TopoFlow est un Vision Transformer qui prévoit chaque jour la qualité de l’air en Chine, pour plusieurs polluants à la fois. Il est enrichi de deux composants informés par la physique, qui transforment des données brutes de réanalyse atmosphérique en prévisions précises de PM2.5, PM10, NO2, SO2, O3 et CO, validées sur des stations de mesure.
La première contribution est un réordonnancement des patchs dans le sens du vent : au lieu de présenter les patchs dans un ordre fixe, ligne par ligne, nous les trions selon le vent dominant, pour que l’attention du transformer suive la direction dans laquelle les polluants se déplacent réellement. La seconde est un biais d’attention qui tient compte de l’altitude : des barrières de relief, comme autour du bassin du Sichuan, piègent les polluants, et le modèle est informé de cette géométrie par un biais appris, fondé sur des cartes numériques d’altitude.
J’ai mené la conception du modèle, son entraînement et son évaluation. L’article a été publié dans npj Climate and Atmospheric Science (Nature Portfolio) le 24 avril 2026.
npj CAS
Nature Portfolio
24 avr. 2026
71–80 %
Amélioration
par rapport aux systèmes de prévision opérationnels
13 %
Amélioration
par rapport aux modèles d’IA de l’état de l’art
9,71µg/m³
RMSE des PM2.5
en Chine, à 12–96 h d’échéance
Idées clés
- Réordonnancement des patchs dans le sens du vent. Les patchs sont triés selon le vent dominant, pour que l’attention circule dans la direction où les polluants se déplacent réellement, et non ligne par ligne.
- Biais d’attention qui tient compte de l’altitude. Un biais appris, fondé sur les données numériques d’altitude, permet au modèle de représenter le blocage par le relief, comme lorsque le bassin du Sichuan retient la brume de pollution pendant des jours.
- Plusieurs polluants, un seul modèle. Les six espèces sont prévues ensemble et partagent la même représentation de l’atmosphère, au lieu de six modèles entraînés séparément.
- Validé sur des stations au sol. Comparé à CAMS, Aurora et CAQRA sur les stations OpenAQ, avec des études de cas sur l’épisode de pollution de novembre 2018 à Pékin et sur le blocage dans le bassin du Sichuan.
Visualisations
Architecture : patchs guidés par le vent + biais d’altitude
Comparaison saisonnière avec CAMS, Aurora et CAQRA
Épisode de pollution à Pékin, novembre 2018
Bassin du Sichuan : la pollution piégée par le relief
Surface 3D des PM2.5 et validation sur OpenAQ
TopoFlow face à la vérité terrain, 2018 (animation)
Ressources
Crédits
- Auteurs
- A. Kheder, H. Toropainen, W. Peng, S. Antão, J. Chen, M. Boy, Z.-S. Liu
- Publication
- npj Climate and Atmospheric Science, Nature Portfolio, 2026
- Calcul
- Supercalculateur LUMI (GPU AMD MI250X)
- Affiliation
- LUT University, Atmospheric Modelling Centre (AMC-Lahti)