En septembre 2025, des prévisions expérimentales issues du National Center for Atmospheric Research (NSF NCAR) des États-Unis ont avec succès anticipé le développement du Super Typhon Ragasa. Ce phénomène météorologique a ensuite atteint le stade de catégorie 5, affichant des vents soutenus de 265 km/h, se positionnant ainsi comme la tempête la plus puissante de l'année.
L'approche novatrice de modélisation informatique du NSF NCAR, qui génère des prévisions globales en temps réel avec une résolution de 3,75 kilomètres, a permis de simuler l'atmosphère terrestre avec une finesse sans précédent. Cette résolution fine est capable de capturer les orages à l'échelle planétaire et de révéler comment des systèmes météorologiques éloignés peuvent influencer l'évolution des cyclones tropicaux. « Essentiellement, cela apporte la météo en haute définition partout dans le monde », a déclaré Falko Judt, scientifique au NSF NCAR et chef de ce projet. « Nous pensons que cela peut améliorer considérablement la prévision d'événements extrêmes tels que les ouragans et les inondations soudaines à l'échelle mondiale. »
Les prévisions expérimentales en temps réel ont été diffusées tout au long du mois de septembre, période de pic pour la saison des ouragans dans l'Atlantique. Malgré un début de mois calme, l'approche du NSF NCAR a prouvé son efficacité en capturant l'intensification rapide de l'Ouragan Gabrielle dans l'Atlantique. Pour générer ces prévisions, Judt a utilisé le Model for Prediction Across Scales (MPAS) basé sur le NSF NCAR, exploitant la puissance du superordinateur Derecho. L'objectif principal était d'analyser les cyclones tropicaux dans les bassins Atlantique, Pacifique Est et Pacifique Ouest, tout en évaluant la performance du modèle pour prédire les précipitations intenses.
Ce travail s'inscrit dans la continuité d'une initiative similaire lancée par le NSF NCAR au printemps précédent. À cette occasion, des scientifiques principalement intéressés par les phénomènes météorologiques extrêmes des latitudes moyennes avaient utilisé MPAS pour des prévisions expérimentales en temps réel à 3 kilomètres, s'étendant sur 60 heures. L'actuelle concentration sur les cyclones tropicaux, plus vastes et se développant sur des périodes plus longues, implique des prévisions s'étendant jusqu'à 120 heures avec une résolution légèrement réduite de 3,75 kilomètres pour des raisons de calcul.
Les modèles météorologiques, tels que MPAS, représentent l'atmosphère à l'aide d'un système de grille et appliquent les lois de la physique pour simuler les propriétés atmosphériques. Une résolution plus élevée, indiquée par des points de grille plus rapprochés, conduit généralement à des prévisions plus précises. Cependant, l'assimilation des données joue également un rôle crucial dans la précision de la représentation initiale de l'atmosphère. Les centres de prévision utilisent souvent des modèles avec des résolutions variables. Par exemple, le National Hurricane Center simule les ouragans à une résolution de 2 kilomètres et leur environnement immédiat à 6-8 kilomètres, avec des résolutions plus grossières pour les régions plus éloignées. Cette approche est efficace pour les prévisions à court terme.
Judt a souligné que la simulation de l'ensemble du globe à haute résolution pourrait non seulement capturer les tempêtes où qu'elles se produisent, mais aussi aider à anticiper les cyclones tropicaux avant même leur formation. Cela pourrait conduire à des prévisions plus précises s'étendant sur 7 à 10 jours. C'est précisément ce qui semble s'être produit avec le Super Typhon Ragasa. Judt a observé: « Ce qui me frappe, c'est que MPAS avait prévu que ce système deviendrait un super typhon avant même que la tempête ne soit formée. » Il a ajouté que cette prédiction était antérieure à celle de nombreux modèles opérationnels et offrait une meilleure estimation de l'intensité.
Ce type d'effort pourrait également être précieux pour former de nouvelles générations de modèles météorologiques basés sur l'intelligence artificielle. Les données de haute résolution et de haute qualité générées par MPAS amélioreraient considérablement les modèles d'IA actuels, qui sont entraînés sur des données moins détaillées. Les avancées dans la modélisation, comme celles démontrées par le NSF NCAR, ouvrent la voie à une compréhension et une anticipation plus fines des phénomènes météorologiques extrêmes, renforçant ainsi notre capacité à nous préparer aux défis posés par un climat en évolution.