Some challenges in predicting heavy precipitation with convective-scale ensembles

Les ensembles à échelle convective fournissent simultanément plusieurs prévisions météorologiques haute résolution. La capacité d'un modèle à fournir plusieurs prévisions lui permet de suggérer un panorama des évolutions possibles de l'atmosphère, de quantifier la probabilité d'occurrence de chaque scénario, et ainsi de fournir une estimation des incertitudes inhérentes aux prévisions météorologiques. La haute résolution permet quant à elle une meilleure représentation de la convection profonde dans le modèle, et, in fine, une amélioration des prévisions des phénomènes liés aux orages. Il s'agit donc d'un type de modèle bien particulier, dont l'un des objectifs principaux est la prévision de situations à fort enjeu mais peu prévisibles, comme les épisodes méditerranéens. Cependant, leur utilité réelle à cet égard est souvent remise en question par les prévisionnistes, qui soulignent non seulement certains défauts persistants au sein du modèle, mais également les défis pratiques posés par son utilisation en contexte opérationnel.L'un des défis auxquels les prévisionnistes sont confrontés est d'extraire rapidement les informations pertinentes de la multitude de prévisions haute résolution fournies par ces modèles. Pour ce faire, il est courant d'utiliser des produits qui synthétisent l'information, en particulier les probabilités et les quantiles. Leur utilisation devient toutefois complexe lorsqu'il s'agit d'anticiper les fortes pluies ou toute autre forme de convection sévère. En effet, leur forte sensibilité à la dispersion de l'ensemble peut fortement impacter l'information extraite de l'ensemble, et donc sa pertinence. De plus, la prise de décision à partir de ces produits est loin d'être évidente lorsque l'on fait face à des situations météorologiques rares, pour lesquelles il est, par définition, compliqué d'avoir du recul et des statistiques robustes.Les ensembles à échelle convective étant lancés plusieurs fois par jour, il faut également être capable de combiner leurs prévisions successives à bon escient sans provoquer une surcharge d'informations. En pratique, les prévisionnistes prêtent une attention particulière à l'évolution des prévisions pour un modèle donné, car celle-ci les renseigne sur la prévisibilité de la situation météorologique, ainsi que sur la confiance qu'ils accordent au modèle. Cette approche est néanmoins largement empirique, assez peu traitée dans la littérature, et peu propice aux systèmes de prévision d'ensemble en raison des grandes quantités de données en jeu et de la nature probabiliste des prévisions.Cette thèse s'inscrit dans ce contexte, et vise à relever ces deux défis appliqués à l'anticipation des pluies intenses en France métropolitaine à l'aide du système de prévision d'ensemble à échelle convective de Météo-France, PE AROME. Une méthodologie permettant d'extraire la meilleure information possible des probabilités a été développée et testée avec succès. Sa mise en œuvre a toutefois révélé certaines limitations de PE AROME vis-à-vis des fortes pluies. Concernant l'utilisation des prévisions successives, il semblerait que le degré de cohérence entre elles soit une information importante à prendre en compte lors de l'expertise du modèle. Il a en effet été trouvé que PE AROME a tendance à nettement sous-estimer la probabilité d'occurrence des scénarios météorologiques ayant eu la particularité de persister d'une prévision à l'autre. L'utilité pratique de ces résultats a enfin été discutée sur un cas récent de pluies intenses, avec à la clé quelques pistes d'amélioration.