Zoomer sur : Évaluation efficace des risques environnementaux régionaux avec l'IA générative

Les modèles du système terrestre sont cruciaux pour prédire les changements environnementaux futurs, mais leur coût de calcul élevé limite leur capacité à faire des projections régionales à des échelles fines. Pour y remédier, une nouvelle méthode d’IA générative a été développée pour combler l’écart de résolution entre les modèles du système terrestre et les besoins des utilisateurs en aval. La méthode, appelée downscaling dynamical-generative, applique des modèles de diffusion probabilistes à la sortie de modèles physiques bien établis pour traduire les projections climatiques mondiales en évaluations locales des risques environnementaux. Cette approche produit des évaluations détaillées des risques environnementaux locaux pour une petite fraction du coût des techniques de pointe existantes. La méthode implique un processus en deux étapes, où un modèle climatique régional réduit l’échelle des données mondiales du système terrestre à une résolution intermédiaire, puis un système d’IA générative ajoute des détails à petite échelle à la sortie. Cette approche hybride tire parti des points forts des deux méthodes, en fournissant une génération efficace et physiquement ancrée de détails haute résolution. Les résultats montrent que la réduction d’échelle dynamique-générative réduit les erreurs de petite échelle de plus de 40 % par rapport aux méthodes statistiques et capture des modèles spatiaux et des corrélations réalistes entre différentes variables météorologiques. La méthode fournit également de meilleures estimations de l’incertitude et capture les extrêmes régionaux, tels que le risque d’incendie de forêt dû aux vents de Santa Ana en Californie du Sud. Cette percée permet d’obtenir des projections climatiques régionales futures complètes à des échelles exploitables inférieures à 10 km, ce qui rend la réduction d’échelle de grands ensembles de modèles du système terrestre réalisable par calcul. En fournissant des projections climatiques régionales plus précises et plus complètes, la réduction d’échelle dynamique-générative peut améliorer considérablement les évaluations des risques environnementaux et éclairer des décisions mieux éclairées pour les politiques d’adaptation et de résilience.