Prévision des extrêmes liés à la sécheresse ¶
Concept ¶
Le changement climatique intensifie les sécheresses en Suisse, engendrant des risques interdépendants pour les forêts, les ressources en eau, la santé publique et la biodiversité. Avant MaLeFiX, la prévision des sécheresses était fragmentée : les modèles d’impact environnemental fonctionnaient de manière isolée, les précieuses prévisions à court et moyen terme étaient sous-utilisées et les utilisateurs finaux n’avaient que peu d’influence sur la conception du système. Un système d’alerte précoce unifié et centré sur l’utilisateur était nécessaire pour transformer des données environnementales complexes en informations exploitables pour les décideurs.
Description du projet
MaLeFiX a comblé cette lacune en développant un système d’alerte précoce intégré qui relie des modèles relatifs aux feux de forêt, aux glaciers, à la température de l’eau, à la biodiversité aquatique, aux infestations de scolytes et aux niveaux des nappes phréatiques. En combinant des méthodes d’apprentissage automatique avancées avec des données météorologiques à long terme, le système fournit des prévisions probabilistes fiables. Surtout, une collaboration étroite avec les parties prenantes dès le départ a permis de garantir que la plateforme résultante soit pratique, intuitive et directement pertinente pour la gestion de l’eau, des forêts et des risques naturels.
Principaux constats
- Des informations précises, fiables et actualisées sur les conditions et les impacts de la sécheresse, actuels et prévus, permettent d'anticiper les besoins et de prendre des décisions proactives.
- Des méthodes d'IA de pointe et des prévisions probabilistes offrent des prédictions plus précises. Associées à l'estimation de leur incertitude, elles permettent une meilleure évaluation des risques.
- Un accès simplifié à des informations claires et exploitables sur la sécheresse, grâce à une conception centrée sur l'utilisateur, garantit que des données complexes sont traduites en outils intuitifs pour les autorités et les parties prenantes.
Main Products and Outcomes ¶
- Système intégré d'alerte précoce (sur drought.ch - https://www.drought.ch/de/impakt-vorhersagen-malefix/) : Une plateforme centrale et conviviale offrant une vue d'ensemble complète des conditions et des risques de sécheresse.
- Modèles de prévision opérationnels : Un ensemble de modèles basés sur l'IA fournissant des prévisions probabilistes à 32 jours pour :Disponibilité en eau (hydrologie). Probabilité d'incendies de forêt (intégrée aux alertes officielles suisses). Température de l'eau des rivières et des lacs (adoptée par les autorités nationales). Risques d'infestation de scolytes à haute résolution.
- Démonstration de modèles d'impact supplémentaires (https://www.drought.ch/de/impakt-vorhersagen-malefix-1/) :Faible débit des grands fleuves.Potentiel hydrique des sols. Nappe phréatique.
- Projections glaciaires avancées : Des modèles améliorés qui prennent en compte l'évolution de la superficie des glaciers et de la couverture de débris afin de projeter leur influence sur l'approvisionnement en eau à long terme.
- Implication validée des parties prenantes : Un processus de co-conception éprouvé a garanti la pertinence et la facilité d’utilisation du système dès le départ.
- Lancement de « https://www.trockenheit.admin.ch/de2 », une plateforme nationale d’alerte sécheresse s’appuyant sur le démonstrateur WSL dryship.ch.
Projets en cours et futurs ¶
- Projections futures des scénarios de sécheresse et de chaleur
- L’OFEN a commandé un projet de suivi direct pour intégrer le modèle de température de l’eau MaLeFiX TFT à son système opérationnel.
- Un projet distinct a été financé pour une analyse documentaire et des essais initiaux de systèmes de prévision des eaux souterraines.
- Intégration de la demande en eau dans les prévisions d’étiage
- Base de données sur les impacts de la sécheresse et classification par intelligence artificielle
Publications ¶
Pour en savoir plus ¶
Padrón, R. S., et al. (2025) Extended-range forecasting of stream water temperature with deep-learning models, Hydrol. Earth Syst. Sci., 29, 1685–1702, https://doi.org/10.5194/hess-29-1685-2025
Bonaglia, A., et al.: (2025) Sub-seasonal forecasting of thermal stress for Swiss river fishes during heatwaves, Ecological Modelling., 507, https://doi.org/10.1016/j.ecolmodel.2025.111171
Bogner, K., Padrón, R.S. Improving sub-seasonal hydrological forecasts utilizing the randomness in Deep Learning models. Stoch Environ Res Risk Assess 40, 12 (2026). https://doi.org/10.1007/s00477-025-03138-2
Padrón, R. S., et al. (under review) An operational platform for sub-seasonal forecasts of drought-related hazards, submitted to Int. J. Cartogr
Collenteur, R. A., et al. (under review) An ensemble groundwater prediction (EGP) system to forecast groundwater levels in alluvial aquifers in Switzerland, submitted to Nat. Hazards Earth Syst. Sci.
Zappa, M., Karger, D. N., & Hüsler, F. (2025). EXtreme Trockenheit in der Schweiz: Regionale und lokale Perspektiven einer globalen Herausforderung. In A. Björnsen (Ed.), WSL Berichte: Vol. 164. Extremes (pp. 13-21). doi.org/10.55419/wsl:39738