En utilisant ce site, vous acceptez l'utilisation de cookies pour l'analyse, contenu personnalisé et la publicité. Savoir plus sur les cookies.
Comparez nos prévisions avec les données d'observation pour les derniers jours avec notre vérification à court terme pour Porspoder.

Comparison of weather models for Porspoder

The blue lines correspond to the forecasts computed by different high-resolution weather models. Also shown are the members of a traditional ensemble prediction, where the same weather model (GFS) is run several times with slightly different initial conditions, to reflect uncertainties in the observations required to run a forecast model. The GFS members have been downscaled and bias corrected to match local weather conditions, data from the high-resolution models is untouched.

  • In the top graph, the temperature forecast for Porspoder is shown using light blue for different high-resolution models and red for the GFS ensemble members. The black line represents the mean of all forecasts and the dashed line the meteoblue consensus forecast as shown in our weather forecasts.
  • The 2nd graph shows the accumulated precipitation forecast, that is the total amount that falls from today up to the date shown on the time axis. Purple colour is used to indicate times where precipitation is falling.
  • The 3rd graph is forecast cloud cover in percent using light blue for the high-resolution weather models and green for the GFS ensemble members.
  • The 4th graph indicates the wind forecast as computed by high resolution models (light blue) and by the ensemble prediction (green). Also shown is the daily wind direction summary in form of a wind rose. Larger segments indicate that this wind direction is more likely and more frequent over the day than directions having smaller segments. If you have many segments of all about equal size than the forecast of wind direction is very uncertain. If there are predominantly two opposing directions this often indicates a thermal wind circulation where wind blows from a different direction during the day than at night.

Why do we show a traditional ensemble forecast and a multi model forecast at the same time?

A traditional ensemble (e.g. GFS) computed with the same forecast model often underestimates the uncertainties in the weather for the first 3 to 5 days thus overestimating the confidence in the forecast. Furthermore, the traditional ensemble is run at much lower resolution, thus neglecting some of the local weather phenomenon, which can be seen in high resolution models. It is very important to note, that all members of a traditional ensemble have the same likelihood of being true (there is no way to tell in advance which one will be better). This contrasts with the high-resolution models, where some deliver better forecasts than others depending on the location and weather conditions.


Modèles de prévision météo

Les modèles météo simulent des processus physiques. Un modèle de prévision du temps divise le monde ou une région en petites mailles de grille. Chaque maille est d'environ 4km à 40km de large et 100m à 2km de haut. Nos modèles contiennent 60 couches atmosphériques et atteignent la stratosphère à 10-25hPa (60 km d'altitude). La prévision est simulée en résolvant des équations mathématiques complexes d'évolution des variables météorologiques pour chaque maille de la grille à une fréquence de plusieurs secondes. Les variables telles que la température, la vitesse du vent ou les informations des nuages sont ensuite stockées pour chaque heure.

meteoblue exploite un grand nombre de modèles météorologiques et intègre les données provenant de diverses sources ouvertes. Tous les modèles de meteoblue sont calculés deux fois par jour sur un cluster haute performance dédié.

Modèle Région Résolution Dernière mise à jour Source

NEMS modèles: successeurs améliorés de NMM (opérationnels depuis 2013). NEMS est un modèle multi-échelle (utilisé à l'échelle mondiale jusqu'à des domaines locaux) et améliore significativement les prévisions des nuages et des précipitations.

NEMS4 Europe Centrale 4 km 72 h 20:31 CET meteoblue
NEMS12 Europe 12 km 180 h 21:07 CET meteoblue
NEMS-8 Amér. Centr. 12 km 180 h 23:20 CET meteoblue
NEMS12 Inde 12 km 180 h 21:25 CET meteoblue
NEMS10 Amérique du Sud 10 km 180 h 23:34 CET meteoblue
NEMS10 South Africa 10 km 180 h 22:10 CET meteoblue
NEMS8 Nouvelle-Zélande 8 km 180 h 20:23 CET meteoblue
NEMS8 Japan East Asia 8 km 180 h 20:03 CET meteoblue
NEMS30 Global 30 km 180 h 06:36 CET meteoblue
NEMS2-30 Global 30 km 168 h 00:46 CET meteoblue

NMM modèles: les premiers modèles de meteoblue (opérationnels depuis 2007). NMM est un modèle régional de prévision du temps et optimisé pour des terrains complexes.

NMM4 Europe Centrale 4 km 72 h 06:31 CET meteoblue
NMM12 Europe 12 km 180 h 20:10 CET meteoblue
NMM18 Amérique du Sud 18 km 180 h 22:19 CET meteoblue
NMM18 South Africa 18 km 180 h 20:30 CET meteoblue
NMM18 Asie du S-E 18 km 180 h 21:06 CET meteoblue

Domaines de tiers: Comme on les voit sur d'autres sites web.

GFS22 Global 22 km 180 h (@ 3 h) 05:32 CET NOAA NCEP
GFS40 Global 40 km 180 h (@ 3 h) 05:41 CET NOAA NCEP
GFSENS05 Global 40 km 336 h (@ 6 h) 20:50 CET NOAA NCEP
NAM5 Amérique du Nord 5 km 48 h 06:19 CET NOAA NCEP
NAM12 Amérique du Nord 12 km 84 h (@ 3 h) 03:51 CET NOAA NCEP
ICON7 Europe 7 km 120 h (@ 3 h) 05:13 CET Deutscher Wetterdienst
ICON13 Global 13 km 180 h (@ 3 h) 06:44 CET Deutscher Wetterdienst
COSMO2 Allemagne 2.5 km 27 h 05:31 CET Deutscher Wetterdienst
GEM25 Global 25 km 168 h (@ 3 h) 19:09 CET Environment Canada
AROME2 France 2 km 36 h 06:12 CET METEO FRANCE
ARPEGE11 Europe 11 km 96 h 19:39 CET METEO FRANCE
ARPEGE40 Global 40 km 96 h (@ 3 h) 05:55 CET METEO FRANCE
HIRLAM11 Europe 11 km 48 h 06:30 CET KNMI

Couverture mondiale

meteoblue domain overview Les modèles de prévision de meteoblue couvrent la plupart des zones habitées à haute résolution (3-10km) et toute la planète à une résolution plus lâche (30km). La carte sur le côté présente les modèles NMM en rouge et les modèles NEMS en noir. Pour chaque prévision, nous combinons multiples modèles, de l'analyses statistique, des mesures locales, des données radar et satellite pour générer la prévision du temps la plus probable pour n'importe quel lieu sur la Terre.