5 articles — 5 affichés
Un nouveau modèle prédictif, issu de l'apprentissage automatique, anticipe l'étendue de la glace arctique jusqu'à neuf mois. Cette avancée, basée sur des réseaux de neurones et des données satellitaires, promet de réduire l'incertitude de prévision et d'éclairer les politiques climatiques.
Un nouveau modèle global, développé à l'Université de Tokyo, réduit la taille de ses mailles à 220 m, éradiquant les averses « popcorn » qui apparaissent habituellement dans les simulations. Cette avancée promet des prévisions locales plus précises et une meilleure maîtrise de l’incertitude de prévision.
Les crues éclair représentent 85 % des inondations et peuvent voir le niveau de l'eau grimper de 9 mètres en quelques minutes. Des techniques d'IA inspirées de la création d'images synthétiques permettent d'enrichir les données satellitaires et d'affiner les modèles prédictifs, réduisant ainsi l'incertitude des prévisions pour les bassins fluviaux américains.
Le modèle d'IA GraphCast, développé par Google DeepMind, dépasse l'ECMWF sur les prévisions à 10 jours grâce à un réseau de neurones graph‑based. Découverte, fonctionnement et impacts concrets pour les services météorologiques et le public sont détaillés.
