Scénarios climatiques mis à l’échelle statistique et indices des modèles climatiques mondiaux du CMIP6

Sur cette page

• Aperçu
• Méthode de réduction d’échelle et données
• CanDCS-U6
• CanDCS-M6
• Indices climatiques
• Mises à jour et corrections des données
• Mises à jour
• Corrections
• Température moyenne
• Indices climatiques saisonniers
• Ensembles
• Formats de fichier
• Quotidien
• Indices
• Mensuel
• Ensembles et saisons
• Licence de données
• Références

Aperçu

Environnement et Changement climatique Canada fournit aux Canadiens de l’information sur les changements climatiques pour l’évaluation des impacts, la planification de l’adaptation et l’élaboration des politiques d’atténuation. Il y a une demande croissante au Canada et dans le monde entier pour des projections à haute résolution provenant de modèles climatiques mondiaux (MCM).

Pour répondre à ce besoin, la Division de la recherche climatique (DRC) d’ECCC et le Pacific Climate Impacts Consortium (PCIC) ont élaboré en 2015 des scénarios climatiques mis à l’échelle de manière statistique. Ceux-ci étaient basés sur des simulations de modèles climatiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5).

Ces ensembles de données sont largement utilisés et sont cités dans le Rapport sur le climat changeant du Canada (2019).^{Références1} Ils sont disponibles sur le site Web des Données et scénarios climatiques canadiens d’ECCC et le portail de données du PCIC.

ECCC et le PCIC ont mis à jour les scénarios mis à l’échelle basés sur la CMIP5 en créant deux nouveaux ensembles basés sur la phase 6 du projet d’intercomparaison de modèles couplés (CMIP6). Les projections de la CMIP6 utilisent des modèles climatiques mondiaux mis à jour et de nouveaux scénarios d’émissions connus sous le nom de « profils socioéconomiques partagés » (SSP).^{Références9}

Une mise à l’échelle de manière statistique a été appliquée aux simulations des 26 MCM de la CMIP6 (tableau 2), à l’aide de trois scénarios d’émissions : SSP1-2.6, SSP2-4.5 et SSP5-8.5.

Le premier ensemble de nouveaux scénarios utilise la même méthode (BCCAQv2)^{Références3Références13} et le même ensemble de données cibles (NRCANmet)^{Références8} que la version CMIP5. Le deuxième ensemble utilise une nouvelle méthode à plusieurs variables (MBCn) et un nouvel ensemble de données cibles mixtes (NRCANmet et PNWNAmet).

L’ensemble de données comprend les températures maximales et minimales quotidiennes et les précipitations quotidiennes. Elles sont disponibles partout au Canada sur une grille de 10 km pour les périodes historiques (1950 à 2014) et futures (2015 à 2100) selon chacun des trois scénarios d’émissions.

En 2024, ECCC a créé des produits supplémentaires, notamment des ensembles de données sur la température moyenne et les ensembles. La même année, le PCIC a ajouté un nouveau scénario d’émissions, soit le SSP3-7.0, à l’ensemble de données CanDCS-M6. Ce scénario est disponible pour un sous-ensemble plus restreint de modèles (voir la section (Mises à jour) pour plus de détails).

Méthode de réduction d’échelle et données

Chaque étape du processus de modélisation climatique et de mise à l’échelle comporte une part d’incertitude. Les utilisateurs sont encouragés à examiner les principes de base de la modélisation climatique et de mise à l’échelle avant d’utiliser ces ensembles de données.^{Références4}

Les ensembles de données mis à l’échelle de manière statistique ont été créés à partir des résultats de 26 MCM de la CMIP6. Ces modèles sont disponibles par l’intermédiaire des nœuds de données de la Earth System Grid Federation (ESGF). L’ensemble de données comprend 10 passes de conditions initiales à partir du modèle CanESM5, produit par le Centre canadien de la modélisation et de l’analyse climatique^{Références11}, et une passe à partir de chacun des 25 autres modèles de la CMIP6 (tableau 2).

CanDCS-U6

Chaque ensemble de données a fait l’objet d’une mise à l’échelle de manière statistique à l’aide d’un algorithme hybride de mise à l’échelle appelé méthode des analogues avec correction de biais et cartographie des quantiles, ou BCCAQ, qui combine la méthode BCCA (méthode des analogues avec correction de biais)^{Références7} avec la cartographie des quantiles.

BCCAQv2 utilise la cartographie des différences par quantiles (QDM)^{Références3}, une forme de cartographie des quantiles qui préserve les modifications, ce qui distingue BCCAQv2 des versions précédentes. Les détails sont disponibles dans Werner et Cannon (2016).^{Références13} La méthode BCCAQv2 est disponible dans l’ensemble R « ClimDown », qui est accessible dans le référentiel Comprehensive R Archive Network (CRAN).^{Références5}

À l’aide de la méthode BCCAQv2, le PCIC a mis à l’échelle la température minimale et maximale quotidienne (°C) et les précipitations (mm/jour) à partir des 26 MCM de la CMIP6.

La mise à l’échelle nécessite un ensemble de données cibles pour étalonner les modèles. Un ensemble de données cibles est basé sur des données d’observation et est utilisé pour entraîner les simulations historiques d’un modèle. L’objectif de l’étalonnage est de faire en sorte que la simulation historique du modèle ressemble le plus possible aux caractéristiques statistiques de la cible.

Une fois qu’une simulation historique modélisée est étalonnée pour la période de référence historique, en l’occurrence de 1951 à 2010, la méthode BCCAQv2 est appliquée à toutes les projections futures. Ce processus est répété séparément pour chaque variable et modèle, d’où son nom de schéma de mise à l’échelle « à une variable ».

L’ensemble de données cibles pour la méthode BCCAQv2 était l’ensemble de données NRCANmetv1. Ressources naturelles Canada (RNCan) a produit cet ensemble de données historiques canadiennes sur une grille d’environ 10 km. Le progiciel ANUSPLIN (algorithme développé à l’Australian National University), qui utilise des splines de lissage de type plaque mince pour interpoler les données dans un format maillé, a été utilisé pour créer l’ensemble de données cibles.^{Références8} Pour cette raison, l’ensemble de données peut également être connu sous le nom d’observations ANUSPLIN.^{Références10}

CanDCS-M6

Une méthode de mise à l’échelle à une variable met à l’échelle chaque variable indépendamment. Bien que cette approche soit plus simple, elle peut omettre ou mal représenter des événements importants qui concernent à la fois la température et les précipitations.

Certains phénomènes climatiques, comme la sécheresse, les feux de forêt et la neige, dépendent à la fois de la température et des précipitations. Pour simuler avec précision ces événements, il faut adopter une approche qui permet de saisir les relations entre ces variables. Une approche de mise à l’échelle à plusieurs variables peut le faire. Bien que cette méthode soit plus coûteuse en termes de puissance de calcul, elle peut maintenir des dépendances intervariables et permet d’analyser des phénomènes à plusieurs variables.

L’une de ces méthodes est la correction des biais à plusieurs variables n-dimensionnelle, ou MBCn.^{Références2} MBCn utilise une version modifiée de la cartographie des différences par quantiles (QDM). Il s’agit à la fois d’une méthode de correction des biais et de mise à l’échelle à plusieurs variables. Cette version est en mesure de travailler avec plusieurs variables tout en préservant les propriétés statistiques entre elles.

L’ensemble de données CanDCS-M6 utilise les mêmes variables, modèles et grilles que l’ensemble CanDCS-U6, mais avec un nouvel ensemble de données cibles. Cela s’explique par le fait que NRCANmetv1 a un biais sec connu sur la côte ouest du Canada. Pour remédier à ce problème, le PCIC a fusionné plusieurs ensembles de données maillées observationnelles en un seul nouvel ensemble de données.

La nouvelle cible mixte (ci-après appelée PCIC-Blend) combine les valeurs quotidiennes des trois variables de l’ensemble de données de météorologie du PCIC pour le nord-ouest de l’Amérique du Nord (PNWNAmet)^{Références12}, avec les précipitations quotidiennes de l’ensemble de données sur les précipitations rajustées pour le Canada (NRCANmet Adj)^{Références6} et la température quotidienne de la version 2 de l’ensemble de données NRCANmet (NRCANmet v2).^{Références8Références10}

Le mélange se fait en appliquant une moyenne pondérée sur une région donnée. Cette région suit une ligne diagonale le long du côté est des Rocheuses. À l’ouest de la ligne, l’ensemble de données PNWNAmet représente l’Ouest canadien. À l’est de la ligne, les deux ensembles de données NRCANmet représentent le centre et l’est du Canada.

L’ensemble de données PCIC-Blend améliore la représentation des précipitations dans l’Ouest canadien. Étant donné que ce nouvel ensemble de données comprend le PNWNAmet, la cible couvre non seulement le Canada, mais aussi une extension vers le sud dans l’ouest des États-Unis jusqu’à 41° N. Cela permet à l’ensemble de données CanDCS-M6 de couvrir l’ensemble du bassin du fleuve Columbia, un bassin hydrographique clé pour l’étude des effets hydrologiques.

Indices climatiques

Pour chaque MCM mis à l’échelle, 31 indices climatiques ont été calculés (tableau 3). Il s’agit notamment de 27 indices de Climdex, qui ont été élaborés par le Groupe d’experts sur la détection et les indices d’extrêmes climatiques (ETCCDI)^{Références14}, et de 4 indices qui sont des versions modifiées des indices de Climdex. Selon l’indice, les résultats sont disponibles annuellement ou mensuellement.

Mises à jour et corrections des données

Mises à jour

En septembre 2024, plusieurs mises à jour ont été apportées aux ensembles de données CanDCS6.

Le PCIC a ajouté le SSP3-7.0 à l’ensemble de données CanDCS-M6, qui, auparavant, ne comprenait que les SSP 1-2.6, 2-4.5 et 5-8.5. Le nouvel ensemble de données SSP3-7.0 ne comprend que la première passe (r1i1p2f1) du modèle CanESM5, tandis que les autres ensembles de données CanDCS6 ont 10 passes (r1-10). De plus, trois modèles sur les 26 originaux n’étaient pas disponibles pour le SSP3-7.0 et sont donc exclus de l’ensemble de données (HadGEM3-GC31-LL, KACE-1-0-G, et KIOST-ESM). Toutefois, en octobre 2025, le modèle KACE-1-0-G a été ajouté à l’ensemble de données SSP3-7.0. Tous les ensembles de données connexes ont été mis à jour à ce moment-là pour inclure ce changement.

ECCC a élargi les ensembles de données CanDCS6 en ajoutant des ensembles de données sur la température moyenne et les ensembles. Les ensembles de moyennes et de percentiles sont disponibles pour tous les ensembles de données CanDCS6, y compris les indices climatiques.

Corrections

Au cours de la création de l’ensemble de données CanDCS-M6, le PCIC a relevé des valeurs sporadiques anormalement élevées de température maximale quotidienne dans trois des 26 MCM. Le PCIC a déterminé que la cause était des erreurs dans les composantes atmosphériques et de la surface terrestre partagées par les modèles. Pour éviter que ces erreurs n’aient une incidence sur les données mises à l’échelle et éviter de remplacer les valeurs par des valeurs manquantes, le PCIC a créé une méthode de détection et de correction des valeurs aberrantes. Cette méthode remplace les erreurs par des valeurs interpolées de manière robuste à partir des cellules de la grille environnantes.

Les trois modèles présentant des erreurs étaient les deux modèles du Met Office Hadley Centre (MOHC), soit HadGEM3-GC31-LL et UKESM1-0-LL, et KACE-1-0-G de l’Administration météorologique coréenne (KMA). Le PCIC a refait les simulations pour ces modèles à l’aide de la méthode CanDCS-U6 et a corrigé les données originales. Les ensembles de données CanDCS-U6 mis à jour ont remplacé les anciennes versions le 25 août 2023.

Les indices de Climdex et agroclimatiques basés sur l’ensemble de données CanDCS-U6 ont également été recalculés et mis à jour en même temps. Remarque : 15 indices agroclimatiques de l’ensemble de données U6 ont été mis à jour avec des données corrigées pour les trois modèles le 23 septembre 2024, voir les mises à jour et errata.

Le PCIC a par la suite corrigé certaines parties de l’ensemble de données CanDCS-M6 sur les précipitations et une petite partie de l’ensemble de données CanDCS-M6 CanESM5 (en particulier, CanESM5, r3i1p2f1, SSP1-2.6, pour les années 2060 à 2100). Les deux corrections ont utilisé la même méthode pour détecter et remplacer les valeurs anormales. Les ensembles de données mis à jour ont été publiés sur le site des DSCC le 25 septembre 2024. Contrairement aux corrections précédentes de la température maximale, ces mises à jour n’ont pas eu d’incidence sur les indices de Climdex correspondants.

Le 2 octobre 2025, des données corrompues ont été trouvées dans certains des indices agroclimatiques CanDCS-U6 du modèle MPI-ESM1-2-HR sous SSP2-4.5. Voir les mises à jour et errata pour plus de détails.

Température moyenne

Les ensembles de données CanDSC6 comprennent les températures maximales et minimales et les précipitations totales. À l’aide de ces données, ECCC a calculé des ensembles de données sur la température moyenne pour tous les modèles, scénarios et périodes. Des ensembles de données quotidiennes ont été produits avec Python (v3.10.4) et le paquet Xarray (v2022.3.0). Des ensembles de données mensuels ont été créés à l’aide de Python ainsi que de Climate Data Operators (CDO, v2.0.3, fonction « monmean ») et des opérateurs NetCDF (NCO, v5.0.5). Tout le traitement a été effectué dans un environnement « Bourne Again Shell » (Bash).

Indices climatiques saisonniers

Sur les 31 indices de Climdex produits par le PCIC, 12 sont disponibles mensuellement plutôt qu’annuellement. Pour ces indices, ECCC a créé des versions saisonnières et annuelles en calculant les maximums, moyennes ou minimums saisonniers ou annuels selon l’indice (tableau 4). Ces calculs ont été effectués à l’aide de CDO (v2.0.3) dans un environnement Bash.

Ensembles

ECCC a calculé une moyenne d’ensemble et cinq percentiles d’ensemble (5^e, 25^e, 50^e, 75^e, 95^e) dans l’ensemble des modèles CanDCS6. Ces ensembles sont disponibles pour tous les ensembles de données, variables, indices, SSP et périodes. Pour éviter les biais en faveur d’un modèle unique, les ensembles n’utilisent qu’une seule passe de chaque modèle, y compris le modèle CanESM5 (r1i1p2f1).

Les ensembles ont été créés à l’aide de CDO (v2.0.3), Python (v3.10.4) et NCO (v5.0.5) dans un environnement Bash. Les fonctions « ensmean » et « enspctl » de CDO ont été utilisées pour calculer les statistiques de l’ensemble. Toutefois, avant de calculer les ensembles quotidiens, saisonniers et annuels, un prétraitement supplémentaire était nécessaire.

Des versions saisonnières et annuelles des données du modèle ont été produites avec CDO (température : « seasmean », « yearmean »; précipitations : « seasum », « yearsum »). Pour les modèles utilisant différents types de calendrier, les ensembles de données quotidiennes ont été convertis en grégorien proleptique à l’aide du paquet Xarray (v2022.3.0) en Python. Ce calendrier a été choisi parce que la plupart des modèles l’utilisent. La conversion ajoute des jours avec des valeurs manquantes si nécessaire, de sorte qu’aucune valeur n’est créée artificiellement par interpolation par cette méthode.

Formats de fichier

Quotidien

Les simulations mises à l’échelle sont organisées dans des répertoires distincts. Chaque répertoire contient une simulation pour un MCM, une variable, une réalisation et un profil socioéconomique partagé (SSP) particuliers. Pour les ensembles de données CanDCS-M6, le nom du répertoire comprend également la balise « MBCn ».

Par exemple, les données quotidiennes sur les précipitations de CanDCS-U6 tirées de la première passe (r1i1p1f1) du modèle ACCESS-CM2 dans le scénario SSP1-2.6 sont stockées dans le répertoire suivant :

ACCESS-CM2_pr_r1i1p1f1_ssp126{_MBCn}_5_year_files

Comme les fichiers quotidiens sont volumineux (environ 57 Go par fichier), les ensembles de données ont été divisés en sous-ensembles de 5 ans. Chaque fichier de 5 ans suit un format de dénomination uniforme qui indique la simulation et la période qu’il couvre.

Par exemple, le premier fichier du répertoire ci-dessus est :

pr_day_BCCAQv2+ANUSPLIN300_ACCESS-CM2_historical+ssp126_r1i1p1f1_gn_19500101-19551231.nc

CLes éléments du nom de fichier comprennent ce qui suit :

• Variable : « pr »
• Pas de temps : « day »
• Méthode de réduction d’échelle et cible : « BCCAQv2+ANUSPLIN300 » (ou « MBCn+PCIC-Blend »)
• MCM : « ACCESS-CM2 »
• Trajectoire passée et future : « historical+ssp126 »
• Réalisation : « r1i1p1f1 »
• Étiquette de grille : « gn »
• Intervalle : « 19500101-19551231 »

Chaque répertoire comprend un fichier de 6 ans (1950 à 1955, environ 2,3 Go) et 29 fichiers de 5 ans chacun (environ 1,9 Go chacun). Ensemble, ces fichiers constituent l’ensemble complet de données sur 151 ans pour ce MCM, cette variable, cette réalisation et ce profil socioéconomique partagé.

L’étiquette de grille indique si les ensembles de données du modèle utilisent la grille native du modèle (« gn ») ou ont été maillés de nouveau (« gr ») par le centre de modélisation. Si un MCM particulier est disponible pour plus d’une résolution de grille, cela est indiqué par un chiffre après « gr » (par exemple, « gr2 »).

Indices

Les fichiers contenant des indices climatiques utilisent le même format de dénomination. Par exemple, le premier fichier dans le répertoire Climdex d’ACCESS-CM2 est l’indice annuel (ann) CDD et est nommé comme suit :

ACCESS-CM2_ssp126_r1i1p1f1/cddETCCDI_ann_BCCAQv2+ANUSPLIN300_ACCESS-CM2_historical+ssp126_ r1i1p1f1_1950-2100.nc

Les éléments du nom de fichier pour les indices climatiques comprennent ce qui suit :

• Indice climatique ETCCDI : « cddETCCDI »
• Résolution temporelle : « ann »
• Méthode de mise à l’échelle et cible : « BCCAQv2+ANUSPLIN300 » (ou « MBCn+PCIC-Blend »)
• Intervalle : « 1950 à 2100 »

Mensuel

Les fichiers mensuels MCM diffèrent légèrement entre CanDCS-U6 et CanDCS-M6. La somme mensuelle des pr pour le même MCM et le même SSP est la suivante :

pr_monthly_total_BCCAQv2+ANUSPLIN300_ACCESS-CM2_historical+ssp126_r1i1p1f1_1950-2100.nc

ACCESS-CM2/pr_day_MBCn+PCIC-Blend_ACCESS-CM2_historical+ssp126_r1i1p1f1_195001-210012_monthsum.nc

Les éléments du nom de fichier comprennent ce qui suit :

• Variable : « pr »
• Calcul mensuel :
• U6 : « monthly_total » (pr) ou « monthly_average » (tasmin, tasmax et tas)
• M6 : « monthsum » (pr) ou « monthmean » (tasmin, tasmax et tas)
• Méthode de mise à l’échelle et cible : « BCCAQv2+ANUSPLIN300 » (ou « MBCn+PCIC-Blend »)
• MCM : « ACCESS-CM2 »
• Profil passé et futur : « historical+ssp126 »
• Réalisation : « r1i1p1f1 »
• Intervalle de temps : « 195001-210012 »

Ensembles et saisons

Les ensembles et les ensembles de données saisonniers utilisent un format de nom de fichier similaire à celui des fichiers d’origine. Au lieu d’un MCM, le type d’ensemble est utilisé, tandis que la résolution temporelle dépend de l’ensemble de données. Par exemple, le premier fichier du répertoire saisonnier « tas » est le suivant :

seasonal{monthly}/tas/tas_annual_avg_BCCAQv2+ANUSPLIN300_ensemblemean_historical+ssp126_1950-2100.nc

Les éléments du nom de fichier pour les ensembles de modèles comprennent ce qui suit :

• Résolution temporelle : « annual » (ou « monthly_avg{sum} » [« sum » seulement pour pr]) ou saison : « DJF », « MAM », « JJA », « SON »)
• Opération : « avg » (ou « sum » pour pr)
• Méthode de mise à l’échelle et cible : « BCCAQv2+ANUSPLIN300 » (ou « MBCn+PCIC-Blend »)
• Type d’ensemble de modèles : « ensemblemean » (ou centile : « enspctl5 », « enspctl25 », « enspctl50 », « enspctl75 », « enspctl95 »)
• Intervalle de temps : « 1950-2100 »

Le premier fichier dans le répertoire quotidien « pr » pour SSP1-2.6 est le suivant :

daily/ssp126/pr/pr_day_BCCAQv2+ANUSPLIN300_ensemblemean_historical+ssp126_19500101-19551231.nc

Les éléments du nom de fichier comprennent ce qui suit :

• Variable : « pr »
• Pas de temps : « day »
• Méthode de mise à l’échelle et cible : « BCCAQv2+ANUSPLIN300 » (ou « MBCn+PCIC-Blend »)
• Type d’ensemble de modèles : « ensemblemean » ou centile (« enspctl5 », « enspctl25 », « enspctl50 », « enspctl75 », « enspctl95 »)
• Profil passé et futur : « historical+ssp126 »
• Réalisation : « r1i1p1f1 »
• Étiquette de grille : « gn »
• Intervalle de temps : « 19500101-19551231 »

Licence de données

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

Les ensembles de données de modèles individuels et tous les produits dérivés connexes, y compris les ensembles multimodèles, sont assujettis aux conditions d’utilisation de l’organisation source.