Downscaling météorologique : Une approche statistique pour améliorer la résolution spatiale
Les modèles météorologiques, telles que les simulations climatiques, fournissent généralement des champs atmosphériques à des résolutions spatiales grossières, de l’ordre de 50 à 100 kilomètres. Bien que suffisante pour décrire les dynamiques à grande échelle, cette résolution ne permet pas de rendre compte des variations locales essentielles à de nombreuses applications : agriculture, hydrologie, prévision météorologique urbaine, ou encore analyse des événements extrêmes. Le downscaling désigne le processus consistant à affiner ces champs grossiers afin d’obtenir une version à plus haute résolution, cohérente à la fois sur le plan statistique et spatial.
Cette ressource présente, la méthodologie et les résultats d’un projet portant sur le statistical downscaling en météorologie, une technique visant à améliorer la résolution spatiale des données météorologiques à l’aide d’outils mathématiques et d’apprentissage automatique.
Contenu de la ressource :
- Pourquoi le downscaling ?
- Méthodologie et stratégie
- Méthodes classiques d’interpolation et leurs limites
- Transport optimal : un cadre rigoureux
- De la correction par transport à l’apprentissage statistique
- Conclusion et perspectives
