Dans le terrain accidenté de l’ouest des États-Unis, où les incendies de forêt font rage de manière incontrôlée, un lien surprenant se dessine avec le ciel tumultueux du centre des États-Unis. Une étude récente publié dans Progrès des sciences atmosphériques explore la relation fascinante entre les incendies de forêt dans l’Ouest et les tempêtes de grêle dans le centre des États-Unis.
Au cœur de cette étude pionnière dirigée par Jiwen Fan, qui travaillait au Pacific Northwest National Laboratory et actuellement au Argonne National Laboratory, se trouve l’application innovante des techniques d’apprentissage automatique (ML) pour éclairer le lien caché entre des phénomènes apparemment disparates.
Des algorithmes d’apprentissage automatique, notamment Random Forest et Extreme Gradient Boosting, sont utilisés pour analyser de vastes ensembles de données s’étalant sur deux décennies, de 2001 à 2020. Ces modèles de ML sont entraînés pour prédire l’apparition de grosses grêles dans les États du centre des États-Unis sur la base d’une multitude de variables, y compris les conditions météorologiques dans la région touchée par l’incendie, la configuration des vents et les caractéristiques des incendies de forêt eux-mêmes.
Grâce à une analyse et un traitement des données méticuleux, les modèles ML atteignent une précision remarquable, avec des prédictions dépassant 90 % dans certains cas. En identifiant des variables et des modèles clés, ces modèles dévoilent des corrélations entre les incendies de forêt dans l’ouest des États-Unis et les tempêtes de grêle dans le centre des États-Unis, fournissant ainsi des informations inestimables sur les impacts à distance des incendies de forêt sur des événements météorologiques graves à des milliers de kilomètres.
« Nous sommes désormais en mesure de dresser un tableau saisissant de la relation complexe entre le feu et la grêle à travers le paysage américain. Les incendies de forêt dans l’ouest des États-Unis exercent une influence considérable sur les conditions atmosphériques, façonnant la trajectoire des événements météorologiques graves à des milliers de kilomètres de chez nous. — quelque chose auquel nous n’avions jamais pensé auparavant », a déclaré le Dr Jiwen Fan.
« Les variables météorologiques telles que le vent d’ouest, la température et l’humidité relative dans la région touchée par l’incendie ainsi que l’intensité des incendies de forêt apparaissent comme des acteurs clés de cette symphonie climatique. »
Pourtant, au milieu des merveilles de la découverte, les défis ne manquent pas. Les tentatives de prévision du décompte quotidien des grosses grêles révèlent la complexité des caprices de la nature, nous rappelant la nature imprévisible des phénomènes météorologiques. Alors que les chercheurs continuent d’affiner leurs modèles et de faire face aux déséquilibres des données, la quête de compréhension se poursuit.
L’utilisation des techniques de ML représente une avancée significative dans la science atmosphérique, permettant aux chercheurs de parcourir des ensembles de données complexes et d’extraire des modèles significatifs qui auraient pu échapper aux méthodes statistiques traditionnelles.
Avec le ML comme fil conducteur, les scientifiques se lancent dans un voyage visant à percer les mystères des systèmes interconnectés de la Terre et à ouvrir la voie à des prévisions plus précises et à des mesures proactives face à l’évolution de la dynamique climatique.
Plus d’information:
Xinming Lin et al, Analyse d’apprentissage automatique de l’impact des incendies dans l’ouest des États-Unis sur les tempêtes de grêle dans le centre des États-Unis, Progrès des sciences atmosphériques (2024). DOI : 10.1007/s00376-024-3198-7