La prévision en environnement : un enjeu pour les mathématiques appliquées

Les systèmes numériques de prévision s’appuient sur des modèles mathématiques construits à partir des équations qui régissent la physique (plus précisément, la dynamique des fluides) et des données issues des observations.

Dans les sciences de l’environnement, le but de la modélisation — mathématique et numérique — est de reconstituer, dans le passé ou le futur, l’état de l’environnement. Simuler la fonte des calottes polaires ces cinquante dernières années, par exemple, permet de valider les modèles numériques établis sur les représentations du passé et de faire des ajustements pour prédire le futur.

Ainsi, prévoir avec une certaine fiabilité pourrait permettre d’anticiper les effets dévastateurs liés aux problèmes environnementaux, notamment les catastrophes naturelles, et fournirait une meilleure évaluation des risques. Réussir à faire coïncider les modèles numériques avec les observations reste l’un des défis scientifiques majeurs des années à venir, sinon, à quoi serviraient ces modèles ?

Pour « caler » les modèles, il est en particulier indispensable de les combiner avec les données réelles issues des observations. Ce sont les procédures d’assimilation de données (approches déterministe et stochastique) qui permettent d’obtenir in fine une estimation optimale de l’état du système.

Développer des systèmes numériques de prévision en environnement nécessite des collaborations pluridisciplinaires. Les équipes-projets MOISE (Modélisation, Observations, Identification pour les Sciences de l’Environnement) à Grenoble et CLIME (Couplage de la donnée environnementale et des modèles de simulation numérique pour une intégration logicielle) à Rocquencourt font appel aux compétences de mathématiciens, informaticiens, géophysiciens… Dans la vidéo que nous présentons interviennent des chercheurs de diverses disciplines, qui exposent les problématiques abordées et précisent les apports de leurs contributions.