Note sur les variables « prédicteurs » (variables atmosphériques à grande échelle)
Introduction
Les deux modèles de réduction d'échelle statistique, SDSM (Wilby et al., 2002) et ASD (réduction d'échelle statistique automatique; Hessami et al., 2007) calculent les relations statistiques au moyen des techniques de régression linéaire multiple entre les variables à grande échelle (prédicteurs) et le climat local (predictand). Ces relations sont établies au moyen des données météorologiques observées et, si l'on présume que ces relations resteront valables à l'avenir, elles peuvent servir à obtenir des données locales à échelle réduite pour une période future, en établissant les relations avec les variables prédicteurs issues des MCG.
Normalisation
Aussi bien les variables prédicteurs observées (ou réanalysées) que celles qui sont issues d'un MCG ont été normalisées par leur moyenne et leurs écarts types sur 1961 à 1990, c'estàdire que la moyenne et l'écart type relatifs à la période 1961 à 1990 ont été calculés et que l'on a soustrait la moyenne de chaque valeur quotidienne avant de la diviser par l'écart type. Étant donné que les MCG ne simulent pas toujours bien le climat d'une région donnée, il peut y avoir de gros écarts entre la situation observée et la situation simulée par un MCG (c.àd. une distorsion ou une erreur du MCG) qui risquent de contrevenir aux hypothèses statistiques qui se rattachent à SDSM et donner de piètres résultats si les données prédicteurs n'ont pas été normalisées. Grâce au processus de normalisation, les distributions des variables prédicteurs observées et des variables issues d'un MCG concordent mieux que celles des données brutes observées et des données brutes issues d'un MCG.
Prédicteurs
Les variables prédicteurs fournies ici ont été normalisées sur l'ensemble de la période 1961 à 1990. Parmi les autres options, il peut y avoir la normalisation selon la saison, ce qui peut améliorer les résultats de SDSM, en particulier dans les régions où il y a un régime climatique saisonnier distinctif. En raison du gros volume de données qui entrent en jeu, il est impossible de fournir un certain nombre d'ensembles de données prédicteurs qui ont été préparés à l'aide d'options de normalisation différentes. Toutefois, en obtenant les données brutes observées et les données brutes issues d'un MCG, il devient possible de construire ses propres ensembles de données prédicteurs au moyen de différentes options de normalisation, si c'est ce que l'on souhaite faire.
Les variables prédicteurs observées à grande échelle sont extraites de l'ensemble de données de réanalyse du NCEP (Kalnay et al., 1996). Pour une description complète du projet d'où provient cet ensemble de données, nous vous invitons à visiter la page d'accueil du projet de réanalyse du NCEP/NCAR CDAS. Les données de base ont été fournies par le « NOAA-CIRES Climate Diagnostics Center », à partir duquel vous pourrez obtenir une description complète des données. Vous trouverez également sur ces sites des données brutes qui permettent d'établir d'autres variables prédicteurs. Si vous voulez établir vos propres variables prédicteurs, n'oubliez pas de suivre la convention d'appellation que vous trouverez dans le guide d'utilisation de SDSM pour vous assurer que vos fichiers sont bien reconnus par SDSM.
Note : Les valeurs quotidiennes du NCEP représentent la moyenne de quatre valeurs relevées à 0Z, 6Z, 12Z et 18Z (temps universel/temps moyen de Greenwich). Vous devez veiller à ce que l'heure d'observation des données prévues, que vous devez fournir vousmême, corresponde bien à l'heure des valeurs quotidiennes du NCEP. Il peut être nécessaire de reculer (les fonctions d'avancement et de recul existent dans SDSM) les données prédicteurs du NCEP pour qu'elles correspondent plus étroitement à l'heure des données prévues observées.
Les données prédicteurs issues du NCEP ont été interpolées sur la même grille que le MCG de sorte que pour chaque MCG différent, les données prédicteurs issues du NCEP seront légèrement différentes et vous devrez donc réétalonner SDSM chaque fois que vous passerez à un MCG différent. L'interpolation s'est faite de cette manière en raison du fait que nous faisons davantage confiance aux données à plus haute résolution interpolées à une résolution plus grossière, qu'aux données à résolution grossière interpolées (c.-à-d. MCG) à une résolution plus haute.
Les données prédicteurs fournies ici peuvent légèrement varier d'un MCG à l'autre selon les données disponibles, même si en général nous nous évertuons à fournir les données prédicteurs suivantes :
Variable | Description de la variable | Notes supplémentaires |
---|---|---|
Température | Température moyenne à 2 m | |
mslp | Pression au niveau moyen de la mer | |
p500 | Hauteur géopotentielle à 500 hPa | La hauteur de cette surface varie selon la température de la colonne atmosphérique : plus chaude = plus élevée; plus froide = plus basse |
p850 | Hauteur géopotentielle à 850 hPa | La hauteur de cette surface varie selon la température de la colonne atmosphérique : plus chaude = plus élevée; plus froide = plus basse |
rhum | Humidité relative près de la surface | Teneur de l'air en vapeur d'eau en pourcentage de la teneur en vapeur d'eau nécessaire à saturer l'air à la même température |
r500 | Humidité relative à une hauteur de 500 hPa | |
r850 | Humidité relative à une hauteur de 850 hPa | |
shum | Humidité spécifique près de la surface | Masse de vapeur d'eau en proportion de la masse totale d'air humide dont elle fait partie; peut servir à déterminer l’origine des masses d'air |
s500 | Humidité spécifique à une hauteur de 500 hPa | |
s850 | Humidité spécifique à une hauteur de 850 hPa |
Variables calculées | Les variables suivantes ont été calculées au moyen de l'approximation géostrophique | Notes supplémentaires |
---|---|---|
**_f | Vitesse d'écoulement géostrophique | |
**_z | Tourbillon | Mesure de la rotation de l'air |
**_u | Composante zonale de vitesse | Composante de vitesse le long d'un axe de latitude (c.àd. est-ouest) |
**_v | Composante méridienne de vitesse | Composante de vitesse le long d'un axe de longitude (c.àd. nord-sud) |
**zh | Divergence 1 | Désigne l'expansion d'un fluide et généralement le refoulement d'air de la base d'un anticyclone en météorologie |
**th | Direction du vent | Il s'agit de la seule variable qui ne soit pas normalisée |
Des variables prédicteurs existent pour les MCG suivants :
- MCCG2 (Centre canadien de modélisation et d'analyse du climat, deuxième version du Modèle canadien couplé de climat global; par exemple Flato et Boer, 2001); expériences A2 et B2 (scénarios du SRES).
- MCCG3 La troisième version du modèle couplé du climat du globe (MCCG3) du Centre canadien de la modélisation et de l'analyse climatique (CCmaC) utilise le même composant océanique que le MCCG2, mais tire profit du composant atmosphérique du Modèle de circulation générale de l'atmosphère de troisième génération (MCGA) considérablement mise à jour.
- CanESM2 La deuxième génération du Earth System Model CanESM2 est la quatrième génération du modèle couplé du climat du globe élaboré par le Centre canadien de la modélisation et de l'analyse climatique (CCmaC) d’Environnement Canada. De plus, CanESM2 représente la contribution canadienne au cinquième Rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) (AR5).
- HadCM3 (Hadley Centre for Climate Prediction and Research du R.U.; par exemple Gordon et al., 2000; Pope et al., 2000) expériences A2 et B2 (scénarios SRES). Note : Pour ces expériences, les variables calculées au moyen de l'approximation géostrophique ne sont pas disponibles pour les trois bandes de latitude centrées sur l'équateur, c'estàdire les mailles centrées sur 0° 2,5°N et 2,5°S. Les équations géostrophiques ne fonctionnent pas à l'équateur et la forme de l'algorithme qui sert à calculer les variables géostrophiques est telle qu'il est impossible de calculer les valeurs pour les points de grille adjacents à la maille centrée sur l'équateur. Pour ces trois bandes de latitude, les fichiers de variables calculées contiennent le code de valeur manquante (-999).
Références
Boer, G.J., G. Flato, M.C. Reader and D. Ramsden (2000a): A transient climate change simulation with greenhouse gas and aerosol forcing: experimental design and comparison with the instrumental record for the 20th century. Climate Dynamics 16:405-425.
Boer, G.J., G. Flato D. and Ramsden (2000b): A transient climate change simulation with greenhouse gas and aerosol forcing: projected climate to the 21st century. Climate Dynamics 16: 427-450.
Choux, M. (2005): Development of new predictor variables for the statistical downscaling of precipitation. Degree Master of Engineering, Department of Civil Engineering and Applied Mechanics, McGill University. (Dec. 2005).
Flato, G. and G.J. Boer (2001): Warming asymmetry in climate change simulations. Geophysical Research Letters 28: 195-198.
Flato, G., G.J. Boer, W.G. Lee, N.A. McFarlane, D. Ramsden, M.C. Reader and A.J. Weaver (2000): The Canadian Centre for Climate Modelling and Analysis Global Coupled Model and its Climate. Climate Dynamics 16: 451-467.
Gordon, C., C. Cooper, C.A. Senior, H. Banks, J.M. Gregory, T.C. Johns, J.F.B. Mitchell and R.A. Wood, 2000: The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Centre coupled model without flux adjustments. Climate Dynamics 16: 147-168.
Kalnay, E., M. Kanamitsu, R. Kistler, W. Collins, D. Deaven, L. Gandin, M. Iredell, S. Saha, G. White, J. Woollen, Y. Zhu, M. Chelliah, W. Ebisuzaki, W. Higgins, J. Janowiak, K. C. Mo, C. Ropelewski, J. Wang, A. Leetmaa, R. Reynolds, R. Jenne and D. Joseph (1996): The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society 77: 437-471.
Pope, V.D., M.L. Gallani, P.R. Rowntree and R.A. Stratton, 2000: The impact of new physical parameterizations in the Hadley Centre climate model – HadAM3. Climate Dynamics 16: 123-146.
Wilby, R.L., C.W. Dawson and E.M. Barrow (2002): SDSM - a decision support tool for the assessment of regional climate change impacts. Environmental Modelling Software 17: 145-157.