GRAND ORAL – Comment les équations de la physique et les modèles mathématiques permettent-ils de prévoir la météo ?
Publié le 17/05/2025
Extrait du document
«
GRAND ORAL – Comment les équations de la physique et les modèles
mathématiques permettent-ils de prévoir la météo ?
Introduction
La météorologie est la science qui étudie les phénomènes atmosphériques dans
le but de prévoir l’évolution du temps.
Pour comprendre et anticiper les
comportements de l’atmosphère, les scientifiques ont recours à des outils issus
de la physique et des mathématiques.
L’atmosphère terrestre, principalement
constituée d’azote et d’oxygène, peut être modélisée comme un gaz parfait, ce
qui simplifie l’analyse de ses propriétés thermodynamiques.
En mécanique des
fluides, l’air est considéré comme un fluide compressible, soumis à des
paramètres dynamiques tels que la pression, la température ou encore la
densité.
La loi des gaz parfaits, exprimée par l’équation PV = nRT, permet de relier ces
grandeurs et joue un rôle central dans la compréhension des variations de l’air
dans l’atmosphère.
Ces principes sont à la base de la modélisation numérique du
temps, qui consiste à simuler l’évolution de l’atmosphère à partir de son état
actuel.
Une prévision météorologique repose ainsi sur quatre étapes fondamentales :
l’observation, l’assimilation des données pour établir une image fidèle de l’état de
l’atmosphère, la simulation de son évolution à l’aide de modèles mathématiques,
et enfin l’interprétation des résultats par les prévisionnistes.
Dans cet exposé, nous nous concentrerons sur l’aspect dynamique de
l’atmosphère qui permet d’expliquer les déplacements des masse d’air et le vent
et nous n’aborderons pas l’aspect thermodynamique nous verrons d’abord
comment les équations de la physique, en particulier les équations
différentielles, permettent de modéliser les dynamiques atmosphériques.
Nous étudierons ensuite comment les outils statistiques permettent d’estimer
les incertitudes liées aux prévisions, avant de nous intéresser à un cas
concret : le modèle AROME développé par Météo-France.
Partie I- Modéliser les dynamiques atmosphériques par des équations
différentielles
I.
Étude des fluides et équations différentielles
La météo repose d’abord sur une compréhension des mouvements de l’air, c’està-dire du comportement des fluides.
L’air est un fluide compressible et
visqueux, dont la dynamique est modélisée par des équations différentielles
issues de la physique.
Ces équations permettent de prévoir l’évolution des grandeurs physiques comme
la pression, la température, ou encore la vitesse du vent, à partir d’un état
initial.
Les phénomènes atmosphériques sont des processus dynamiques, complexes et
en perpétuelle évolution.
Pour les comprendre, les modéliser et surtout les
prévoir, il faut pouvoir exprimer comment les grandeurs physiques (vitesse,
pression, température, etc.) évoluent dans le temps et l’espace.
C’est
exactement ce que permettent les équations différentielles, et plus
précisément les équations différentielles partielles (EDP).
L’atmosphère est un fluide compressible, en mouvement sous l’effet de
nombreuses forces (gravité, pression, force de Coriolis liée à la rotation de la
Terre, frottements...).
Ces mouvements obéissent aux lois de la mécanique des
fluides, qui sont exprimées sous forme d’équations différentielles.
Par exemple :
L’équation de Navier-Stokes qu’on expliquera plus en détail juste
après.
Ces lois s’appliquent en tout point de l’atmosphère, ce qui implique de
raisonner sur des fonctions dépendant du temps et de l’espace → d’où l’usage
des équations différentielles partielles.
Examinons maintenant un peu plus en profondeur l’une des équations les plus
importantes en mécanique des fluides atmosphériques : l’équation de NavierStokes.
II.
L'équation de Navier-Stokes
Au XVIIIe siècle, les premières modélisations de l'atmosphère, dues à Leonhard
Euler ou Jean le Rond D'Alembert, sont incomplètes.
Un siècle plus tard, le
Français Henri Navier et le Britannique George Stokes obtiennent des équations
pertinentes en ajoutant à celles d'Euler et de D'Alembert un terme correspondant
à la viscosité du fluide (une sorte de frottement).
Ces équations de NavierStokes décrivent tous les phénomènes apparaissant dans les mouvements des
fluides.
L’équation de Navier-Stokes est fondamentale en météorologie.
Il s’agit d’un
système équation différentielle vectorielle qui décrit le mouvement des
fluides.
Elle repose sur trois grands principes :
La conservation de la masse (équation de continuité),
La seconde loi de Newtown,
La conservation de l’énergie.
Pour les fluides compressibles tel que l’air, il est nécessaire d’introduire
une équation d’état qui relie la pression, la densité et la température.
C’est
l’équation des gaz parfait PV=nRT.
Cependant cette équation est une première approximation, il convient ensuite
de prendre en compte le caractère visqueux de l’air pour affiné les résultats
des prévisions.
Ces équations, en raison de leur caractère non linéaire et de leur complexité,
ne peuvent pas être résolues à la main.
L'inconnue principale est le champ de
vitesse du fluide, dont le comportement reste encore aujourd’hui un défi
mathématique majeur — à tel point qu’il figure parmi les problèmes du millénaire
posés par le Clay Mathematics Institute.
On les résout de façon approchée, grâce
à des algorithmes numériques, sur des grilles de calcul et des superordinateurs.
En météorologie, l’équation de Navier-Stokes est fondamentale pour modéliser le
déplacement des masses d’air, les vents et les courants atmosphériques.
En effet, pour rendre compte de ces phénomènes, il est nécessaire de considérer
diverses forces comme les poussées, les frottements, les turbulences, ainsi
que la température.
Toutes ces forces interagissent et s’expriment dans les
équations.
Si l'équation de Navier-Stokes permet de modéliser les mouvements de
l'atmosphère, l'équation de Lorenz, quant à elle, met en lumière l'aspect
chaotique et la sensibilité aux conditions initiales dans les prévisions
météorologiques.
C’est ce que nous allons voir maintenant.
III.
L’équation de Lorenz
En 1963, le météorologue et mathématicien Edward Lorenz crée un modèle
simplifié pour comprendre les mouvements de convection dans l’atmosphère et a
montré que la météo est un système chaotique mais déterministe.
Il a proposé un système d’équations différentielles à trois variables :
x : intensité du mouvement de convection
y : gradient horizontal de température
z : gradient vertical de température
Qui sont fonction de :
σ : nombre de Prandtl (viscosité/chaleur)
r : nombre de Rayleigh réduit lié au transfert de chaleur
b : paramètre lié à la taille du système
Cette modélisation permet de montrer que même avec des équations simples,
de petites variations des conditions initiales (ex.
: température de départ)
peuvent entraîner des évolutions très différentes.
Le système est
déterministe (pas aléatoire), mais imprévisible à long terme : on parle de
sensibilité aux conditions initiales.
C’est ce qui a donné naissance à l’idée de l’« effet papillon » : le battement
d’ailes d’un papillon au Brésil peut-il provoquer une tornade au Texas ? Cela
illustre le fait qu’une toute petite différence au départ peut mener à une
évolution totalement différente du système.
Partie II – Probabilités et incertitudes
I.
Prévisions probabilistes et incertitude
Comme les équations différentielles utilisées en météorologie sont très sensibles
aux conditions initiales, les prévisionnistes s’appuient aussi sur les outils
statistiques pour mieux gérer l’incertitude.
Une prévision déterministe propose un seul scénario, basé sur une
unique simulation.
Une prévision probabiliste, en revanche, repose sur plusieurs
simulations issues de conditions initiales légèrement modifiées.
On obtient
ainsi une probabilité pour qu’un événement se produise (par exemple, 80
% de chance de pluie).
On parle alors de prévisions d’ensemble.
Cette approche permet de quantifier
l’incertitude au lieu de l’ignorer.
Un concept clé ici est celui de variable aléatoire, qui permet d’associer à
chaque événement météorologique (comme "pleuvoir demain") une valeur
numérique aléatoire (0 = non, 1 = oui), facilitant les calculs de probabilités.
Par exemple, la loi binomiale peut être utilisée pour estimer la probabilité de
plusieurs jours consécutifs de pluie, en modélisant chaque jour comme une
épreuve de Bernoulli (succès = il pleut, échec = il ne pleut pas).
Parmi les outils statistiques utilisés :
Les chaînes de Markov, où la probabilité d’un événement futur dépend
uniquement de l’état actuel.
En météo, cela signifie que la prévision pour
demain dépend principalement du temps qu’il fait aujourd’hui.
La méthode de Monte Carlo, qui consiste à générer un grand nombre de
scénarios aléatoires pour explorer les évolutions possibles de
l’atmosphère.
Chaque simulation représente un scénario plausible.
On
estime ensuite les probabilités à partir du nombre de cas où un événement
(comme la pluie) se produit.
Ces méthodes n’offrent pas une certitude absolue, mais elles fournissent un
degré de confiance.
Par exemple, dire qu’il y a 80 % de chances de pluie
signifie que, sur 10 scénarios, la pluie apparaît dans 8 d’entre eux.
Cas concret : prévision d’un ouragan
La prévision des ouragans illustre bien l’intérêt de ces approches.
Les
météorologues utilisent divers modèles numériques pour simuler l’atmosphère,
puis génèrent une distribution de scénarios avec la méthode de Monte Carlo.
Cela permet d’évaluer la probabilité d’évolution de la trajectoire et de l’intensité
de l’ouragan.
Par exemple, les résultats peuvent indiquer :
70 % de chances que l’ouragan atteigne la catégorie 3,....
»
↓↓↓ APERÇU DU DOCUMENT ↓↓↓
Liens utiles
- grand oral maths/physique : Comment et dans quels buts les équations différentielles permettent de modéliser la vitesse d’une réaction chimique ?
- Grand Oral Sujet 2 Mathématique : Comment les mathématiques permettent-elle de modéliser les jeux de hasard ?
- Grand oral : comment les mathématiques et la physique chimie peuvent elles permettre d'étudier le refroidissement ou le réchauffementd'un corps ?
- Grand Oral de Physique-Chimie : Améliorer les Imageries par Résonance Magnétique (IRM)
- La musique se résume-t-elle aux mathématiques ? Grand Oral Mathématiques