Neige ou pluie ? une IA hybride déchiffre la phase de précipitation au sol à partir d’observations satellitaires

Pourquoi il importe de savoir si les tempêtes apportent de la neige ou de la pluie

Quand une tempête hivernale arrive, le fait qu’elle se traduise par de la neige ou par de la pluie peut faire la différence entre un paysage pittoresque et une catastrophe dangereuse. Des basculements soudains de la neige vers la pluie peuvent déstabiliser les couches de neige en montagne et déclencher des avalanches, tandis que des vagues de froid qui transforment la pluie en fortes chutes de neige peuvent paralyser les routes, les lignes électriques et les chaînes d’approvisionnement. Pourtant, dans nombre des régions les plus exposées — montagnes isolées et hautes latitudes — nous disposons de peu d’instruments au sol pour savoir ce qui atteint réellement la surface. Cette étude présente un nouveau système d’intelligence artificielle qui lit conjointement les satellites et les prévisions atmosphériques pour déterminer, en quasi-temps réel, si les précipitations à la surface sont de la neige ou de la pluie.

Des lacunes dans la surveillance spatiale des tempêtes hivernales

Les satellites météorologiques modernes peuvent déjà estimer où il pleut ou neige à l’échelle planétaire, mais les produits actuels arrivent avec des retards de quatre heures ou plus et masquent souvent les changements rapides. Les systèmes existants comme les cartes GPM IMERG, largement utilisées, combinent de nombreux capteurs satellitaires et des modèles de prévision traditionnels, ce qui prend du temps et limite la finesse avec laquelle ils suivent l’évolution des tempêtes. Ils peinent aussi dans les zones de relief marqué et à densité de stations météo faible, comme le plateau tibétain ou les chaînes de montagnes continentales, où connaître le mélange exact de neige et de pluie est vital pour le contrôle des avalanches, les prévisions d’inondation et la sécurité des transports.

Une IA hybride qui fusionne satellites et atmosphère numérique

Les auteurs présentent RePPIC-Net, une architecture d’IA « hybride » conçue pour combler cette lacune. Elle ingère deux flux principaux d’informations. Le premier provient du satellite géostationnaire météorologique chinois Fengyun-4B, qui observe continuellement le même hémisphère et fournit toutes les 15 minutes des températures de sommet nuageux et des structures nuageuses détaillées à une résolution d’environ 5 kilomètres. Le second flux vient de FuXi, un nouveau système de prévision météorologique mondial basé sur l’IA qui produit en quelques secondes des champs tridimensionnels de température et d’humidité dans toute l’atmosphère. RePPIC-Net combine ces vues : les images satellitaires révèlent où se trouvent les nuages et les grappes de précipitation, tandis que les profils verticaux de FuXi décrivent l’état thermodynamique de l’air, qui détermine fortement si les particules en chute fondront en pluie ou resteront neige jusqu’au sol.

Comment le système apprend à distinguer neige et pluie

Pour décider de ce qui atteint le sol, RePPIC-Net utilise une grandeur bien connue de la science météorologique appelée température au bulbe humide, qui reflète à quel point une goutte de pluie peut se refroidir en s’évaporant. Cette température est l’indicateur unique le plus fiable pour savoir si les précipitations seront liquides ou solides. Le modèle estime la température au bulbe humide près de la surface à partir des champs de FuXi, ajustée en fonction de l’altitude locale, et la convertit en une probabilité que les précipitations soient liquides. En parallèle, des réseaux de deep learning appelés UNet et ResUNet analysent les images satellitaires et les variables atmosphériques pour déterminer où se produisent les précipitations et estimer leur intensité. Une étape finale de post-traitement fusionne ces probabilités et intensités, corrige les biais systématiques et produit une carte globale distinguant pluie et neige toutes les 15 minutes.

Performances en conditions réelles

L’équipe a testé RePPIC-Net avec des données de plus de 2 000 stations météorologiques au sol à travers la Chine et a comparé ses performances avec celles des produits satellitaires existants. Globalement, le nouveau système détecte les précipitations liquides à peu près aussi bien que la référence actuelle et montre des erreurs systématiques plus faibles pour les quantités de pluie et de neige. Dans l’intervalle crucial des précipitations faibles à modérées — où la neige correspond souvent à des tempêtes violentes et des blizzards — il est particulièrement performant. Pour cet intervalle, RePPIC-Net repère la chute de neige plus précisément et offre une séparation plus nette entre neige et pluie, notamment lors d’événements à évolution rapide. Des études de cas sur une importante tempête mixte neige–pluie de 2023 dans le nord-est de la Chine et une chute de neige sur le plateau tibétain montrent que le système localise mieux les zones de blizzard et l’enneigement montagneux que les jeux de données opérationnels actuels, grâce à sa résolution plus fine et à l’utilisation d’informations atmosphériques 3D. Il conserve également une grande part de sa compétence lorsqu’il est alimenté par des prévisions satellitaires à court terme, permettant des nowcasts de 1 à 3 heures des zones pluie–neige.

Ce que cela change pour les impacts quotidiens

Pour le grand public, le résultat clé est que RePPIC-Net peut indiquer, en quasi-temps réel, si une tempête livre de la neige ou de la pluie au sol sur de vastes zones peu instrumentées. En réduisant le délai des produits mondiaux existants de plusieurs heures à environ deux minutes de traitement, et en améliorant la détection des chutes de neige, le système offre un nouvel outil puissant pour les alertes précoces de blizzards, de tempêtes de verglas et d’événements pluie sur neige qui augmentent les risques d’avalanche et d’inondation. Les auteurs considèrent leur approche comme une feuille de route pour la surveillance météo future : combiner des prévisions rapides pilotées par l’IA et une observation satellitaire continue pour suivre plus précisément les dangers hivernaux dans un climat qui se réchauffe.

Citation: Yang, C., Li, H., Zhu, R. et al. Snow or rain? hybrid AI deciphers surface precipitation phase from satellite observations. Nat Commun 17, 2813 (2026). https://doi.org/10.1038/s41467-026-69487-w

Mots-clés: neige ou pluie, précipitations par satellite, prévision immédiate, intelligence artificielle en météorologie, risques des tempêtes hivernales