Table of Contents

Comprendre les modèles historiques de l'ouragan : la fondation de la prévision moderne

L'analyse des modèles d'ouragans historiques est devenue un outil indispensable en météorologie moderne, permettant aux scientifiques de développer des modèles de prévision plus précis et de mettre en oeuvre des stratégies de préparation efficaces.En examinant des décennies de données sur les tempêtes, les météorologues peuvent identifier les tendances récurrentes, comprendre les conditions environnementales qui engendrent ces systèmes puissants et, en fin de compte, sauver des vies grâce à l'amélioration des capacités de prévision.

Les modèles modernes combinent l'analyse des données historiques et des technologies de pointe, y compris l'intelligence artificielle et les algorithmes d'apprentissage automatique, pour fournir des prévisions de plus en plus précises. Comprendre les impacts passés peut aider les industries et les collectivités à évaluer les risques futurs et à se préparer à protéger les maisons, à éviter les chaînes d'approvisionnement perturbées, à maintenir les entreprises ouvertes et à renforcer les économies locales et nationales.

Évolution de la collecte de données et de la documentation sur les ouragans

HURDAT2 : L'os de l'analyse historique de l'ouragan

La base de données sur les ouragans de l'Atlantique (HURDAT2) couvre la période de 1851 à 2025, fournissant aux chercheurs près de 175 ans d'information détaillée sur les tempêtes, qui comprend des paramètres critiques tels que les trajectoires des tempêtes, la vitesse maximale du vent, les relevés de pression centrale et les mises à jour de la position de six heures permettant aux scientifiques de reconstruire le cycle de vie complet de chaque ouragan.

La base de données HURDAT2 représente un effort monumental en matière de tenue des dossiers météorologiques.Cette série de données est composée d'un format texte délimité par des virgules et comportant des informations sur l'emplacement, les vents maximaux, la pression centrale et (à partir de 2004) la taille de tous les cyclones tropicaux et des cyclones subtropicaux connus.

Technologie avancée de satellite et collecte de données modernes

Bien que les données historiques constituent la base de la recherche, la technologie satellitaire moderne a révolutionné la façon dont nous recueillons et analysons les données sur les ouragans. L'ensemble de données ADT-HURSAT fournit des informations normalisées sur l'intensité des tempêtes dans le temps et la géographie, ce qui en fait une analyse historique à long terme remontant à 1978.

Les centres nationaux d'information sur l'environnement (NCEI) et l'Institut coopératif d'études météorologiques par satellite (UW/CIMSS) de l'Université du Wisconsin-Madison ont commencé à élaborer la version actualisée de l'ADT-HURSAT à l'automne 2024 afin d'appuyer les industries et les communautés scientifiques qui se fient aux données sur les cyclones tropicaux (aussi appelés cyclones tropicaux), et ces efforts de collaboration entre les organismes gouvernementaux et les établissements universitaires démontrent l'importance accordée au maintien de données exactes et accessibles sur les ouragans à des fins de recherche et de prévision opérationnelle.

L'intégration de multiples sources de données a permis de dresser un tableau plus complet du comportement des ouragans. Les stations météorologiques, les avions de reconnaissance, les bouées océaniques et les images satellitaires contribuent toutes à des perspectives uniques sur le développement et l'évolution des tempêtes.

Identification des tendances et des tendances critiques en matière de comportement des ouragans

Modèles saisonniers et périodes d'activité de pointe

L'un des modèles les plus constants révélés par l'analyse historique est la nature saisonnière de l'activité des ouragans de l'Atlantique. La saison des ouragans de l'Atlantique se déroule officiellement du 1er juin au 30 novembre, avec des pics d'activité généralement observés entre la mi-août et la fin octobre.

L'analyse des tendances à long terme révèle des connaissances fascinantes sur la fréquence et l'intensité des ouragans.La saison des ouragans de l'Atlantique en 2025 a été une saison hors de la normale avec 13 tempêtes, 5 ouragans et 4 ouragans majeurs.Ces variations d'une année à l'autre sont influencées par de nombreux facteurs, dont les températures de surface de la mer, les modèles de vent atmosphérique et les oscillations climatiques à grande échelle comme El Niño et La Niña.

Les modèles géographiques et les trajectoires de tempête communes

Les données historiques sur les ouragans révèlent des tendances géographiques distinctes dans la formation et le mouvement des tempêtes. La plupart des ouragans de l'Atlantique proviennent de vagues tropicales qui émergent au large de la côte ouest de l'Afrique, se déplaçant vers l'ouest à travers l'océan Atlantique.

L'analyse historique des trajectoires montre que certaines zones côtières sont plus exposées que d'autres, la côte du Golfe des États-Unis, les îles des Caraïbes et la côte sud-est de l'Atlantique ayant les effets les plus fréquents, ce qui permet aux gestionnaires des urgences d'élaborer des plans de préparation spécifiques à la région et d'allouer plus efficacement les ressources.

Tendances d'intensité et événements d'intensification rapide

L'un des aspects les plus difficiles de la prévision des ouragans consiste à prévoir des événements d'intensification rapide, où les vents maximums soutenus d'une tempête augmentent de 35 milles à l'heure ou plus en 24 heures. L'analyse historique a aidé à identifier les conditions environnementales qui favorisent l'intensification rapide, y compris les températures chaudes de l'océan, le cisaillement du vent, la teneur élevée en humidité atmosphérique et les modèles atmosphériques de niveau supérieur favorables.

Les modèles utilisent les données mondiales du National Center for Environmental Prediction pour estimer la probabilité qu'un cyclone tropical se intensifie rapidement à un moment donné (défini comme le 95e centile de changement d'intensité du cyclone tropical en mer). Ces modèles spécialisés, élaborés par une analyse minutieuse des cas d'intensification rapide historiques, fournissent aux prévisionnistes des conseils cruciaux pour évaluer le potentiel de renforcement soudain des tempêtes.

Variabilité du climat et cycles à long terme

Les données historiques sur les ouragans révèlent l'influence de divers cycles climatiques sur l'activité des cyclones tropicaux.L'oscillation El Niño-Sud (ENSO) représente l'un des facteurs les plus importants affectant les saisons des ouragans de l'Atlantique.Les conditions actuelles de faible intensité à La Niña sont susceptibles de passer à El Niño au cours des prochains mois, avec le potentiel d'un El Niño modéré/fort pour le pic de la saison des ouragans.

L'oscillation multidécadale de l'Atlantique (OMA) représente un autre modèle climatique important identifié par l'analyse historique. Ce cycle de variations de température de surface de la mer dans l'Atlantique Nord fonctionne sur des échelles de temps de 50 à 70 ans et influe de façon significative sur l'activité des ouragans.

La révolution de l'apprentissage automatique dans les prévisions d'ouragans

Comment les modèles d'IA apprennent-ils à partir de données historiques

L'intégration de l'intelligence artificielle et de l'apprentissage automatique dans la prévision des ouragans représente l'une des avancées les plus importantes de la météorologie au cours des dernières années. Les modèles de PAO sont « formés » pour apprendre les modèles en analysant de grandes quantités de données historiques.

La plupart des modèles actuels d'IA sont formés à des ensembles de données « de réanalyse », qui sont d'énormes ensembles de données mondiales qui intègrent toutes les observations mondiales et s'étendent sur de nombreuses décennies.Cette formation complète permet aux modèles d'IA de reconnaître les modèles de milliers de tempêtes historiques, en apprenant comment différentes conditions atmosphériques et océaniques influencent le développement, l'intensification et le mouvement des ouragans.

Mise en œuvre opérationnelle des modèles d'ouragans de l'IA

Le Centre national d'ouragans a commencé à intégrer des modèles de prévision basés sur l'IA dans les prévisions opérationnelles. NHC a établi un partenariat direct avec Google DeepMind pour développer un nouveau modèle de prévision d'ouragans sur l'IA qui a été utilisé expérimentalement pendant la saison 2025.

Au cours de la saison, à mesure que les prévisionnistes ont acquis de l'expérience, NHC a commencé à intégrer ces nouveaux systèmes de prévision météorologique de l'IA (PIA) comme guide lors de la préparation des prévisions opérationnelles, en plus de tous les autres outils critiques de notre boîte à outils.

Réussites et évaluation du rendement

Les modèles d'IA ont été très difficiles à prévoir et à prévoir. Les modèles d'IA ont été perfectionnés très tôt sur la piste et l'intensité probables et ont fourni des conseils très précieux pour compléter les directives traditionnelles sur les PNT. Ces succès démontrent la possibilité pour l'IA d'améliorer les délais de prévision et la précision, en particulier pour les tempêtes difficiles qui défient les méthodes de prévision conventionnelles.

L'efficacité des modèles d'IA représente un autre avantage important. Les modèles d'apprentissage profond se sont révélés une alternative prometteuse aux modèles traditionnels basés sur la physique et la dynamique, avec des coûts de calcul beaucoup plus faibles compte tenu de leur grande efficacité.

Cadres d'apprentissage automatique multimodal

Les approches avancées de l'apprentissage automatique combinent plusieurs sources et techniques de données pour maximiser la précision des prévisions.Le cadre multimodal, appelé Hurricast, combine efficacement les données spatiales et temporelles avec des données statistiques en extrayant des caractéristiques avec des architectures de codeur-décodeur d'apprentissage profond et en prévenant avec des arbres en gradient.

Les modèles évalués dans les bassins de l'Atlantique Nord et de l'Est du Pacifique en 2016-2019 pour les prévisions de 24 h sur les voies et l'intensité montrent qu'ils permettent d'obtenir des erreurs et des compétences absolues comparables aux modèles actuels de prévisions opérationnelles tout en calculant en secondes.

Améliorer les modèles de prévisions traditionnels avec des perspectives historiques

Système d'analyse et de prévision des ouragans (HAFS)

Le système d'analyse et de prévision des ouragans de la NOAA représente la prochaine génération de modèles opérationnels de prévision des ouragans. Le système HAFS est le modèle numérique à échelles multiples de la nouvelle génération de la NOAA, avec un ensemble d'assimilation des données et un couplage océanique, qui fournira une analyse opérationnelle et des prévisions jusqu'à sept jours, avec des directives fiables et habiles sur la voie et l'intensité des ouragans (y compris l'intensification rapide), la taille des tempêtes, la genèse, les ondes de tempête, les précipitations et les tornades associées aux ouragans.

En analysant les erreurs et les succès des prévisions historiques, les concepteurs ont affiné les techniques de physique, de résolution et d'assimilation des données du modèle. HAFS fournit des conseils plus fiables et plus habiles sur la trajectoire, l'intensité et la structure des cyclones tropicaux, y compris les changements rapides d'intensité, la genèse et la taille des tempêtes, y compris la capacité de prolonger les prévisions jusqu'à 7 jours.

Approches hybrides statistiques-dynamiques

Les prévisions modernes des ouragans reposent de plus en plus sur des approches hybrides qui combinent l'analyse statistique des données historiques et des modèles dynamiques de prévision des conditions météorologiques numériques. Ces modèles statistiques et dynamiques utilisent les relations historiques entre les paramètres environnementaux et le comportement des ouragans pour ajuster et affiner les résultats des modèles basés sur la physique.

En examinant comment différents modèles ont été réalisés dans diverses situations au cours de l'histoire, les prévisionnistes peuvent pondérer les extrants des modèles de façon appropriée et les combiner en prévisions consensuelles qui dépassent généralement tout modèle individuel. Cette approche tire parti des forces de plusieurs systèmes de prévision tout en minimisant l'impact des faiblesses individuelles des modèles.

Outils de prévision d'intensification rapide

L'indice d'intensification rapide (SHIPS-RII) de l'IPVS utilise une analyse discriminante linéaire pour estimer la probabilité d'une intensification rapide. Cet outil spécialisé, développé par une analyse minutieuse des cas d'intensification rapide historiques, aide les prévisionnistes à évaluer la probabilité d'un renforcement soudain de la tempête.

L'apprentissage automatique a amélioré les capacités de prévision de l'intensification rapide.L'élaboration d'un modèle d'apprentissage automatique consensuel pour les prévisions d'intensification rapide des ouragans avec les données de la recherche et de la prévision météorologiques des ouragans (HWRF) démontre comment combiner plusieurs techniques d'apprentissage automatique avec des données de modèle à haute résolution peut améliorer la prédiction de ces changements d'intensité difficiles.

Prévisions saisonnières des ouragans et prévision du climat

Développement des perspectives avant la saison

Les prévisions saisonnières des ouragans, publiées mois avant le pic de la saison des ouragans, reposent fortement sur l'analyse des profils historiques. Le Dr Bill Gray, de l'Université de l'État du Colorado, a indiqué que l'activité des ouragans de l'Atlantique répondait à divers paramètres atmosphériques et océaniques à grande échelle couvrant diverses parties du globe.

Ces perspectives saisonnières examinent les relations historiques entre les variables prédictives mesurées au cours des mois précédant la saison des ouragans et le niveau d'activité des cyclones tropicaux qui en découlent. Les températures de surface de la mer, les conditions d'El Niño, les profils de pression atmosphérique et la climatologie du cisaillement du vent servent de prédicteurs en fonction de leurs corrélations historiques avec l'activité des ouragans.

Vérification des prévisions et évaluation des compétences

La vérification rigoureuse des prévisions saisonnières par rapport aux résultats réels fournit une rétroaction cruciale pour améliorer les prévisions futures. Un examen de 26 ans des perspectives saisonnières de la NOAA en mai par rapport à ce qui s'est réellement produit révèle une image plus nuancée; l'organisme atteint sa propre fourchette de prévisions, soit environ 69 % du temps sur les tempêtes et les ouragans nommés, juste à l'écart de son objectif de confiance autodéclaré de 70 %.

Les études de vérification historique révèlent également quels sont les prédicteurs environnementaux qui fournissent les signaux les plus fiables pour l'activité saisonnière. En analysant des décennies de prévisions et de résultats, les chercheurs peuvent affiner les schémas de sélection et de pondération des prédicteurs, en améliorant progressivement les compétences en prévision saisonnière.

Applications d'apprentissage automatique dans les prévisions saisonnières

Les systèmes d'apprentissage automatique bien structurés et bien informés sur le plan physique peuvent améliorer sensiblement la prévision saisonnière de l'activité des cyclones tropicaux de l'Atlantique, en particulier pour les dénombrements totaux des tempêtes à l'échelle du bassin.

Quatre approches de prévision ont été élaborées et testées dans des conditions réalistes opérationnelles — régression Lasso, K-nearest nearzingers (KNN), un réseau neuronal artificiel (ANN), XGBoost — en utilisant une conception de validation croisée de la fenêtre coulissante de 30 ans. Ce cadre rigoureux de test garantit que les modèles d'apprentissage automatique démontrent une compétence véritable plutôt que simplement une suradaptation aux données historiques.

Préparation communautaire et applications de gestion des risques

Analyse historique des impacts de tempête

L'analyse des tempêtes passées révèle les zones les plus exposées, les types de dommages qui se produisent habituellement et la façon dont différentes communautés ont réagi aux menaces d'ouragans. Cette information guide tout, depuis l'élaboration de codes de construction jusqu'à la planification des routes d'évacuation et les stratégies de prépositionnement des ressources.

Les données historiques sur les répercussions comprennent non seulement des renseignements météorologiques, mais aussi des dossiers sur les pertes en vies humaines, les dommages matériels, les défaillances de l'infrastructure et les pertes économiques.

Soutien à la décision d'évacuation

Une nouvelle approche d'apprentissage automatique interprétable permet de prédire les décisions d'évacuation au niveau des ménages en tirant parti de prédicteurs facilement accessibles sur le plan démographique et des ressources. Un modèle de régression logistique amélioré a été élaboré pour des prévisions précises en tenant compte automatiquement des non-linéarités et des interactions.

L'analyse des événements passés révèle des facteurs démographiques et socioéconomiques qui influent sur les décisions d'évacuation, permettant aux gestionnaires des urgences d'élaborer des stratégies de communication et des programmes d'aide plus efficaces pour les populations vulnérables.

Résilience des infrastructures et normes de construction

Les données historiques sur les ouragans permettent d'établir des critères de conception appropriés pour les structures des régions exposées aux ouragans.Cette approche fondée sur des données probantes permet de s'assurer que les nouvelles constructions peuvent résister aux forces générées par les ouragans, comme celles qui ont été éprouvées par le passé.

Les systèmes d'infrastructure essentiels, y compris les réseaux électriques, les installations de traitement de l'eau, les hôpitaux et les centres d'opérations d'urgence, nécessitent une attention particulière dans la planification des ouragans. L'analyse historique révèle les modes de défaillance et les vulnérabilités communes, guidant les investissements dans les mesures de durcissement et les systèmes de secours.

Demandes de planification économique et d'assurance

Les compagnies d'assurance et les institutions financières comptent beaucoup sur les données historiques sur les ouragans pour évaluer les risques et établir des primes appropriées. Les modèles de catastrophe utilisés par l'industrie de l'assurance intègrent des décennies de données historiques sur les tempêtes pour estimer les pertes potentielles des ouragans futurs.

Les organismes gouvernementaux utilisent les données historiques sur les ouragans pour planifier et établir les budgets des secours en cas de catastrophe. En analysant les coûts des interventions passées et des efforts de relèvement, les organismes peuvent établir des estimations budgétaires plus précises et veiller à ce que des ressources suffisantes soient disponibles en cas de catastrophe.

Défis et limites de l'analyse historique des ouragans

Qualité des données et cohérence des questions

Les données sur les ouragans ont été recueillies à partir de rapports de navires et d'observations côtières, qui ont souvent manqué des tempêtes qui sont restées en mer. L'ère satellite, à partir des années 1960, a considérablement amélioré les capacités de détection, mais cela pose des problèmes lorsqu'on compare les activités modernes des ouragans aux données historiques.

Avant la reconnaissance des aéronefs et la télédétection par satellite, les évaluations d'intensité reposaient sur des observations de surface qui ne captaient pas les vrais vents maximaux d'une tempête. Les projets de réanalyse moderne visent à améliorer les estimations d'intensité historique, mais l'incertitude subsiste, surtout pour les tempêtes plus anciennes.

Changement climatique et non-statistique

Les changements climatiques introduisent la non-stationarité dans les modèles d'ouragans, ce qui signifie que les relations historiques ne sont peut-être pas constantes dans l'avenir. La température des océans, les changements dans les modes de circulation atmosphérique et l'élévation du niveau de la mer peuvent tous modifier le comportement des ouragans de façon que les données historiques ne puissent à elles seules prédire.

Bien que les données antérieures demeurent précieuses pour comprendre les processus fondamentaux des ouragans, les prévisionnistes doivent aussi intégrer les projections des modèles climatiques et les tendances émergentes pour tenir compte de l'évolution des conditions de base. L'intégration de l'analyse historique aux sciences du climat représente un défi et un domaine de recherche actifs.

Prédiction d'événements rares

Les données historiques fournissent des indications limitées pour les événements extrêmement rares mais à impact élevé.Les ouragans majeurs frappant des endroits précis ne peuvent se produire qu'une fois tous les quelques décennies ou siècles, fournissant peu d'analogies historiques pour l'analyse.

La paléotempestologie, l'étude de l'activité des ouragans préhistoriques par des proxénètes géologiques et biologiques, contribue à étendre le dossier historique au-delà des observations écrites. Les carottes de sédiments, les anneaux d'arbres et d'autres archives naturelles conservent des preuves d'ouragans passés, fournissant des informations sur la variabilité à long terme et les événements extrêmes qui précèdent les enregistrements modernes.

Orientations futures de l'analyse historique des ouragans

Intégration et réanalyse des données améliorées

Les projets de réanalyse examinent systématiquement les données historiques, y compris les observations nouvellement découvertes et l'application de techniques d'analyse modernes pour améliorer l'exactitude et l'exhaustivité des données historiques, et permettent de repérer les tempêtes précédemment inconnues, de préciser les estimations d'intensité et de corriger les erreurs dans les bases de données historiques.

L'intégration de diverses sources de données constitue une autre frontière dans l'analyse historique. La combinaison des observations météorologiques traditionnelles avec les données des médias sociaux, les demandes d'assurance, les enquêtes sur les dommages et d'autres sources non conventionnelles peut fournir une image plus complète des impacts et du comportement des ouragans.

Applications avancées en matière d'IA et d'apprentissage profond

L'évolution rapide de l'intelligence artificielle promet des améliorations continues dans la façon dont nous analysons les données historiques sur les ouragans et appliquons ces données aux prévisions. Les architectures d'apprentissage profond peuvent traiter de grandes quantités de données historiques, en identifiant des modèles subtils et des relations qui éclairent des prévisions plus précises.

L'IA explicable représente une importante orientation de recherche, aidant les prévisionnistes à comprendre non seulement ce que les modèles d'IA prédisent, mais aussi pourquoi ils font des prédictions spécifiques.En révélant les modèles et les relations historiques qui animent les prévisions d'IA, ces techniques renforcent la confiance et permettent aux prévisionnistes de mieux intégrer les conseils en matière d'IA à leur expertise et à leur jugement.

Amélioration de la communication et du soutien à la décision

Les prévisions probabilistes qui transmettent l'incertitude et les multiples résultats possibles, fondées sur l'analyse analogique historique, aident les décideurs à comprendre l'éventail des impacts potentiels. Des outils interactifs de visualisation qui permettent aux utilisateurs d'explorer des tempêtes historiques semblables aux menaces actuelles peuvent améliorer la perception des risques et motiver les mesures de préparation appropriées.

L'intégration des données historiques sur les impacts avec les prévisions météorologiques représente une autre direction importante. Plutôt que de simplement prédire la vitesse du vent et les précipitations, les prévisions basées sur les impacts traduisent les prévisions météorologiques en conséquences attendues en fonction des relations historiques entre l'intensité des dangers et les dommages qui en résultent.

Demandes pratiques pour les collectivités et les particuliers

Planification de la préparation personnelle

Les résidents des régions exposées aux ouragans peuvent faire des recherches sur les tempêtes qui ont touché leur emplacement, apprendre quels types d'impacts à attendre et quelles préparations se sont révélées les plus efficaces. Les cartes historiques des ondes de tempête montrent quelles régions ont inondé par le passé, aidant les propriétaires à évaluer leurs risques et à prendre les mesures d'atténuation appropriées.

Les plans d'ouragans personnels devraient tenir compte des leçons tirées des événements historiques. Les routes d'évacuation, les lieux d'hébergement, les listes de contrôle des approvisionnements et les plans de communication peuvent tous profiter de la compréhension de la façon dont les tempêtes passées ont touché les collectivités locales.

Continuité des activités et gestion de la chaîne d'approvisionnement

Les entreprises des régions sujettes aux ouragans doivent intégrer l'analyse historique des ouragans dans la planification de la continuité et les stratégies de gestion des risques. La compréhension de la fréquence et de la gravité des tempêtes passées aide les entreprises à évaluer leur exposition et à élaborer des mesures d'atténuation appropriées.

Les gestionnaires de la chaîne d'approvisionnement utilisent les données historiques sur les ouragans pour identifier les vulnérabilités et développer des réseaux logistiques résilients.En analysant comment les tempêtes passées ont perturbé les routes de transport et les installations endommagées, les entreprises peuvent diversifier leurs sources d'approvisionnement et établir des canaux de distribution de secours.

Renforcement de la résilience communautaire

Les collectivités peuvent tirer parti de l'analyse historique des ouragans pour renforcer leur résilience à long terme. L'identification des zones inondées à plusieurs reprises par les tempêtes précédentes guide les décisions d'aménagement et d'aménagement du territoire.

Les campagnes d'éducation du public bénéficient d'un contexte historique et d'exemples locaux. Montrer aux résidents comment les ouragans passés ont touché leur collectivité se révèlent plus efficaces que des avertissements abstraits sur les menaces potentielles à l'avenir.

Conclusion : La valeur continue de l'analyse historique

L'analyse des modèles d'ouragans historiques demeure essentielle aux efforts modernes de prévision et de préparation.De la base de données complète HURDAT2 couvrant près de deux siècles aux modèles d'IA de pointe formés à des décennies d'observations, les données historiques fournissent les bases de la compréhension et de la prévision de ces tempêtes puissantes. L'intégration de l'analyse statistique traditionnelle aux techniques avancées d'apprentissage automatique a considérablement amélioré la précision des prévisions et les délais de prévision prolongés, donnant aux collectivités plus de temps pour se préparer à l'approche des ouragans.

La technologie continue de progresser et notre compréhension des processus des ouragans s'amplifie, la valeur de l'analyse historique ne fera que croître. L'amélioration de la collecte des données, l'amélioration des techniques de réanalyse et des outils d'analyse plus perfectionnés permettront d'obtenir des renseignements de plus en plus nombreux sur le dossier historique.

L'analyse historique fournit un terrain d'entente pour ces diverses parties prenantes, offrant des preuves objectives des risques et des résultats passés qui éclairent la prise de décisions à tous les niveaux. En tirant des leçons du passé tout en adoptant de nouvelles technologies et approches, nous pouvons continuer à améliorer notre capacité de prévoir les ouragans et de protéger les communautés vulnérables contre ces catastrophes naturelles dévastatrices.

Pour plus d'information sur la préparation aux ouragans et les prévisions actuelles, visitez les ressources National Hurricane Center[Ready.govHurricane Preparation[.D'autres données et recherches historiques sur les ouragans peuvent être trouvées par ]Centres nationaux d'information sur l'environnement].