Nous effectuons des vérifications approfondies et régulières de nos modèles de simulation et d’autres, en les comparant aux mesures réelles et aux données d'observation. Ainsi, nous vous assurons que nos services fournissent des données météorologiques de première qualité (et en constante amélioration), données historiques et prévisionnelles. meteoblue est le premier service météorologique commercial qui publie régulièrement des données de vérification sur le site Web de la société depuis 2010, ainsi que des mises à jour quotidiennes de la précision locale.

Pourquoi publions-nous nos vérifications?

1. Nous sommes transparents: la météo n’est pas un "chaos" et nos clients doivent savoir ce qu’ils reçoivent.
2. Nous livrons la qualité: notre précision est si élevée qu'il convient de la montrer.
3. Nous sommes réalistes: vous devez savoir à quoi s'attendre d'une prévision ou une histoire météorologique - et à quoi ne pas vous attendre.
4. Nous sommes compétitifs: si quelqu'un pense que nous ne sommes pas assez bons, montrez-nous comment faire mieux.

Que signifie la qualité des simulations meteoblue? Cette page et les sous-pages présentent certaines des études les plus importantes.

La modélisation s'est améliorée au cours des dernières décennies

Les modèles de prévisions météorologiques numériques ont été constamment améliorées au cours des dernières décennies. Vers 1980, la prévision de la température de l'air sur 24 heures a été calculée avec une précision d'environ 70%. En 2018, la précision des prévisions de 24 heures a augmenté à environ 90% et les prévisions de 72h aujourd'hui est aussi bon que les prévisions de 24h il y a 40 ans. Dans les modèles de prévisions météorologiques numériques, la précision de la hauteur géopotentielle à 500 hPa est même supérieure à celle de la simulation de la température de l'air à 2 m. L'évolution de la précision du modèle dans le temps peut être vue dans la figure suivante (Source: ECMWF).

Trois facteurs principaux sont responsables de la précision croissante du modèle au cours des 40 dernières années:

1. Les conditions initiales du modèle de prévision météorologique numérique sont estimées bien meilleures qu’il ya 40 ans. De nouvelles techniques de mesure météorologiques (par exemple, des observations satellitaires) et des mesures plus précises sont responsables de cette amélioration.
2. Résolution horizontale (et verticale) plus fine des modèles de prévisions météorologiques numériques en raison de la puissance de calcul accrue.
3. Mieux paramétrisation sous-réseau dans les modèles numériques que lesquels il y a 40 ans.

La précision d'un modèle de simulation météorologique dépend de la variable météorologique choisie. Les variables météorologiques comme la température de l'air pression de surface ou de la hauteur géopotentielle 500 hPa sont généralement calculées avec une précision élevée, alors que d'autres variables (par exemple précipitation, les rafales de vent, etc.) ont une précision inférieure. Ceci est généralement causé par des variations spatiales à petite échelle, qui ne sont pas résolus dans les modèles météorologiques.

Vérification de meteoblue pour les données historiques et prévisionnelles

Dans ce qui suit, nous montrons la précision du modèle meteoblue pour différentes variables météorologiques et les compétences des multimodèles de meteoblue, du MOS, des modèles de réanalyse et des modèles de prévisions météorologiques numériques autonomes («bruts»).

La vérification des modèles de prévisions météorologiques numériques est très pertinente pour toutes les parties prenantes afin de montrer que les modèles de prévisions météorologiques ont une compétence de modèle plus grande que les prévisions climatologiques simples ou les prévisions de persistance ("La météo de demain est la même qu'aujourd'hui").

Portée

Quatre différentes variables météorologiques (temperature de l'air, vitesse du vent, précipitation et point rosée) ont été vérifiées sur plus de 10.000 stations météorologiques différentes dans le monde en 2017, en analysant la précision du modèle de plusieurs sources différentes («autonome») modèles de prévisions météorologiques, observations par satellite et modèles de réanalyse. En outre, la précision de différentes approches multimodèles a été testée et comparée à des modèles bruts ("autonomes") et à une prévision sur 24h à partir de statistiques de rendement de modèle (MOS).
On distingue entre les séries de données historiques et des ensembles de données de prévision data sets, en fonction de la disponibilité des données du modèle.

Résumé

Le tableau ci-dessous présente le MAE (erreur absolue moyenne en K) sur une base horaire (et annuelle pour les précipitations annuelles), déterminé pour chaque méthode et variable pour 10.000 stations météorologiques dans le monde au total pour 2017.

Comparison of the mean absolute error (MAE) for four different meteorological parameters for more than 10'000 weather stations worldwide. The analysis was conducted based on measurements recorded in 2017.

	Approche de modèle	Température de l'air	Vitesse du vent	Précipitation annuelle	Point de rosée
Forecast	meteoblue learning multimodel	1.2 K	-	170 mm	-
	MOS	1.5 K	1.2 m s-1	-	1.7 K
	Modèles de prévisions météorologiques	1.7 - 2.2 K	1.5 - 1.7 m s-1	220 - 230 mm	1.9 - 2.4 K
History	Mises à jour en temps réel (NEMS30)	2.1 K	1.7 m s-1	220 mm	2.2 K
	Modèle de réanalyse	1.5 K	1.5 m s-1	120 - 180 mm	1.6 K

Recommendations

From an accuracy perspective, we recommend the following sources for spatial (worldwide) weather data:

	Réanalysis	History	Forecast
Température de l'air	ERA5	NEMS local, NEMS30	meteoblue Learning Multimodel (mLM)
Vitesse du vent	ERA5	NEMS local, NEMS30	meteoblue MOS et meteoblue modèle mix
Précipitation (journalier)	ERA5 (toutes les précipitations) CMORPH (fortes précipitations)	NEMS local, NEMS30	meteoblue Learning Multimodel (mLM)
Précipitation (sommes annuelles)	mix modèle historique de meteoblue	mix modèle historique de meteoblue	meteoblue Learning Multimodel (mLM)
Point de rosée	ERA5	NEMS local, NEMS30	meteoblue MOS et meteoblue modèle mix

Pour l'analyse historique, les modèles de réanalyse offrent la plus grande précision, mais ils ne sont disponibles qu'avec un décalage de 2-5 jours (CMORPH) à 2-3 mois (ERA5) et ne couvrent pas encore 20 ans. Pour les applications nécessitant des mises à jour en temps réel, une cohérence et une extension de temps sur 30 ans et plusieurs variables, NEMS30 est la seule solution actuellement disponible.

Vous trouverez plus d'informations sur la vérification des données historiques et prévisionnelles ci-dessous:

Variables météorologiques

Température de l'air

La température de l'air de 2 m est calculée de manière optimale par meteoblue learning multimodel (MLM) avec des valeurs de MAE = 1,2 K. La prévision de température de l'air de MOS donne la même précision que le modèle de réanalyse ERA5 (MAE = 1,5 K), recommandé pour les ensembles de données. Les modèles de prévisions météorologiques mondiales «autonomes» (RAW) se situent entre 1,7 et 2,2 K. Par conséquent, la prévision à 6 jours du multi-modèle meteoblue est aussi bonne que la prévision à 1 jour d'un modèle de prévision météorologique numérique (RAW).

Vitesse du vent

L'incertitude du modèle qui a prévu la vitesse du vent de 10 m est comprise entre 1,5 et 1,7 m s-1 en utilisant des modèles de prévision météorologique «autonomes» et pour les données historiques une valeur de 1,5 m s-1 en utilisant le modèle de réanalyse ERA5. L'erreur de modèle pourrait être réduite à 1,2 m s-1 pour les simulations de modèle avec MOS.

Radiation

meteoblue calcule les radiations de la surface terrestre et de la mer, ainsi que des couches atmosphériques, sous forme de rayons directs ou indirects du soleil, ainsi que les radiations réfléchies par les nuages ou la surface. Les simulations de meteoblue pour la radiation de surface global sont cohérentes sur tous les continents et atteignent une erreur absolue moyenne mensuelle de 1-15% dans 95% de tous les lieux.

Précipitation

Les compétences du modèle relatives aux précipitation quotidiennes diminuent avec l’intensité croissante des précipitations. Les modèles de prévisions météorologiques numériques constituent la meilleure source de détection des petits événements de précipitation. En cas de fortes précipitations, les compétences de modèle des observations par satellite sont plus grandes que celles des modèles de prévisions météorologiques numériques. Il n’est pas possible d’augmenter les compétences des modèles en combinant deux (ou plus) modèles pour les précipitations journalières.
Pour les données historiques, les sommes de précipitation annuelle sont calculées au mieux en utilisant les observations satellites de CHIRPS2, qui sont corrigées du biais avec le même ensemble de données de mesure que celui utilisé pour la vérification dans cette étude. La précision du modèle de CHIRPS2 dans les régions sans stations de mesure devrait donc être considérablement inférieure et, dans une certaine mesure, inconnue.n.

Point rosée

La précision du modèle pour la température du point de rosée est légèrement inférieure à celle du modèle pour la température de l'air. Les valeurs MAE sont comprises entre 1,9 et 2,4 K pour les modèles de prévisions météorologiques numériques et 1,6 K pour les modèles de réanalyse. La précision des simulations de modèle avec MOS se situe dans une gamme similaire à celle du modèle de réanalyse.

Études de vérification

Une étude complète de vérification de la température de l'air, de la vitesse du vent, des précipitations et du point de rosée, réalisée sur plus de 10.000 stations météorologiques dans le monde pour l'année 2017, peut être téléchargée ci-dessous:

meteoblue_verification_global_Summary_2017_EN_20181113z10.pdf (4,23 MB)

Une étude de vérification a été réalisée pour l'Europe en 2011, comparant la précision du modèle des modèles météorologiques avec une résolution spatiale de 40, 12 et 3 km, pour la température de l'air et la vitesse du vent, à l'aide de modèles MOS et bruts. L'étude peut être téléchargée ici:

meteoblue_NMM_validation_mueller_2011.pdf (1,60 MB)