L’ensemble des variables prédictives quotidiennes du modèle CMIP6 de réduction d’échelle statistique

Voici la documentation technique des variables prédictives quotidiennes tirées d’un sous-ensemble de modèles du climat mondial (MCM) de la phase 6 du Projet d’intercomparaison de modèles couplés (CMIP6) que l’on peut utiliser pour la réduction d’échelle statistique. Cette documentation contient une description générale des ensembles de données compris dans l’ensemble des variables prédictives, la méthodologie de création des variables, une description de l’organisation des dossiers et des fichiers de données téléchargeables, et un résumé de la différence qui peut exister entre les variables prédictives CanESM2 et CanESM5 disponibles dans le site des Données et scénarios climatiques canadiens (DSCC).

Sur cette page

Aperçu
1. Sensibilité climatique à l’équilibre
   1. Qu’est-ce que la Sensibilité climatique à l’équilibre?
   2. Utilisation de la SCE dans les rapports d’évaluation du GIEC et les modèles CMIP
   3. Limites de la SCE
   4. Sélection des MCM du modèle CMIP6 pour l’ensemble de données des prédicteurs
2. Description des ensembles de données d’entrée
   1. Ensembles de données de réanalyse
   2. CanESM5
   3. MPI-ESM1.2-HR
   4. NorESM2-MM
3. Prétraitement des variables prédictives
   1. Ensembles de données téléchargés : séries chronologiques quotidiennes
   2. Variables
   3. Programmes de traitement utilisés
   4. Double précision et isolation du niveau de pression
   5. Interpolation
   6. Conversion d’unités
   7. Normalisation
4. Format des ensembles de données prédictives
   1. Structure des répertoires de cellules et des fichiers de données prédictives
5. Différences entre les variables prédictives du CanESM5 et du CanESM2
   1. Disponibilité des ensembles de données normalisés
6. Licence pour ensembles de données
References

Aperçu

L’un des moyens d’obtenir des scénarios de changement climatique à l’échelle locale consiste à utiliser la réduction d’échelle statistique à l’aide de la régression des MCM. Selon cette approche, une relation empirique entre les prédicteurs des MCM (c’est-à-dire les variables de circulation atmosphérique à proximité de la surface et en altitude) et les prédicteurs de surface (tels que la température ou les précipitations observées à une station) calculée par des fonctions de transfert linéaires ou non linéaires. À cette fin, un ensemble de variables prédictives quotidiennes est produit à partir des modèles CanESM5, MPI-ESM1.2-HR, NorESM2-MM et de deux ensembles de données de réanalyse.

Chaque ensemble contient un total de 26 variables prédictives, composées à la fois de variables brutes et calculées, avec de multiples variables atmosphériques disponibles à trois niveaux différents de pression. Les variables prédictives sont disponibles à l’échelle quotidienne sur une grille gaussienne mondiale de 64 latitudes sur 128 longitudes avec une troncature spectrale T42. La simulation historique pour la période de 1979 à 2014 ainsi que les quatre profils socioéconomiques partagés (SSP) de première catégorie classés prioritaires par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) et le Projet d’intercomparaison de modèles de scénarios (ScenarioMIP) (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et SSP1-1.9 (en raison de sa pertinence pour l’Accord de Paris) pour la période de 2015 à 2100 sont disponibles pour chaque modèle climatique mondial.^{Reference 7} Deux options des ensembles de données de réanalyse sont disponibles pour la période historique de 1979 à 2014 (ECMWF ERA5 et NCEP-DOE Reanalysis 2).

Trois facteurs ont déterminé le choix des MCM à inclure dans l’ensemble de données des prédicteurs du modèle CMIP6. Premièrement, la Sensibilité du climat à l’équilibre (SCE) doit avoir été calculée selon la méthodologie Gregory et les MCM sélectionnés doivent couvrir une plage de valeurs de SCE (voir sections 1.1. et 1.2.). Deuxièmement, le MCM doit avoir exécuté la simulation historique et le plus grand nombre possible des cinq SSP (SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3 7.0 et SSP5-8.5). Troisièmement, pour les simulations concernées, les sept variables de base aux trois niveaux de pression inclus (le cas échéant) doivent être téléchargeables à partir du site Web de la ESGF (Earth System Grid Federation, fédération de la grille du système).

1. Sensibilité climatique à l’équilibre

L’inclusion d’un sous-ensemble de MCM du modèle CMIP6 à l’ensemble de données des prédicteurs du modèle CMIP6 visait à intégrer des MCM offrant une plage de valeurs de la SCE. Cela comprend CanESM5 et les MCM produits par d’autres organismes de modélisation non canadiens.

1.1. Qu’est-ce que la Sensibilité climatique à l’équilibre?

Comprendre la réponse de la Terre aux changements relatifs au dioxyde de carbone (CO₂) atmosphérique et déterminer sa sensibilité à toute perturbation du niveau de CO₂ est un objectif fondamental pour ceux qui étudient la science du climat.^{Reference 13} La Sensibilité climatique à l’équilibre (SCE) est l’un des concepts les plus anciens et les plus simples appliqués pour évaluer la sensibilité climatique des modèles climatiques. Elle est une mesure largement utilisée par la communauté de modélisation du climat.^{Reference 4}

La SCE est une valeur hypothétique représentant la hausse de la température moyenne de la surface à l’échelle mondiale, une fois que le système climatique a atteint l’équilibre après un doublement instantané de la concentration atmosphérique de CO₂.^{Reference 4Reference 13} La méthode la plus courante de calcul de la SCE d’un modèle climatique global est la méthode Gregory. Utilisée avant et depuis le modèle CMIP5, elle produit une valeur également appelée SCE efficace.^{Reference 4} Avec la méthode Gregory, le CO₂ atmosphérique est instantanément quadruplé, plutôt que doublé, et le modèle est exécuté pendant 150 ans, plutôt que jusqu’à l’état d’équilibre.^{Reference 4} La température de surface à l’équilibre peut alors être extrapolée pour un doublement du CO₂, en supposant que la réponse du modèle est à peu près linéaire et représente la moitié du réchauffement qui devrait se produire à partir d’un quadruplement de la concentration de CO₂.^{Reference 4}

1.2. Utilisation de la SCE dans les rapports d’évaluation du GIEC et les modèles CMIP

Depuis l’adoption de la SCE comme unité normalisée de mesure de la sensibilité du climat et modèle de réaction au CO₂ atmosphérique, le modèle CMIP a exigé de chaque contributeur au MCM qu’il considère la SCE comme l’une des conditions de participation.^{Reference 4} Les expériences de diagnostic, évaluation et évaluation de Klima (DECK) sont des expériences pour lesquelles chaque MCM doit produire des simulations comme condition d’entrée au modèle CMIP.^{Reference 4} Le quadruplement instantané du CO₂ et l’exécution qui en résulte font partie de ces expériences obligatoires.^{Reference 4} Ainsi, chaque génération de MCM préparée pour les modèles CMIP a produit une plage de SCE. Alors que les plages antérieures ont toutes été assez cohérentes entre elles pendant des générations de modèles (1,5°K à 4,5°K), les MCM participant au modèle CMIP actuel (phase 6) ont produit une plage de SCE plus large (1,8°K à 5,6°K) avec un plus grand nombre de modèles produisant des valeurs supérieures et de nombreux modèles dépassant la limite supérieure précédente de la plage.^{Reference 4Reference 13} Les calculs de SCE ont commencé avec premier rapport du GIEC dans les années 1990, et la plage de SCE du modèle CMIP6 est la plus vaste de toutes les générations de modèles depuis cette époque.^{Reference 4}

1.3. Limites de la SCE

Il convient de noter que la SCE est une quantité incertaine et qu’elle n’est pas exempte de défaillances ou de suppositions. Comme nous l’avons déjà mentionné, la SCE est une quantité hypothétique, car un changement instantané important du CO₂ atmosphérique n’est pas un scénario réaliste pour un système climatique. Un changement instantané ne prévoit aucun effet chronologique ou variable avec le temps, comme les rétroactions. De plus, la SCE ne mesure aucune autre quantité hormis le changement de température. Cependant, en dépit des défauts inhérents à sa simplicité, la SCE est une mesure largement utilisée dans la science du climat, car elle fournit des informations très pertinentes sur la façon dont un système climatique réagit aux perturbations et aux cibles des seuils de température mondiale.^{Reference 13}

1.4. Sélection des MCM du modèle CMIP6 pour l’ensemble de données des prédicteurs

Selon les critères énumérés dans la section Aperçu, les MCM actuellement compris dans l’ensemble de données des prédicteurs du modèle CMIP6 sont le CanESM5, le NorESM2-MM et le MPI-ESM1.2-HR. Lorsque plus d’une version d’un même modèle répond aux critères susmentionnés, le modèle ayant la plus haute résolution a été sélectionné. Étant donné que les modèles plus finement réticulés sont généralement capables de reproduire les réactions et les systèmes climatiques avec moins d’erreurs et de biais par rapport aux observations, la préférence a été donnée aux modèles à plus forte résolution spatiale atmosphérique. Dans un avenir proche, des modèles supplémentaires pourraient être ajoutés à l’ensemble de données des prédicteurs. Voir le tableau 1 pour une liste complète de tous les ensembles de données compris dans l’ensemble des prédicteurs et un aperçu de chaque ensemble de données.

2. Description des ensembles de données d’entrée

2.1. Ensembles de données de réanalyse

Les ensembles de données de l’Atmospheric Model Intercomparison Project (AMIP) – II Reanalysis (également appelé NCEP-DOE Reanalysis 2) des National Centers for Environmental Prediction-Department of Energy (NCEP-DOE) ainsi que de l’Atmospheric Reanalysis Fifth Generation (ERA5) du European Centre for Medium-Range Weather Forecasts (ECMWF) ont été inclus dans l’ensemble de données des prédicteurs.

La NCEP-DOE Reanalysis 2 est une version améliorée de son prédécesseur, la NCEP/NCAR Reanalysis 1, elle comprend des paramétrages actualisés des processus physiques et des corrections d’erreurs.^{Reference 6} ERA5 s’appuie sur les anciens ensembles de données de réanalyse du CEPMMT, y compris les systèmes et les caractéristiques les plus récents et a été construit à partir des recherches et des informations du CEPMMT et de ses partenaires.^{Reference 2} ERA5, par rapport à ERA-Interim, fournit une résolution spatiale et temporelle supérieure, et présente des progrès tels que l’amélioration de la troposphère, une représentation perfectionnée des cyclones tropicaux, un meilleur équilibre global des précipitations et de l’évaporation, de meilleures précipitations sur les terres au cœur des tropiques, une meilleure humidité du sol, et une température de surface de la mer et une glace de mer plus cohérentes.^{Reference 1}

2.2. CanESM5

Les expériences de la 5e version du modèle du système terrestre canadien (CanESM5) ont été préparées dans le cadre du modèle CMIP6. CanESM5 est la version courante du modèle du système terrestre du Centre canadien de la modélisation et de l’analyse du climat (CCmaC) et est une version actualisée de CanESM2 mise à la disposition du modèle CMIP5. Veuillez consulter Swart et coll. (2019) pour plus de détails sur le CanESM5.^{Reference 9}

2.3. MPI-ESM1.2-HR

Les expériences du Max Planck Institute for Meteorology Earth System Model version 1.2 (MPI-ESM1.2) ont été préparées dans le cadre du modèle CMIP6. Le MPI-ESM1.2 est la version actuelle du MCM du Plank Institute for Meteorology et est une version actualisée du MPI-ESM préparé pour le modèle CMIP5. Cinq configurations de modèles couplés de MPI-ESM1.2 sont disponibles, bien que seules deux d’entre elles répondent aux critères d’inclusion de l’ensemble de données des prédicteurs, tels que définis dans la section Aperçu. Ces versions sont le MPI-ESM1.2-LR, une version à faible résolution, et le MPI-ESM1.2-HR, une version à haute résolution. Les mailles de la grille atmosphérique de chaque modèle mesurent respectivement environ 200 km et 100 km. La SCE des deux versions de MPI-ESM1.2 est la même, car il a été fixé explicitement à 3°K. Par conséquent, la version à résolution supérieure, MPI-ESM1.2-HR, a été incluse dans l’ensemble des variables prédictives (voir section 1.4.). Veuillez consulter Mauritsen et coll. (2019) et Müller et coll. (2018) pour plus de détails supplémentaires sur MPI-ESM1.2-HR.^{Reference 3Reference 5}

2.4. NorESM2-MM

Les expériences menées selon la version 2 du modèle norvégien du système terrestre (NorESM2) ont été préparées dans le cadre du CMIP6. Le NorESM2 est la version actuelle du MCM du Norwegian Climate Center et est une version actualisée du NorESM1 préparé pour le CMIP5. Comme pour son prédécesseur, le NorESM1, plusieurs versions du NorESM2 ont été produites, principalement une version à faible résolution (NorESM2-LM) et une version à moyenne résolution (NorESM2-MM). La résolution atmosphère-terre de chacun des modèles susmentionnés est respectivement d’environ 1° et 2°. Les deux résolutions du NorESM2 ont des valeurs de SCE très similaires, soit 2,54°K pour le NorESM2-LM et 2,50°K pour le NorESM2-MM. Par conséquent, le NorESM2-MM, dont la résolution est plus élevée, a été sélectionné pour être inclus dans l’ensemble des variables prédictives (voir la section 1.4.). Veuillez consulter Seland et coll. (2020) pour plus de détails sur le NorESM2-MM.^{Reference 8}

3. Prétraitement des variables prédictives

3.1. Ensembles de données téléchargés : séries chronologiques quotidiennes

Les données du CanESM5, du NorESM2-MM, du MPI-ESM1.2-HR, et du NCEP-DOE sont disponibles dans des bases de données en ligne, dans le format NetCDF, sous forme de séries chronologiques quotidiennes mondiales. Puisque les données de l’ERA5 ne sont disponibles que pour des fréquences horaires ou mensuelles, les moyennes quotidiennes ont été calculées à partir des valeurs pour 0 h, 6 h, 12 h et 18 h. Ces intervalles de temps ont été choisis, car les moyennes quotidiennes du NCEP-DOE sont calculées aux mêmes moments. La variable des précipitations totales a été la seule variable ERA5 à être téléchargée pour l’ensemble des 24 heures, car il s’agissait de la seule variable calculée comme une somme et non comme une valeur moyenne. La méthode pour calculer les précipitations totales quotidiennes était basée sur la méthode donnée par le CEPMMT.^{Reference 12} Il faut noter qu’au moment du calcul des variables prédictives, les données antérieures à 1979 n’étaient pas encore disponibles pour l’ERA5, donc la somme des précipitations totales quotidiennes pour le 1er janvier 1979 n’a été calculée qu’à partir de 7 h.

Les données ERA5 ont été téléchargées dans le format NetCDF au moyen de l’API de l’entrepôt de données climatiques Copernicus (Copernicus Climate Data Store – CDS) pour 0 h, 6 h, 12 h et 18 h. Les variables des niveaux de surface ont été téléchargées à partir de l’ensemble de données « reanalysis-era5-single-levels », et les variables des niveaux multiples à partir de l’ensemble de données « reanalysis-era5-pressure-levels ». Les variables ont été téléchargées sur la grille originale (0,25° × 0,25°) sans modifier la grille ni interpoler les données dans la demande par API. L’interpolation a été effectuée à une étape ultérieure, au moyen de la même méthode que celle utilisée pour les variables de la NCEP-DOE Reanalysis 2, afin d’assurer l’uniformité (voir la section 3.5.).

3.2. Variables

Les variables téléchargées à partir de chaque ensemble de données climatiques sont indiquées au tableau 2. Les variables qui n’ont pas nécessité d’analyses supplémentaires sont classées comme « brutes » au tableau 2. En plus de celles-ci, nous avons dérivé quatre autres variables. Ce sont des variables de vent qui ont été calculées manuellement à partir des composantes de vent U et V en utilisant les fonctions du langage de commande NCAR (NCL). Les ensembles de données d’ERA5 fournissent deux de ces variables dérivées (divergence et tourbillon relatif), donc aucun calcul n’a été nécessaire. La dernière variable dérivée, l’humidité spécifique, n’a dû être calculée que pour les ensembles de données de la NCEP-DOE Reanalysis 2 au moyen de la température de l’air et de l’humidité relative. D’autres ensembles de données donnent l’humidité spécifique comme variable, et elle est donc classée comme une variable brute.

3.3. Programmes de traitement utilisés

L’ensemble des scripts utilisés pour extraire et traiter les ensembles de données ainsi que pour formuler les fichiers prédicteurs a été exécuté sur un système Unix utilisant un shell Bourne-Again (BASH). La version 3.7.6 de Python et la version 6.6.2 de NCL ont été utilisées pour produire les prédicteurs (les fonctions précises sont indiquées à la section 3.5. et au tableau 2). La majorité de la méthodologie de prétraitement a été la même pour tous les ensembles de données, afin de produire des ensembles de données comparables.

Étapes principales du prétraitement :

1. téléchargement des variables brutes
2. conversion des variables en double précision
3. interpolation (tous les ensembles de données à l’exception du CanESM5)
4. calcul des variables dérivées
5. conversion des unités (si nécessaire)
6. normalisation

3.4. Double précision et isolation du niveau de pression

Les niveaux de pression souhaités (1000, 850 et 500 hPa) ont été isolés pour les variables atmosphériques de niveaux multiples. Cette étape n’a pas été nécessaire pour les données d’ERA5, car les niveaux de pression peuvent être sélectionnés et téléchargés individuellement. Les valeurs ont ensuite été converties en double précision avant tout calcul afin de conserver autant de données brutes originales que possible.

3.5. Interpolation

Le prétraitement supplémentaire pour tous les ensembles de données, à l’exception du CanESM5, a surtout été composé d’interpolations. Les deux ensembles de données de réanalyse et les MCM MPI-ESM1.2-HR et NorESM2-MM ont été interpolés pour correspondre à la grille gaussienne mondiale T42 des données CanESM5 au moyen de la fonction NCL spécialisée « f2gsh_Wrap ». La fonction interpole les valeurs scalaires de grilles fixes sur une grille gaussienne avec une troncature triangulaire optionnelle, qui, dans ce cas, a été fixée à 42. La grille ainsi obtenue est formée de 64 latitudes par 128 longitudes, avec une résolution longitudinale uniforme de 2,8125° et une résolution latitudinale presque uniforme de 2,8125°. Les données d’ERA5 ont nécessité une étape supplémentaire de conversion des ensembles de données horaires en ensembles de données quotidiennes. La fonction NCL « calculate_daily_value » a été utilisée après la conversion en double précision pour calculer les moyennes quotidiennes à partir des données horaires d’ERA5. La somme des précipitations totales quotidiennes pour l’ensemble de données d’ERA5 a été calculée en Python au moyen de la fonction « Dataset.resample » du progiciel Xarray.

3.6. Conversion d’unités

Nous avons converti les unités de quelques variables.

Tous les MCM et la NCEP-DOE Reanalysis 2 :

• Température de l’air à 2 m (°K convertis en °C)
• Précipitations totales (kg/m/s convertis en mm/jour)

• Températures de l’air à 2 m (°K convertis en °C)
• Précipitations totales (m/jour convertis en mm/jour)
• Altitudes géopotentielles (hauteur géopotentielle en (m²/s²) converties en m)

3.7. Normalisation

La dernière étape pour produire les variables prédictives a été de normaliser les valeurs selon la période de référence historique, soit 1981 à 2010, pour chaque ensemble de données (chaque MCM, NCEP-DOE, ERA5) tout en conservant les valeurs originales. La normalisation se fait, dans ce cas, selon une moyenne climatique à long terme et un écart-type sur la période de référence historique. La période 1981 à 2010 a été choisie comme période de référence pour la normalisation des variables prédictives du CMIP6, car elle est couramment utilisée dans la science du climat.^{Reference 10Reference 11} Toutes les variables prédictives ont été normalisées pour la période de référence 1981-2010, à l’exception de la direction du vent, pour laquelle une valeur normalisée serait inutile. En tant que variable, la direction du vent n’est pas une donnée continue et sa distribution n’est pas régulière, car elle varie considérablement en fonction de l’espace et du temps. De plus, la normalisation de la direction du vent supprimerait toute information relative à la direction. Les valeurs normalisées, n, sont produites à partir des valeurs prédictives, x, à partir de la moyenne, µ, et de l’écart-type, σ, sur la période de référence 1981 à 2010 pour chaque source de données et selon une grille individuelle, au moyen de l’expression suivante :

$n_i=\frac{(x_i-{\mu }_{\mathrm{1981-2010}})}{{\sigma }_{\mathrm{1981-2010}}}$

4. Format des ensembles de données prédictives

4.1. Structure des répertoires de cellules et des fichiers de données prédictives

Des numéros sont attribués à chaque cellule de la grille selon des coordonnées de latitude et de longitude répertoriées. À partir de chaque cellule de la grille, un dossier nommé Box_iiiX_jjY peut être téléchargé, où iii varie de 001 à 128, l’indice longitudinal, et jj varie de 01 à 64, l’indice latitudinal (voir les tableaux 5 et 6). Chaque cellule contient de nombreux sous-dossiers qui indiquent la source de l’ensemble de données utilisé pour calculer les variables prédictives (c.-à-d. que les MCM ont des dossiers individuels pour chaque simulation [historique et chaque SSP], tandis que les ensembles de données de réanalyse ont chacun un sous-dossier) et la période des années. À l’intérieur de chaque sous-dossier se trouve une deuxième série de sous-dossiers qui séparent les valeurs normalisées et les valeurs originales. Une description détaillée des noms de dossiers se trouve au tableau 3.

Les dossiers de données originales (c.-à-d. non standardisées) contiennent 26 variables prédictives, tandis que les dossiers de données standardisées contiennent 23 variables prédictives, car la direction du vent, aux trois niveaux de pression, n’a pas été normalisée. Chaque fichier contient une colonne de données en format csv. La structure d’attribution des noms des fichiers est dérivée du modèle d’attribution des noms du CMIP6, où chaque fichier respecte le format :

variable ID_time frequency_source ID_experiment ID_member ID_grid label_time range_type.csv

Les ID des variables, ou noms de variables, sont indiqués ci-dessous, dans le tableau 4, et les formats de fichiers pour chaque ensemble de données source se trouvent dans le tableau 3. Il est important de noter que les ensembles de données de réanalyse ne possèdent pas d’ID, donc leurs noms de fichiers ne comportent pas d’étiquette. L’étiquette de grille est ‘gn’ pour les prédicteurs du CanESM5, car les données sont représentées sur sa grille originale. En ce qui concerne les prédicteurs de réanalyse, NCEP-DOE et ERA5, ainsi que tous les autres MCM, l’étiquette de la grille est ‘gr’, car les données ont été reclassées. La catégorie supplémentaire « type » a été ajoutée au modèle d’attribution de noms pour permettre de différencier les fichiers qui contiennent des données normalisées, ‘sd,’, et des données originales, ‘og,’. Il est également important de noter que les fichiers qui contiennent des données CanESM5 et NorESM2 ont moins de valeurs que ceux qui contiennent des données NCEP-DOE, ERA5 ou MPI-ESM1.2-HR, car CanESM5 et NorESM2 utilisent un calendrier de 365 jours et, par conséquent, n’incluent pas les années bissextiles (voir le tableau 1).

5. Différences entre les variables prédictives du CanESM5 et du CanESM2

La méthodologie principale pour le calcul des variables prédictives du CMIP6 (CanESM5) reposait sur la méthodologie utilisée pour calculer les prédicteurs du CanESM2. Toutefois, quelques étapes diffèrent dans la production des prédicteurs du CMIP6. Dans le cas des prédicteurs du CanESM2, les données de la première réanalyse des National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) ont également été traitées et mises à la disposition des utilisateurs, tandis que dans le cas des prédicteurs du CMIP6, les données de la NCEP-DOE Reanalysis 2 et de l’ERA5 du CEPMMT sont incluses. De plus, les prédicteurs du CMIP6 comprennent un certain nombre de MCM supplémentaires pour englober une série de valeurs de SCE. Aussi, alors que seul l’ensemble de données du CanESM2 a été converti en double précision, tous les ensembles de données ont été convertis en double précision pour les prédicteurs du CMIP6 (voir la section 3.4.). Enfin, la formule d’attribution des noms de dossiers et de fichiers a été modifiée pour tenir compte de la convention d’attribution des noms du CMIP6, mais les noms des variables resteront les mêmes afin de réduire la confusion lors de la comparaison entre les projets de prédicteurs (voir la section 4; voir le tableau 3).

5.1. Disponibilité des ensembles de données normalisés

Alors que les ensembles de données prédictives précédentes (c.-à-d. CanESM2) ne comportaient que des valeurs normalisées, les utilisateurs ont accès à la fois aux valeurs originales (non normalisées) et aux valeurs normalisées pour tous les ensembles de données. Trois raisons motivent notre décision de rendre disponibles aux utilisateurs les valeurs originales et normalisées. Tout d’abord, et avant tout, pour justifier la normalisation, les valeurs doivent suivre une distribution normale. Or, ce n’est habituellement pas le cas pour les variables de précipitations et de vent. Deuxièmement, en normalisant les valeurs, on perd une grande partie des informations importantes que contiennent les données, comme la moyenne, l’écart-type et les valeurs minimales et maximales. Enfin, les données originales permettent aux utilisateurs de normaliser les données en fonction d’une période de référence de leur choix. Toutefois, les valeurs normalisées ont été fournies à des fins de comparaison avec d’autres ensembles de données prédictives.

6. Licence pour ensembles de données

Licence du gouvernement ouvert – Canada ((https://ouvert.canada.ca/fr/licence-du-gouvernement-ouvert-canada))