9 articles — 9 affichés
Une étude récente confirme que les modèles numériques classiques restent supérieurs aux modèles d’intelligence artificielle pour prévoir les phénomènes météorologiques extrêmes, un enjeu crucial pour la sécurité et l’adaptation climatique.
Une vague de chaleur marine record a provoqué un effondrement rapide des récifs coralliens caribéens en 2026, dépassant toutes les prévisions. Cette catastrophe souligne l'urgence climatique et les défis pour la biodiversité marine.
Une étude publiée dans Nature Climate révèle que la variabilité sub saisonnière du jet stream hivernal sur l'Atlantique Nord a diminué, un impact direct du changement climatique. Cette évolution affecte les régimes météorologiques en Europe et en Amérique du Nord, avec des implications majeures pour les prévisions et le climat.
Une étude récente révèle que le ralentissement de la circulation méridionale de l'Atlantique modifie le comportement des rivières atmosphériques, avec des conséquences majeures sur les précipitations dans un climat plus chaud. Ce phénomène influence les modèles météorologiques à l’échelle globale.
Un nouvel outil d’intelligence artificielle développé par le NCAR permet d’anticiper les phénomènes météorologiques violents avec un horizon temporel plus étendu, améliorant la sécurité civile et la gestion des risques climatiques.
Une étude récente publiée dans Nature Climate analyse trente ans de simulations de températures globales via des modèles climatiques couplés. Ces outils essentiels pour comprendre le changement climatique combinent océans et atmosphère avec une précision croissante. Le bilan souligne les progrès et les limites des modèles, au cœur des prévisions climatiques futures.
Une étude récente révèle que la quantité de chaleur radiative émise par les poussières désertiques dans l'atmosphère est deux fois supérieure à ce que prédisent les modèles climatiques actuels. Cette découverte remet en question notre compréhension du bilan énergétique terrestre et les projections climatiques futures.
Une étude récente révèle que les modèles météorologiques basés sur la physique restent plus fiables que l'intelligence artificielle pour anticiper les événements météo extrêmes. Les modèles IA comme GraphCast ou Pangu-Weather excellent sur le quotidien mais peinent avec les records.
Une étude récente révèle que les modèles météo classiques basés sur la physique restent plus fiables que les IA pour anticiper les phénomènes extrêmes, malgré les progrès des réseaux de neurones comme GraphCast ou Pangu-Weather.