valence et d'autres régions d'Espagne le 29 octobre. et pouvoir émettre des alertes.
GenCast, un modèle d'apprentissage automatique présenté dans la revue Nature, redéfinit la prévision météorologique, si nécessaire pour les événements extrêmes qui se produisent de plus en plus fréquemment, en générant des prévisions probabilistes qui non seulement surpassent les méthodes traditionnelles, mais offrent également des informations plus claires sur les événements extrêmes, les cyclones tropicaux. pistes et estimations de l’énergie éolienne. Fort de quatre décennies de données climatiques historiques, ce système accomplit en seulement 8 minutes ce qui prenait auparavant des heures, fournissant des prévisions mondiales allant jusqu'à 15 jours avec un niveau de détail sans précédent.
Contrairement aux approches déterministes conventionnelles, telles que les prévisions d'ensemble (ENS) du Centre européen de prévisions météorologiques à moyen terme, GenCast calcule non seulement des scénarios futurs, mais estime également les probabilités, offrant ainsi aux gouvernements, aux organisations et aux individus un outil puissant pour planifier l'incertitude climatique. Lors des tests de performance, ce modèle a surpassé l'ENS dans 97,2 % des paramètres évalués, démontrant sa capacité à relever les défis du changement climatique et à améliorer la prise de d...
[Courte citation de 8% de l'article original]