Downscaling météorologique : Une approche statistique pour améliorer la résolution spatiale - CultureSciences de l'Ingénieur

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 :

1. Pourquoi le downscaling ?
2. Méthodologie et stratégie
3. Méthodes classiques d’interpolation et leurs limites
4. Transport optimal : un cadre rigoureux
5. De la correction par transport à l’apprentissage statistique
6. Conclusion et perspectives