Les drones commerciaux pourraient devenir un nouvel outil essentiel pour l'observation et la prévision météo

Les drones font la une des journaux aux États-Unis ces derniers mois. Une étude récente suggère qu’ils pourraient s’avérer un outil clé pour ouvrir la prochaine phase de prévisions météorologiques précises dans le monde entier, en particulier dans les coins les plus reculés de la planète.

Les océans sont un élément essentiel du système climatique de la planète, mais réaliser des observations météorologiques cohérentes et précises en mer constitue un défi. Les drones pourraient être une solution viable.
Les océans sont un élément essentiel du système climatique de la planète, mais réaliser des observations météorologiques cohérentes et précises en mer constitue un défi. Les drones pourraient être une solution viable.

Un défi constant pour la prévision numérique du temps a toujours été d’obtenir des observations à haute résolution, précises et opportunes pour les utiliser dans l’initialisation des modèles informatiques.

Les observations météorologiques sont collectées et intégrées dans des modèles de prévisions météorologiques, fournissant une représentation basée sur les données des conditions initiales de l’atmosphère. Une plus grande concentration spatiale des observations météorologiques à travers le monde pourrait théoriquement conduire à une représentation initiale plus précise avec laquelle les modèles informatiques peuvent faire des prédictions.

En d’autres termes, plus les observations météorologiques sont à jour, plus les prévisions météorologiques seront précises.

De nombreuses stations météorologiques à travers le monde disposent d’observations météorologiques historiques fiables et à long terme. La plupart d’entre elles sont obtenues avec des instruments automatisés, certaines avec des instruments humains et d’autres avec des capteurs à distance (satellites, etc.). Les organismes nationaux collectent ces données, vérifient leur qualité et les intègrent dans les modèles de prévision.

Cependant, un problème simple mais fondamental n’a pas encore été entièrement résolu : la Terre est un vaste territoire doté de nombreuses caractéristiques géographiques complexes, et comme les océans couvrent environ 71 % de la planète, réaliser des observations météorologiques fiables dans de nombreuses régions est vraiment difficile et coûteux.

Une équipe de recherche de l'Institut national de recherche polaire du Japon a récemment mené une étude visant à examiner la faisabilité des mesures par drone comme source fiable et complémentaire d'observations météorologiques. Ils ont comparé les données météorologiques relevées par des drones avec les mesures de radiosondes de routine prises par des ballons météorologiques.

Les chercheurs ont lancé les drones deux fois par jour, ont collecté les données, les ont converties et les ont téléchargées dans un format permettant leur intégration dans des modèles informatiques. Après avoir répété ce processus pendant deux mois dans la ville de Tsukuba, au Japon, ils ont conclu que le processus semblait réalisable pour une mise en œuvre opérationnelle, nécessitant un temps de charge de 30 minutes à partir du moment de la mesure. Les données météorologiques collectées par des drones n’ont pas montré de différences significatives par rapport aux données de radiosonde.

Plusieurs variétés de drones disponibles sur le marché ont été testées avec une gamme complète de capteurs météorologiques conçus pour enregistrer la température, l’humidité relative et la vitesse du vent. Certains aspects de l’approche restent à évaluer, notamment la sécurité de l’utilisation courante des drones dans les centres de population.

Cependant, dans l’ensemble, cette méthode relativement bon marché et rapide pourrait jouer un rôle essentiel dans l’expansion et l’augmentation de la résolution de la collecte de données météorologiques. Les terrains montagneux, les pôles et les océans pourraient être plus accessibles à l’étude et, par conséquent, les prévisions seraient plus précises avec cette méthode de collecte de données.