Prévisions probabilistes à longue échéance

Les prévisions probabilistes fournissent aux usagers certaines informations supplémentaires qui ne se retrouvent pas dans les prévisions déterministes. Les prévisions probabilistes donnent un estimé de la probabilité que la moyenne saisonnière sera au-dessus, près ou sous la normale. Pour chacune de ces catégories, la probabilité est obtenue en comptant le nombre de membres de l'ensemble qui prévoit une moyenne saisonnière dans cette catégorie, et en divisant ensuite par le nombre total de membres de l'ensemble (détails additionnels sur le calcul des prévisions probabilistes).

Que représentent les cartes probabilistes de prévision?

Les cartes de prévision se composent de 3 panneaux, un pour chacune des catégories : au-dessus de la normale, près de la normale et sous la normale. Sur les cartes pour la température de l'air à la surface, la gamme de couleurs varie du jaune au rouge pour la catégorie au-dessus de la normale, du gris au pourpre pour la catégorie près de la normale et du bleu pâle au bleu foncé pour la catégorie sous la normale. Pour les cartes des précipitations, la gamme de couleurs varie du vert au bleu pour la catégorie au-dessus de la normale, du gris au pourpre pour la catégorie près de la normalet du jaune au brun foncé pour la catégorie sous la normale. Les mois pour lesquels la prévision est valide est indiquée au bas de chaque panneau. La date d'émission de la prévision est indiquée dans le coin supérieur droit. L'échelle de couleur sur le côté droit des cartes indique la probabilité prévue, en pourcentage du nombre de membres (intervalles de 10%) pour la catégorie spécifique.

Quel lien existe-t-il entre les prévisions déterministes et probabilistes?

Les prévisions déterministes et probabilistes sont deux manières différentes de présenter l'information au sujet de la prévision. Les prévisions déterministes montrent la catégorie prévue de la prévision (au-dessus, près ou sous la normale) résultante de la moyenne des 20 prévisions qui composent l'ensemble. Les cartes de pourcentage correct historique attachées à la prévision déterministe donnent une indication de l'habileté attendue du système de prévision, en se basant sur la vérification des prévisions passées pour un certain nombre d'années (30 ans de façon typique). Cette information est utile mais, malheureusement, les cartes de pourcentage correct historique ne fournissent pas d'information sur la confiance qui pourrait être attribuée à la prévision spécifique courante.

C'est là où les prévisions probabilistes peuvent ajouter une information importante aux prévisions déterministes, parce qu'elles peuvent donner un certain estimé de la clarté de la prévision spécifique courante. Par exemple, une prévision déterministe de conditions au-dessus de la normale qui serait accompagnée de probabilités de 45%, 30% et 25% pour les catégories au-dessus, normale, et sous la normale serait moins discriminante et moins confiante qu'une même prévision associée avec des probabilités de 60%, 25% et 15%. Dans ce cas, il y aurait plus de chance que le hasard que des conditions au-dessus de la normale prévalent et peu de chances que des conditions sous la normale soient observées. De façon similaire, une prévision pour des conditions près de la normale pourrait être accompagnée de probabilités de 30%, 40% et 30%, dans ce cas, la prévision ne serait pas très discriminante. Par contre, des probabilités de 15%, 70% et 15% seraient beaucoup représentatives d'un signal près de la normale clair.

Il faut noter que bien que les cartes de prévisions déterministes soient basées sur la vérification des 3 catégories, plusieurs études faites sur les systèmes de prévisions saisonnières démontrent que la catégorie près de la normale est toujours moins bien prévue que celle des catégories au-dessus et sous la normale. (Van Den Dool et Toth, 1991 ; Gagnon et al. 2000 ; Gagnon et Verret, 2000, 2001 ; Kharin et Zwiers, 2003). La raison principale de cette constatation provient du fait que les catégories au-dessus et sous la normale sont ouvertes. En d'autres mots, elles sont seulement contraintes d'un côté (c'est-à-dire, par la catégorie près de la normale). Ainsi, une prévision au-dessus de la normale sera bonne peu importe si les conditions observées sont légèrement ou fortement au-dessus de la normale. Le même principe s'applique à la catégorie sous la normale. Par contre, la catégorie près de la normale est contrainte des deux côtés. Par conséquent, seulement une gamme comparativement plus restreinte des valeurs observées lui permet d'être correcte. Ainsi on peut dire que, de façon générale, l'on doit attribuer moins de confiance à une prévision près de la normale quelle que soit la prévision probabiliste, comparativement aux prévisions au-dessus et sous la normale. Il faut également mentionner que les prévisions probabilistes ne sont pas calibrées. Veuillez consulter la section sur le calibrage pour plus d'information.

Comment les prévisions probabilistes sont-elles produites?

Les prévisions saisonnières actuelles résultent d'un ensemble de 20 membres, 10 membres de chacun des deux modèles couplés du Centre canadien de la modélisation et de l'analyse climatique (CCmaC) CanCM3 et CanCm4.

Les probabilités prévues sont calculées en comptant, pour chacun des endroits, le nombre de membres dans chacune des trois catégories et en divisant par la taille de l'ensemble (20). Par exemple, si pour un endroit particulier 13 membres prévoient au-dessus de la normale, 6 membres près de la normale et 1 membre sous la normale, les probabilités de prévision seront respectivement 65.0% au-dessus de la normale, 30.0% près de la normale et 5.0% sous la normale. Les probabilités ne seront pas affichées sur la carte de prévision saisonnières avec ce niveau de détail. Les probabilités seront plutôt regroupés en intervalles de 10%. Une probabilité (purement mathématique) de 5.0% deviendrait alors une probabilité entre 0 et 9%. une probabilité de 65.0% deviendrait alors une probabilité dans l'intervalle de 60-69%.

Le tableau ci-dessous illustre la relation entre le nombre de membre, la probabilité et l'intervalle définissant la probabilité.

Nombre de membres	Probabilité	Intervalle
0	0.0%	0-9%
1	5.0%	0-9%
2	10.0%	10-19%
3	15.0%	10-19%
4	20.0%	20-29%
5	25.0%	20-29%
6	30.0%	30-39%
7	35.0%	30-39%
8	40.0%	40-49%
9	45.0%	40-49%
10	50.0%	50-59%
11	55.0%	50-59%
12	60.0%	60-69%
13	65.0%	60-69%
14	70.0%	70-79%
15	75.0%	70-79%
16	80.0%	80-89%
17	85.0%	80-89%
18	90.0%	90-100%
19	95.0%	90-100%
20	100.0%	90-100%

La définition des catégories

Les prévisions probabilistes sont classées par catégorie: au-dessus, près et sous la normale. La définition de ces 3 catégories est la même que pour les prévisions déterministes.

Comment utiliser les cartes?

1. Regarder la carte déterministe de prévision et d'habileté pour les anomalies de la température et des précipitations afin de déterminer la catégorie de prévision (au-dessus, près ou sous la normale). C'est cette prévision que vous utiliseriez si vous aviez à donner la prévision en un mot.
2. Regarder les cartes probabilistes de prévision pour chacun des 3 catégories pour la région d'intérêt.
3. Comparer la couleur sur les cartes probabilistes avec celles de l'échelle du côté droit. Le nombre obtenu est une évaluation de la probabilité de l'occurrence pour chaque catégorie. Grosso modo, on peut dire qu'une probabilité plus élevée équivaut à une confiance plus élevée pour la prévision (voir des exemples ci-dessous). Vous êtes invité à consulter la section de calibrage pour obtenir de l'information sur comment calibrer les probabilités.

Il faut noter que la prévision de la température de l'air à la surface est une prévision de l'anomalie de la température quotidienne moyenne à 2 mètres du sol (c'est-à-dire à la hauteur standard de l'abri Stevenson). Ce n'est pas une prévision de la température quotidienne maximale ou minimale. Pour plus d'information sur ce qui est prévu par les prévisions saisonnières d'Environnement Canada, consulter la page foire aux questions.

Exemples :

1. Supposons que la prévision deterministe soit au-dessus de la normale et que les cartes probabilistes montrent 80 à 89% pour au-dessus de la normale, 10 à 19% pour près de la normale et 0 à 9% pour sous la normale. Basé sur ces informations, on peut conclure que la probabilité que les températures seront au-dessus de la normale est élevée (80 à 89%) et que la confiance en la prévision est également bonne. On pourrait également indiquer que la probabilité d'avoir des températures sous la normale est faible.
2. Maintenant, supposons que la prévision deterministe soit au-dessus de la normale. Supposons également que les cartes probabiliste montrent 50 à 59% pour au-dessus de la normale, 20 à 29% pour près de la normale et 20 à 29% pour sous la normale. Ceci signifie que seulement la moitié des prévisions (10 sur 20) prévoyait réellement au-dessus de normale. Basé sur ceci, on conclurait que même si la prévision déterministe indique des températures au-dessus de la normale, la confiance en prévision ne serait pas forte car le signal n'est pas très clair. Elle serait certainement inférieure à celle de l'exemple présenté au point 1.
3. Supposons que la prévision deterministe soit près de la normale et que les cartes probabiliste montrent 20 à 29% pour la catégorie au-dessus de la normale, 40 à 49% pour près de la normale et 40 à 49% pour sous la normale. C'est l'exemple le plus mitigé des trois. On pourraît conclure qu'il y a de bonnes chances que les temperatures soient près de la normale ou bien sous la normale. Par ailleurs, on peut dire également qu'il est peu probable que les températures soient au-dessus de normale.

Bibliographie

• Gagnon, N. and R. Verret, 2001: Probabilistic Approach to Seasonal Forecasting, Proceedings of the Long-Range Weather and Crop Forecasting Work Group Meeting IV, Regina, Saskatchewan, March 5-6, 2001, 13-18.
• Gagnon, N. and R. Verret, 2000 : Probabilistic Approach to Seasonal Forecasting at the Canadian Meteorological Centre. Proceedings of the Twenty-Fifth Annual Climate Diagnostics and Prediction Workshop, Palisades, New York, October 23-27 2000, 169-172
• Gagnon, N., R. Verret,A. Plante, L. Lefaivre and G. Richard, 2000: Long-Range Forecasts Verification, Preprints, 15^th Conference Probability and Statistics in Atmospheric Sciences, AMS, Asheville, North Carolina, May 2000, 65-68.
• Kharin, V. V., and F. W. Zwiers, 2003: Improved seasonal probability forecasts. Journal of Climate, 16, 1684-1701.
• Van Den Dool, Huug M., Toth, Zoltan. 1991: Why Do Forecasts for "Near Normal" Often Fail? Weather and Forecasting: Vol. 6, No. 1, 76-85.