Bon, quelques réponses aux questions, j'ai retrouvé un bout mais ça ne répond pas tout à fait précisément à tes questions.
Déjà il faut définir ce qu'est un modèle:
Un modèle numérique est un modèle mathématique maillé représentant... ben ce qu'on veut, ici on modélise la dynamique atmosphérique.
Les CI (Condition Initiales) sont les valeurs d'entrée du modèle, ici les valeurs de température, pression, humidité, ... à chaque nœud de la maille.
La variation dans les CI permet d'obtenir des variations dans les courbes, et plus les courbes sont rapprochées, plus la fiabilité est bonne.
Il faut savoir que les données d'entrée ne sont pas forcément parfaites : d'abord la précision des instruments de mesures et ensuite et surtout il n'y a pas de stations météo/lâché de ballon sonde à chaque nœud pour obtenir les CI, donc les valeurs prises sont celles de l'intégration des champs de pressions, température, humidité des stations/ballons sondes alentours. Ainsi les faire varier dans une certaine mesure n'est pas forcément aberrant.
la moyenne de tous les scénarios (je ne sais pas si le modèle déterministe est intégré, tiens...) est ce qu'on appelle l'ensembliste.
Enfin entre le maillage plus ou moins important (plus le maillage et fin plus la précision mathématique du modèle est forte, mais plus on a besoin de récupérer des CI - il y a plus de noeuds), la modélisation imparfaite (il faut forcément faire des simplifications pour pouvoir calculer...), les défauts des CI, on comprend vite pourquoi la fiabilité des modélisations est assez vite prise en défaut dans le temps, d'autant plus vrai pour les modèles au maillage fin (donc maillage fin = court terme, forcément).
Un exemple avec le diagramme GFS au niveau de Genève :
http://www.wetterzentrale.de/pics/MT8_Genf_ens.png
Pour préciser, la courbe verte correspond à ce qu'on appelle le déterminisme du modèle.
Le déterministe correspond au calcul du modèle numérique avec les conditions initiales (CI) correctes.
Les autres courbes sont calculées avec le même modèle mais avec des petites variations dans les CI.
A moyen/long terme un rapprochement des courbes permet de dire que la prévision est relativement fiable. Un éparpillement qu'il faut oublier...
Il y a un état intermédiaire c'est qu'on peut réunir (sur une période donnée...) des courbes en famille, chaque famille représentant une possibilité... Plus la famille de courbe contient d'individu plus la prévision serait fiable.
Il ne faut cependant pas perdre de vue que même avec des courbes resserrée on, peut avoir des revirements à +4/+5 jours même.
Alors maintenant pour revenir à tes questions, chaque modèle est bel et bien différent au niveau de ses équations. Le "moteur" mathématique GFS et différent de celui d'ECMWF. Par contre les CI - ce que tu appelle données de base assez justement - sont normalement à peu près identiques, chaque organisme mettant en commun ces moyens de mesures (moyennement finance, ou pas). Enfin en général... Ca doit pas être facile d'avoir les relevés de l'organisme étatique de la Corée du Nord par exemple... Mais bref, ce qu'il faut bien voir c'est que le recoupement des modèles
Pour corser les modèles sont plus ou moins efficaces en règle générale, et même en cas particulier (zone géographique ou type de temps...). Mais bon ça on le voit au fur à mesure, et en plus ça peut changer avec le temps, les modèles évoluant régulièrement.
inscrit le 23/11/06
1091 messages