Sommes des précipitations
Vous trouverez ci-après un résumé de différentes études basées sur les sommes des précipitations. Il s'agit notamment des études de vérification de 2017 et 2019, des analyses comparatives des fournisseurs et de la comparaison de différents modèles de la famille NEMS.
Étude de vérification mondiale 2017
![MBE [mm] et EAM [mm] (en haut) et coefficient de corrélation (en bas) des précipitations annuelles totales 2017 pour quatre modèles autonomes (NEMSAUTO, ICON, MFGLOBAL, GEM, GFS)
et une combinaison de ces quatre modèles (points noirs). Les combinaisons de modèles avec seulement deux modèles sont représentées en orange.](/assets/images/graphics/mbecorrelation_two_columns_of_four.png)
Tout au long de cette étude, le MultiModel meteoblue a été comparé à d'autres modèles de prévision comme ERA5, GFS, CHIRPS2 et NEMS. 6505 mesures METAR des précipitations de l'année 2017 (largement distribués dans le monde) ont été utilisés pour vérifier et comparer les prévisions de ces modèles.
Résultats
La performance du modèle pour les précipitations annuelles totales en 2017 peut être améliorée de manière significative en combinant deux (ou plus) modèles de l'ensemble des données de prévision (voir les figures ci-dessous). MFGLOBAL, GEM et GFS surestiment les précipitations annuelles totales, tandis que NEMSAUTO et ICON les sous-estiment. Un biais positif et négatif des modèles bruts pourrait conduire à une augmentation significative de la performance du modèle en combinant différents modèles. Plus de 200 combinaisons de modèles différents représentent un meilleur MBE global que le meilleur modèle brut (GFS). Elles représentent également un meilleur EAM que le meilleur modèle brut (ICON). Par conséquent, le biais systématique pourrait être réduit à 0 et l'EAM à des valeurs inférieures à 170 mm. Le coefficient de corrélation pour les meilleures combinaisons de modèles est supérieur à 0,71 pour les précipitations annuelles totales, alors que le coefficient de corrélation des modèles bruts individuels varie largement de 0,53 (GFS) à 0,67 (ICON). La meilleure performance des modèles est généralement atteinte en combinant plus de deux modèles. Cependant, lorsque l'on combine plus de deux modèles, la performance des événements uniques (par exemple, précipitations quotidiennes > 1 mm) diminue généralement. Par conséquent, nous avons calculé les meilleures combinaisons de modèles avec seulement deux modèles différents séparément.
Étude de vérification mondiale 2019
Les données de mesure des précipitations de 8112 stations de l'OMM ont été comparées aux prévisions de précipitations à 24 heures de différents modèles (ERA5, NEMSGLOBAL, GFS05, MFGLOBAL) pour l'année 2019 (thèse de Huonder, 2020). Les résultats suivants se réfèrent aux sommes de précipitations.
Résultats
Les résultats de 2019 correspondent très bien aux résultats de 2017, indiquant que GFS et MFGLOBAL ont tendance à surestimer les sommes de précipitations annuelles, tandis que NEMSGLOBAL a tendance à sous-estimer les sommes de précipitations annuelles (tableau ci-dessous). sous-estimer les sommes de précipitations annuelles (tableau ci-dessous). L'EAM le plus faible (donc le modèle le plus précis) est le modèle de réanalyse ERA5.
| EAM [mm] | MBE [mm] | MPE [%] | RMSE [mm] | SD [mm] | |
|---|---|---|---|---|---|
| ERA5 | 234 | -6 | -0.8 | 516 | 516 |
| GFS05 | 270 | 84 | 10.1 | 479 | 472 |
| MFGLOBAL | 281 | 131 | 15.8 | 469 | 450 |
| NEMSGLOBAL | 296 | -144 | -17.5 | 513 | 492 |
Pour l'année 2019, une vérification détaillée des précipitations pour différents mois a été effectuée, indiquant les dépendances saisonnières de la précision des différents modèles (tableau ci-dessous). Pour tous les mois, ERA5 obtient de très bons résultats, avec des MPE constamment inférieures à 10 %. Les erreurs les plus importantes tout au long de l'année ont été constatées pour GFS et MFGLOBAL à la fin du printemps de l'hémisphère nord. Les erreurs les plus importantes pour NEMSGLOBAL ont été observées en juillet et en août, alors que les erreurs ont tendance à être plus faibles pendant l'hiver de l'hémisphère nord.
| Jan | Fév | Mars | Avr | Mai | Juin | Juil | Août | Sept | Oct | Nov | Déc | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ERA5 | -6.5 | -2.5 | 0.2 | 2.6 | 2.5 | -0.4 | -2.5 | -3.7 | -0.6 | 3.1 | -0.7 | -0.9 |
| GFS | 5.0 | 6.0 | 10.1 | 12.5 | 15.0 | 13.6 | 13.3 | 8.7 | 9.1 | 8.6 | 10.0 | 7.3 |
| MF | 5.7 | 12.8 | 18.6 | 23.1 | 21.8 | 16.3 | 18.6 | 11.7 | 13.6 | 12.9 | 18.7 | 16.4 |
| NEMS | -11.6 | -12.6 | -12.4 | -11.9 | -13.9 | -23.0 | -15.3 | -28.6 | -20.4 | -17.0 | -13.6 | -11.2 |
Enfin, pour chaque pays, la meilleure performance du modèle pour les sommes annuelles de précipitations a été analysée. L'analyse montre qu'aucune tendance claire ne peut être observée (carte ci-dessous).
Thesis_Huonder_Verification_Of_Precipitation_Forecast.pdf
Analyse de la concurrence
TL'analyse de la concurrence entre les prévisions de meteoblue et celles de différents compétiteurs nous permet d'évaluer la performance de nos prévisions sur le marché. 500 mesures de précipitations distribuées dans le monde entier par le GSOD ont permis de comparer les prévisions des sommes de précipitations pour l'ensemble de l'année 2021. En outre, l'erreur de prévision des précipitations pour 100 sites en Amérique du Nord a été calculée à partir des mesures METAR de janvier 2021 à juillet 2021.
Résultats
En moyenne, 362 mm sur les 500 sites du monde entier ont été enregistrés par le GSOD (global summary of the day) pour la première moitié de l'année 2021.. La prévision de meteoblue a estimé 369 mm pour la prévision à 1 jour, ce qui correspond à une erreur de biais moyenne (MBE) = + 7 mm. L'EAM pour la même période et les mêmes lieux est de 135 mm.
En outre, le tableau ci-dessous montre les erreurs dans les sommes de précipitations pour l'Amérique du Nord au cours du premier semestre 2021 pour la prévision de précipitations à 24h de meteoblue en comparaison avec 7 compétiteurs.
D'après les mises à jour de cette étude, 712,04 mm en moyenne ont été enregistrés sur les 500 sites du monde entier par le GSOD (global summary of the day) pour l'ensemble de l'année 2021 et la prévision meteoblue a estimé 720,46 mm pour la prévision à 1 jour, ce qui équivaut à une erreur de biais moyenne (MBE) = + 8,42 mm.
| Fournisseur | EAM [mm] | MBE [mm] |
|---|---|---|
| Fournisseur A | 38.67 | 29.42 |
| meteoblue AG | 42.01 | 33.37 |
| Fournisseur B | 39.78 | -39.16 |
| Fournisseur C | 36.00 | 25.95 |
| Fournisseur D | 39.33 | 28.66 |
| Fournisseur E | 45.99 | -45.99 |
| Fournisseur F | 23.02 | -7.24 |
| Fournisseur G | 201.08 | 200.91 |
Vérification du NEMS
Outre les modèles de prévisions météorologiques globales, des modèles de prévisions météorologiques régionales ont également été testés, afin de voir les améliorations potentielles des performances du modèle en en réduisant la résolution horizontale du modèle. Les modèles de la famille NEMS (NEMS12, NEMS4 et NEMSGLOBAL) ont été vérifiés avec les données de 1605 stations de mesure fournies par GSOD et situées en Europe pour la première moitié de l'année 2021.
Résultats
![MBE [mm] de NEMSGLOBAL, NEMS12 et NEMS4 pour le premier semestre 2021 en Europe.](/assets/images/graphics/mbeprecipitation_lightbox.png)
La performance du modèle augmente légèrement pour les sommes de précipitations journalières, lorsqu'on utilise un modèle régional (NEMS12, NEMS4) au lieu d'un modèle global (NEMSGLOBAL). Cependant, la différence entre NEMS4 et NEMS12 n'est pas significative, plutôt NEMS12 est plus performant que NEMS4 (Figure ci-dessous).
Pour 1644 stations en Europe, les stations météorologiques ont enregistré en moyenne 314 mm de précipitations pour le premier semestre 2021. NEMS4 a sous-estimé la quantité de précipitations d'environ 20 %. (La moyenne des précipitations de NEMS4 est de 249 mm). La sous-estimation pour le modèle NEMS12 est de 14%, pour le modèle global NEMS30 de 25%. Cela signifie que la précision du modèle n'augmente pas nécessairement avec la diminution de la résolution horizontale.
