Comparaison de méthodes de prévision de risque orageux à courte échéance

International audienceThunderstorms, the main generator of lightning on earth, are characterized by the presence of extreme atmospheric conditions (turbulence, hail, heavy rain, wind shear, etc.). Consequently, the atmospheric conditions associated with this kind of phenomenon (in particular the strike itself) can be dangerous for aviation. This study focuses on the estimation of the lightning strike risk induced by thunderstorms over the sea, in a short-range forecast, from 0 h to 24 h. In this framework, three methods have been developed and compared. The first method is based on the use of thresholds and weighting functions; the second method is based on a neural network approach, and the third method is based on the use of belief functions. Each method has been applied to the same dataset comprising predictors defined from numerical weather prediction model outputs. In order to assess the different methods, a "ground truth" dataset based on lightning stroke locations supplied by the World Wide Lightning Location Network (WWLLN) has been used. The choice of one method over the others will depend on the compromise that the user is willing to accept between false alarms, missed detections, and runtimes. The first method has a very low missed detection rate but a high false alarm rate, while the other two methods have much lower false alarm rates, but at the cost of a non-negligible missed detection rate. Finally, the third method is much faster than the other two methods.L'orage, principal générateur de foudre sur terre, est caractérisé par la présence de conditions atmosphériques extrêmes (turbulences, grêle, fortes pluies, cisaillement du vent, etc.) Par conséquent, les conditions atmosphériques associées à ce type de phénomène (en particulier la foudre elle-même) peuvent être dangereuses pour l'aviation. Cette étude porte sur l'estimation du risque de foudroiement induit par les orages au-dessus de la mer, dans une prévision à court terme, de 0 à 24 h. Dans ce cadre, trois méthodes ont été développées et comparées. La première méthode est basée sur l'utilisation de seuils et de fonctions de pondération ; la deuxième méthode est basée sur une approche de réseau de neurones, et la troisième méthode est basée sur l'utilisation de fonctions de croyance. Chaque méthode a été appliquée au même ensemble de données comprenant des prédicteurs définis à partir des sorties de modèles de prévision numérique du temps. Afin d'évaluer les différentes méthodes, un ensemble de données de "vérité terrain" basé sur les emplacements des coups de foudre fournis par le World Wide Lightning Location Network (WWLLN) a été utilisé. Le choix d'une méthode par rapport aux autres dépendra du compromis que l'utilisateur est prêt à accepter entre fausses alarmes, détections manquées et temps d'exécution. La première méthode a un taux de détection manquée très faible mais un taux de fausses alarmes élevé, tandis que les deux autres méthodes ont des taux de fausses alarmes beaucoup plus faibles, mais au prix d'un taux de détection manquée non négligeable. Enfin, la troisième méthode est beaucoup plus rapide que les deux autres