A multivariate and space-time stochastic weather generator using a latent Gaussian framework

Les générateurs stochastiques de conditions météorologiques sont des outils probabilistes utilisés pour simuler des séries temporelles synthétiques dont les statistiques ressemblent à celles observées. Ces outils rencontrent des difficultés lorsqu’il s’agit de simuler avec précision de multiples variables météorologiques dans l’espace et le temps, car ils nécessitent des modèles capables de capturer les dépendances complexes entre les variables et dans l’espace-temps. Nous proposons un nouveau générateur météorologique multivarié spatio-temporel, appelé MSTWeatherGen, qui tire parti de développements récents pour modéliser et simuler différentes variables météorologiques, notamment la température, les précipitations, la vitesse du vent, l’humidité et le rayonnement solaire, dans l’espace et dans le temps. Plus précisément, nous utilisons une approche qui implique une transformation marginale non linéaire et non stationnaire d’un champ aléatoire gaussien multivarié, caractérisé par une fonction de covariance croisée spatio-temporelle multivariée stationnaire et non séparable. Pour mieux prendre en compte la nature variable dans le temps des variables météorologiques, nous divisons le domaine temporel en états appelés types de temps. La méthode est évaluée dans la région Provence-Alpes-Côte-d’Azur en France, qui se caractérise par une topographie et des conditions météorologiques hétérogènes. Les résultats de l’évaluation démontrent l’efficacité de ce nouveau générateur stochastique de conditions météorologiques dans la reproduction d’une large gamme de statistiques météorologiques, y compris des indicateurs hautement non linéaires tels que la vague de chaleur ou l’indice météorologique d’incendie.

Obakrim, S., Benoit, L., Allard, D. A multivariate and space-time stochastic weather generator using a latent Gaussian framework. 2024. hal-04715860

https://github.com/sobakrim/MSTWeatherGen