Voici les modèles de prévision disponibles dans PredictWind.

Notre objectif est de vous donner accès aux données de prévision les plus précises disponibles. Aucun modèle de prévision n'est parfait en toutes circonstances ; comparer plusieurs modèles de référence vous permettra donc d'avoir davantage confiance en vos prévisions et dans vos décisions.

Depuis 2008, PredictWind est le leader du marché des prévisions précises pour le secteur nautique de loisirs. Utilisant le modèle CSIRO CCAM avec 450 domaines haute résolution à travers le monde, PredictWind couvre la plupart des utilisateurs nautiques de loisirs les plus populaires au monde.

PWG est le modèle météorologique propriétaire de PredictWind qui utilise les conditions initiales mondiales du NCEP , traitées par le modèle CSIRO CCAM pour générer les prévisions PWG.

PWE est le modèle météorologique propriétaire de PredictWind qui utilise les conditions initiales mondiales ECMWF , traitées par le modèle CCAM du CSIRO pour générer les prévisions PWE.

Les conditions initiales ECMWF et du NCEP offrent un aperçu précis de l'état actuel de l'atmosphère terrestre. Nous utilisons ces conditions initiales pour alimenter nos propres modèles météorologiques à l'échelle mondiale, grâce à une technologie exclusive à PredictWind dans le secteur privé des prévisions météorologiques.

PWAi est le modèle de prévision global propriétaire de PredictWind, basé sur l'intelligence artificielle. Il combine les informations d' ECMWF , d'AIFS, de Fengwu et de GraphCast pour générer une prévision unique et optimisée couvrant le monde entier.

PWAi fournit des intervalles de temps d'une heure pour les trois premiers jours et donne d'excellents résultats dans les études de validation sur des périodes de prévision à court et moyen terme et sur des zones à plus grande échelle.

Vous pouvez consulter cette évaluation , qui représente la première phase de sa validation. Les résultats sont très encourageants ; PredictWind continuera d’affiner le modèle grâce à des tests en conditions réelles et aux retours des utilisateurs.

Le ECMWF Centre européen pour les prévisions météorologiques à moyen terme ) est un modèle de prévision global d'une résolution de 9 km, reconnu et apprécié des météorologues et navigateurs professionnels du monde entier. Il obtient systématiquement d'excellents résultats lors des vérifications de prévisions globales et est le seul modèle de prévision global disponible à cette haute résolution.

GFS signifie Global Forecast System et est produit par les Centres nationaux américains de prévision environnementale (NCEP). GFS est un modèle numérique de prévision météorologique global largement utilisé par les services météorologiques, les sites web et les applications du monde entier. Nous affichons le modèle GFS-FV3 lorsque vous voyez l'étiquette GFS dans PredictWind.

Le modèle GFS-FV3 est capable de simuler les mouvements verticaux, tels que les courants ascendants (un élément clé des phénomènes météorologiques violents), avec une très haute résolution. Les tests suggèrent que le modèle FV3 offre des prévisions à cinq jours plus précises, ainsi que de meilleures prédictions des trajectoires et de l'intensification des ouragans. Bien que le nouveau noyau FV3 présente des améliorations par rapport au modèle GFS, il reste classé troisième en termes de précision, derrière ECMWF (premier) et l'UKMO (deuxième).

UKMO désigne le modèle de prévision global élaboré par le Met Office britannique . Également connu sous le nom de Modèle Unifié, il jouit d'une réputation de longue date comme l'un des principaux modèles météorologiques mondiaux.

ICON est le modèle de prévision numérique du temps (PNT) mondial de l'Allemagne, développé par le Service météorologique allemand (DWD) en collaboration avec l'Institut Max Planck de météorologie (MPI-M).

ICON utilise une grille icosaédrique qui assure une couverture quasi uniforme du globe. Ceci permet d'éviter certaines distorsions et pertes de calcul qui peuvent survenir près des pôles avec les grilles latitude-longitude traditionnelles.

AIFS est un système mondial de prévision météorologique basé sur l'IA, développé par le Centre européen pour les prévisions météorologiques à moyen terme ( ECMWF ) .

Il utilise l'intelligence artificielle et l'apprentissage automatique pour générer des prévisions mondiales et fonctionne particulièrement bien en mer, capturant les tendances météorologiques à grande échelle sur le moyen et le long terme.

HRRR signifie « High-Resolution Rapid Refresh » (actualisation rapide haute résolution). Il s'agit du modèle météorologique haute résolution de 3 km de la NOAA couvrant les États-Unis contigus et mis à jour toutes les heures pour fournir des prévisions détaillées à court terme.

Le système HRRR intègre des observations radar et est conçu pour détecter les systèmes météorologiques de petite échelle et à évolution rapide. Pour plus d'informations, veuillez consulter cettevidéo .

NAM signifie North American Mesoscale Forecast System et est l'un des modèles météorologiques régionaux de la NOAA couvrant l'Amérique du Nord.

En tant que modèle mésoéchelle, NAM peut représenter les terres et d'autres caractéristiques géographiques à une résolution plus élevée que de nombreux modèles globaux, fournissant ainsi des prévisions régionales plus détaillées.

AROME est un modèle numérique régional de prévision météorologique à haute résolution développé par Météo-France. Il est conçu pour des prévisions détaillées à court terme et est particulièrement utile pour prévoir les phénomènes météorologiques à petite échelle et les événements météorologiques extrêmes tels que les cévenoles (précipitations méditerranéennes intenses).

Comparer les prévisions de plusieurs modèles permet d'évaluer leur fiabilité. Lorsque différents modèles indiquent des conditions similaires, la fiabilité des prévisions est généralement plus élevée. En cas de divergences importantes, il est conseillé de suivre les mises à jour ultérieures et d'envisager l'éventail des conditions possibles.

Lors de la consultation des tableaux de prévisions PredictWind, le menu contenant les différentes variables de prévision se réduit au fur et à mesure que vous faites défiler les jours de prévision. Cela permet d'afficher davantage d'intervalles de temps de prévision à l'écran.

Lorsque le menu est réduit, les noms des modèles de prévision sont abrégés :

Pour afficher à nouveau les noms complets des modèles, faites glisser votre doigt complètement vers la gauche.