VineForecast établit des prévisions pour chaque parcelle d'un domaine viticole et ce, sans installer de stations météo dans les vignobles. Vous découvrirez dans cet article de blog comment cela fonctionne et sur quelle méthodologie repose la technologie qui se cache derrière.
Downscaling - régionalisation des prévisions météorologiques
Pour comprendre comment les prévisions météorologiques sont effectivement établies, nous devons d'abord entrer un peu dans le vif du sujet. En effet, on pense parfois que les stations météo les plus proches fournissent les prévisions météorologiques pour la région. En réalité, ce sont des modèles météorologiques complexes qui sont à l'origine des prévisions météorologiques.
Les prévisions sont calculées plusieurs fois par jour par des services météorologiques nationaux et internationaux, comme le Deutscher Wetterdienst (DWD), sur des superordinateurs. Pour ce faire, un modèle météorologique permet de calculer l'évolution des événements météorologiques dans les heures et les jours à venir.
Les valeurs mesurées servent de point de départ pour les prévisions météorologiques
Pour simplifier, on peut dire que dans un modèle météorologique, la terre est divisée en cases. On peut se représenter cela comme un damier. Chaque case du damier peut se voir attribuer une valeur pour la température, la pression atmosphérique ou l'humidité de l'air. Sur la base des lois de la physique, on calcule ensuite comment les différentes valeurs évoluent au fil du temps. Plus ces cases en treillis sont petites, plus la résolution du modèle météorologique est élevée et plus l'influence des conditions régionales, comme la topographie, peut être représentée de manière réaliste.
En effet, on travaille avec une topographie moyennée pour chaque box. Cela signifie que les détails topographiques disparaissent dans les modèles avec une résolution plus faible. Cette différence est clairement visible dans la figure 1. L'image supérieure montre la topographie des Alpes pour une résolution d'environ 6 km x 6 km, tandis que l'image inférieure a une résolution de 2 km x 2 km.
Fig. 1 : Deux modèles topographiques mis en parallèle : En haut, une résolution de 6km x 6km, en bas 2km x 2km
Avant de pouvoir lancer un modèle météorologique, chaque case de la grille ("chaque case de l'échiquier") doit être "remplie" avec des valeurs initiales. Pour les valeurs initiales des calculs, une multitude de données de mesure provenant de stations météorologiques, de ballons météorologiques, d'avions ou de données satellites sont intégrées dans le modèle.
La résolution des modèles météo est décisive
Plus la résolution d'un modèle météo est élevée, plus la capacité de calcul nécessaire est importante. C'est pourquoi la plupart des modèles météorologiques ont actuellement, dans le meilleur des cas, une résolution horizontale de 1 km x 1 km. Pour les prévisions à moyen terme, qui s'étendent sur plusieurs jours, la résolution est souvent nettement inférieure. Par exemple, le modèle ICON-EU du DWD possède une résolution d'environ 6km x 6km et s'étend jusqu'à 180 heures dans le futur. Le modèle ICON-D2 à plus haute résolution a quant à lui une résolution d'environ 2km x 2km, mais ne s'étend que sur 48 heures dans le futur.
Pour estimer l'évolution générale du temps dans les jours à venir, cette résolution est souvent tout à fait suffisante. Cela devient problématique lorsque l'on s'intéresse au microclimat spécifique d'une position. Comme les valeurs prévisionnelles issues des modèles météorologiques représentent plutôt des valeurs moyennes sur une grille, elles peuvent parfois s'écarter nettement des valeurs réelles à une coordonnée donnée. Ce problème est particulièrement marqué lorsque le point de prévision se trouve dans une région à la topographie complexe.
Régionalisation des données météorologiques
Pour corriger ces erreurs dans les prévisions, on utilise en météorologie et en physique climatique la technique dite de la régionalisation (en anglais downscaling). Cette technique consiste à utiliser les relations statistiques entre la topographie et le microclimat afin de mieux calibrer les prévisions météorologiques par rapport à la topographie locale. La régionalisation revêt une importance particulière pour tous les processus dans lesquels de petites différences peuvent déjà avoir de grandes répercussions. Dans la viticulture, par exemple, 2 à 3 heures de différence dans la durée de mouillage des feuilles peuvent déjà avoir un impact important sur le risque d'infection par Peronospora. C'est pourquoi les prévisions météorologiques de VineForecast sont d'abord régionalisées avant d'être utilisées dans la modélisation de la maladie.
Un exemple de régionalisation de la température à 2 mètres d'altitude est présenté sur la figure 2 ci-dessous. À gauche, on voit la prévision météorologique standard du modèle ICON-D2 du DWD (résolution de 2 km x 2 km), tandis qu'à droite, on voit la prévision régionalisée de VineForecast (résolution de 25 m x 25 m). Au sud-est de la carte se trouve d'ailleurs la vallée de la Moselle, qui est clairement visible dans la prévision régionalisée.
Fig. 2 : Température régionalisée : à gauche une résolution de 2km x 2km, à droite 25m x 25m
Régionalisation des prévisions de maladies
Examinons maintenant l'influence de la régionalisation sur les prévisions de maladies. Pour ce faire, nous comparons les prévisions d'infection pour les infections secondaires par Peronospora entre la prévision météorologique standard et la prévision météorologique régionalisée dans l'exemple du 11 juin 2021 pour la région de Cochem sur la Moselle.
La somme journalière de la variable "degrés-heures en cas d'humidité du feuillage" est généralement utilisée pour mesurer le risque d'infection par Peronospora. Cette variable est calculée à partir des valeurs horaires de la température et de l'humidité du feuillage, en additionnant toutes les valeurs de température sur une journée pour lesquelles l'humidité du feuillage était présente au même moment (voir aussi ici). Si le total journalier dépasse une valeur de 50, on considère qu'il y a un léger risque d'infection. A partir de valeurs supérieures à 150, on peut s'attendre à de fortes infections.
Si nous comparons maintenant les prévisions de maladies basées sur les prévisions météorologiques standard avec les prévisions régionalisées de la figure 3, il est clair que la régionalisation influence fortement les prévisions de maladies et que la pression infectieuse varie fortement à courte distance. L'utilisation d'une prévision météorologique non régionalisée comme base pour les prévisions de maladie, peut, en cas de doute, conduire à une forte sous-estimation ou surestimation des risques de maladie.
Fig. 3 : Pronostics de maladie régionalisés : non régionalisés à gauche, régionalisés à droite
