Documentation utilisateur d’AtmoSwing

Les méthodes d’analogues (MAs) sont des méthodes statistiques de prévision météorologique, qui utilisent des prédicteurs à l’échelle synoptique pour rechercher dans le passé des jours similaires à un jour cible afin de déduire le prédictant d’intérêt, tel que les précipitations journalières. Elles peuvent s’appuyer sur les résultats des modèles de prévision numérique du temps (PNT) dans le contexte des prévisions opérationnelles ou sur les résultats des modèles climatiques dans le contexte des études d’impact du changement climatique. Les MAs requièrent une faible capacité de calcul et ont démontré un potentiel d’application utile dans plusieurs contextes.

AtmoSwing est un logiciel libre écrit en C++ qui met en œuvre les MAs de manière flexible permettant une gestion dynamique de différentes variantes. Il comprend quatre modules : le Forecaster pour les prévisions opérationnelles, le Viewer pour afficher les résultats, le Downscaler pour les études climatiques et l’Optimizer pour établir la relation statistique entre les prédictants et les prédicteurs.

Le Forecaster gère en interne toutes les opérations nécessaires, tels que le téléchargement (si possible) et la lecture des sorties des modèles PNT, ainsi que l’interpolation des grilles. Aucun script externe ou conversion de fichier n’est nécessaire. Le calcul d’une prévision nécessite peu de resources informatiques et peut même être exécuté sur un Raspberry Pi. Il fournit des résultats utiles, comme le montrent plusieurs années de prévision opérationnelle des précipitations dans les Alpes suisses.

Le Viewer affiche les prévisions dans un environnement SIG interactif avec plusieurs niveaux de synthèse et de détail. Il offre un aperçu rapide des situations critiques potentielles dans les jours à venir, ainsi que la possibilité pour l’utilisateur de se plonger dans les détails de la distribution des prédicteurs et des critères prévus.

Le Downscaler permet d’utiliser les MAs dans un contexte climatique, soit pour la reconstruction du climat, soit pour des études d’impact du changement climatique. Lorsqu’ils sont utilisés pour des études sur le climat futur, il est nécessaire de prêter une attention particulière aux prédicteurs sélectionnés afin qu’ils contiennent le signal du changement climatique.

L’Optimizer met en œuvre différentes techniques d’optimisation, telles qu’une approche séquentielle semi-automatique, des simulations de Monte Carlo et une technique d’optimisation globale utilisant des algorithmes génétiques. L’établissement d’une relation statistique entre les prédicteurs et les prédictants est un calcul intensif car il nécessite de nombreuses évaluations sur plusieurs décennies. À cette fin, le code a été fortement optimisé, est parallélisé (utilisation de plusieurs threads) et s’adapte bien aux grappes de serveurs (clusters) CPU ou GPU. Cette procédure n’est nécessaire que pour établir la relation statistique, qui peut ensuite être utilisée pour la prévision ou la descente d’échelle (downscaling) à un faible coût de calcul.

Article de référence : Horton, P.: AtmoSwing: Analog Technique Model for Statistical Weather forecastING and downscalING (v2.1.0), Geosci. Model Dev., 12, 2915-2940, https://doi.org/10.5194/gmd-12-2915-2019, 2019.