DCSIMG

Sélection de la langue

Rechercher

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

Sur cette page

Aperçu

Environnement et Changement climatique Canada (ECCC) a pour mandat de fournir aux Canadiens de l’information sur les changements climatiques passés et futurs pour les évaluations des impacts climatiques, la planification de l’adaptation et l’élaboration de politiques d’atténuation. Il y a une demande croissante au Canada et à l’échelle internationale pour que les projections du modèle climatique mondial (MCM) soient réduites à une résolution spatiale élevée. La Division de la recherche climatique (DRC) d’ECCC et le Pacific Climate Impacts Consortium (PCIC) ont déjà produit des scénarios mis à l’échelle statistique et fondés sur des simulations de modèles climatiques qui faisaient partie de la phase 5 du Projet d’intercomparaison de modèles couplés (CMIP5) en 2015. Ces scénarios sont largement utilisés et sont mentionnés dans le Rapport sur le climat changeant du Canada.Références1 Les scénarios mis à l’échelle statistique des modèles du CMIP5 sont disponibles sur le Web Données et scénarios climatiques canadiens d’ECCC et sur le portail de données des scénarios sur les changements climatiques du PCIC .

ECCC et le PCIC ont mis à jour les scénarios à échelle réduite fondés sur la CMIP5 en ajoutant deux nouveaux ensembles de scénarios à échelle réduite fondés sur la prochaine génération de projections climatiques de la phase 6 du Projet d’intercomparaison de modèles couplés (CMIP6). Les projections climatiques du CMIP6 sont fondées à la fois sur des modèles climatiques mondiaux actualisés et sur de nouveaux scénarios d’émissions appelés « trajectoires socioéconomiques partagées » (SSP, pour « Shared Socioeconomic Pathways »).Références9 Des ensembles de données mis à l’échelle statistique ont été produits à l’aide de 26 MCM du CMIP6 (tableau 2) selon trois scénarios d’émissions différents (c.-à-d. SSP1-2.6, SSP2-4.5 et SSP5-8.5). Le premier de ces ensembles a été produit au moyen des mêmes méthode de réduction d’échelle (BCCAQv2) Références3Références 12 et données cibles de réduction (NRCANmet)Références8 que les scénarios à échelle réduite fondés sur la CMIP5. Le deuxième ensemble utilise une nouvelle méthode multivariée (MBCn) et un nouvel ensemble cible (mêlant les ensembles ANUSPLIN et PNWNAmet). Les températures maximales et minimales quotidiennes et les précipitations quotidiennes à échelle réduite sont disponibles partout au Canada à une résolution spatiale de grille de 10 km pour la période antérieure 1950 2014 et la période 2015 2100 suivant chacun des trois scénarios d’émissions.

Les ensembles de données sur la température moyenne et les ensembles de modèles sont des produits supplémentaires conçus par ECCC, et le PCIC a ajouté un SSP (SSP3-7.0) à l’ensemble de données CanDCS-M6 en 2024 (disponible uniquement pour un petit sous-ensemble de modèles, voir la section sur les mises à jour).


Tableau 1. Caractéristiques principales.

Noms des ensembles de données

CanDCS-U6 : Scénarios climatiques canadiens à échelle réduite – Méthode à une variable du CMIP6

Canadian Downscaled Climate Scenarios–Univariate method from CMIP6 »)

CanDCS-M6 : Scénarios climatiques canadiens à échelle réduite – Méthode multivariée de la CMIP6

Canadian Downscaled Climate Scenarios–Multivariate method from CMIP6 »)

Variables et unité

Température maximale quotidienne (°C)

Température moyenne quotidienne (°C)

Température minimale quotidienne (°C)

Précipitations quotidiennes (mm)

Région géographique

Canada

Résolution spatiale

Résolution de grille de 1/12° (10km)

Période

1950 à 2100

Émissions antérieures : 1950-2014

Scénarios d’émissions futures : 2015-2100

Scénarios d’émissions futures

SSP1-2.6

SSP2-4.5

SSP3-7.0 (disponible pour un petit sous-ensemble de modèles dans CanDCS-M6)

SSP5-8.5

Indices climatiques

31 indices climatiques (Tableau 3)

Méthode de réduction d’échelle et données

L’utilisation appropriée de données mises à l’échelle statistique exige une compréhension de base de la façon dont les modèles climatiques simulent le système climatique et dont les résultats des modèles climatiques sont combinés à des observations historiques pour créer des scénarios climatiques à échelle réduite. Des incertitudes sont présentes à chaque étape de la modélisation climatique et de la chaîne de réduction d’échelle, et il est recommandé que les utilisateurs se familiarisent avec les principes de base de la modélisation climatique et de la réduction d’échelle avant d’utiliser ces données.Références4

Des ensembles de modèles multiples mis à l’échelle statistique ont été construits à l’aide des résultats de 26 MCM du CMIP6 disponibles sur les nœuds de données de la Earth System Grid Federation (ESGF), de 10 membres conditionnels initiaux du modèle CanESM5 produits par le Centre canadien de la modélisation et de l’analyse climatiqueRéférences10 et d’un essai de chacun de 25 autres modèles du CMIP6 (tableau 2).

CanDCS-U6

La méthode des analogues avec correction de biais et cartographie des quantiles (BCCAQ) est un algorithme hybride de réduction d’échelle qui combine la réduction d’échelle à l’aide de la méthode BCCA (analogues avec correction de biais) et la cartographie des quantiles.Références7 En raison de l’utilisation de la cartographie des différences par quantilesRéférences3, mode de cartographie des quantiles qui préserve les changements, l’algorithme BCCAQV2 est différent de la version précédente. Des détails sont fournis par Werner et Cannon (2016).Références12 Le code qui applique la méthode BCCAQv2 figure également dans le référentiel Comprehensive R Archive Network (CRAN) à l’aide de l’ensemble R « ClimDown ».Références5

La température minimale quotidienne (°C), la température maximale quotidienne (°C), et les précipitations quotidiennes (mm/jour) des 26 MCM du CMIP6 ont été réduites à l’aide de l’algorithme BCCAQv2. L’ensemble de données historiques maillées de 1/12° (~10 km) de RNCan (Méthode de splines de lissage de type plaque mince de l’Université nationale australienne (ANUSPLINv1)) sur la température minimale quotidienne, la température maximale quotidienne et les précipitations quotidiennes du CanadaRéférences8 a été utilisé comme « cibles » de réduction d’échelle (données de formation utilisées pour étalonner l’algorithme BCCAQV2) afin que la production historique du modèle climatique à échelle réduite ait des caractéristiques statistiques qui ressemblent le plus possible à celles de NRCANmet au cours de la période 1951-2010. Une fois étalonné en fonction d’un modèle et d’une variable climatiques donnés pour la période de référence historique 1951 2010, l’algorithme BCCAQv2 est appliqué aux simulations climatiques de cette variable pour le modèle sélectionné dans le cadre de trois scénarios d’émissions (SSP1-2.6, SSP2-4.5 et SSP5-8.5). Ce processus est répété séparément pour chaque variable et modèle, d’où son nom de « schéma de réduction d’échelle à une variable ».

CanDCS-M6

Une méthode univariée de réduction d’échelle, qui réduit indépendamment l’échelle de chaque variable, peut omettre des phénomènes importants caractérisés par des combinaisons de température et de précipitations, ou mal les représenter. Une approche multivariée de la réduction d’échelle, bien que plus exigeante sur le plan informatique, peut préserver les dépendances entre les variables et permet l’analyse de phénomènes à plusieurs variables. La méthode multivariée de correction des biais à N dimensions (MBCn)Références2 est une méthode multivariée de réduction d’échelle et de correction des biais qui conserve les dépendances entre les variables et les caractéristiques statistiques d’une distribution multivariée continue. Elle emploie une forme modifiée de cartographie des différences par quantile (QDM) qui peut fonctionner avec de multiples variables et maintenir les propriétés statistiques entre chacune.

L’ensemble CanDCS-M6 comprend les mêmes variables, MCM et résolution de grille que l’ensemble CanDCS-U6, mais utilise un nouvel ensemble de données cible. C’est que la méthode ANUSPLINv1 a un biais connu de sécheresse en ce qui concerne les précipitations sur la côte ouest du Canada. Pour le corriger, on a utilisé comme ensemble cible du modèle CanDCS-M6 un mélange de plusieurs nouveaux ensembles de données d’observation maillées. Le nouvel ensemble cible mixte de réduction d’échelle (ci-après appelé PCIC-mélange) combine les valeurs quotidiennes des précipitations et des températures maximale et minimale provenant de l’ensemble météorologique pour le Nord-Ouest de l’Amérique du Nord du PCIC (PNWNAmet)Références11 aux précipitations quotidiennes du nouvel ensemble ajusté de données maillées sur les précipitations quotidiennes (ANUSPLIN Adj)Références6 et aux températures maximales et minimales quotidiennes de la version 2 de l’ensemble ANUSPLIN (ANUSPLIN v2)Références8.

Les ensembles sont mélangés à l’aide d’une moyenne pondérée appliquée sur une région commune restreinte, une diagonale le long du flanc est des Rocheuses servant de région de mélange pour combiner les ensembles PNWNAmet (représentant l’Ouest du Canada) et les deux ensembles ANUSPLIN (représentant le centre et l’Est du Canada). L’ensemble PCIC-mélange tire donc parti des mises à jour et de la performance supérieure de plusieurs nouveaux produits, ce qui améliore la représentation des précipitations dans l’Ouest du Canada. L’intégration de l’ensemble PNWNAmet a donné l’occasion d’étendre les données dans l’Ouest des États-Unis jusqu’au 41e parallèle nord. Un ensemble de données continu des deux côtés de la frontière américaine sur la côte ouest permet à l’ensemble CanDCS-M6 de couvrir tout le bassin du fleuve Columbia, qui a été déterminé comme un bassin versant important pour le thème des effets hydrologiques.

Contrairement aux indices univariés, qui sont dérivés uniquement à partir des précipitations, de la température maximale ou de la température minimale quotidiennes, les indices multivariés sont calculés à l’aide d’une combinaison quelconque de ces trois variables. Les phénomènes qui résultent d’une combinaison des conditions de température et de précipitations, comme les sécheresses, les feux incontrôlés et la neige, nécessitent une simulation efficace des dépendances entre la température et les précipitations qu’il est impossible d’obtenir au moyen d’une approche univariée.


Tableau 2. Liste des modèles climatiques mondiaux (MCM) du CMIP6 utilisés dans les ensembles à plusieurs modèles mis à l’échelle statistique.

Établissement Nom du modèle Réalisation
CSIRO-ARCCSS (Australie) ACCESS-CM2 r1i1p1f1
CSIRO (Australie) ACCESS-ESM1-5 r1i1p1f1
Beijing Climate Center (Chine) BCC-CSM2-MR r1i1p1f1
Centre canadien de la modélisation et de l’analyse climatique (Canada) CanESM5 r1i1p2f1 ~ r10i1p2f1
Centre euro-méditerranéen sur le changement climatique (Italie) CMCC-ESM2 r1i1p1f1
CNRM-CERFACS (France) CNRM-CM6-1 r1i1p1f2
CNRM-CERFACS (France) CNRM-ESM2-1 r1i1p1f2
EC-Earth-Consortium (Europe) EC-Earth3 r4i1p1f1
EC-Earth-Consortium (Europe) EC-Earth3-Veg r1i1p1f1
Institut de physique atmosphérique (Chine) FGOALS-g3 r1i1p1f1
NOAA-Geophys. Fluid Dyn. Lab (É.-U.) GFDL-ESM4 r1i1p1f1
Met Office Hadley Centre et NERC (R.-U.) HadGEM3-GC31-LL r1i1p1f3
Institute for Numerical Mathematics (Russie) INM-CM4-8 r1i1p1f1
Institute for Numerical Mathematics (Russie) INM-CM5-0 r1i1p1f1
Institut Pierre-Simon Laplace (France) IPSL-CM6A-LR r1i1p1f1
National Institute of Meteo. Sciences and Korea Meteo. Administration (Corée) KACE-1-0-G r2i1p1f1
Korea Institute of Ocean Science and Technology (Corée) KIOST-ESM r1i1p1f1
Université de Tokyo JAMSTEC, NIES, et AORI (Japon) MIROC6 r1i1p1f1
Université de Tokyo JAMSTEC, NIES, et AORI (Japon) MIROC-ES2L r1i1p1f2
Max Planck Institute for Meteo. (Allemagne) MPI-ESM1-2-HR r1i1p1f1
Max Planck Institute for Meteo. (Allemagne) MPI-ESM1-2-LR r1i1p1f1
Meteorological Research Institute (Japon) MRI-ESM2-0 r1i1p1f1
Norwegian Climate Center (Norvège) NorESM2-LM r1i1p1f1
Norwegian Climate Center (Norvège) NorESM2-MM r1i1p1f1
Research Center for Env. Changes (Taiwan) TaiESM1 r1i1p1f1
Met Office Hadley Centre et NERC (R. U.) UKESM1-0-LL r1i1p1f2

Indices climatiques

Pour chaque MCM à échelle réduite, 31 indices climatiques ont été calculés (tableau 3).Les indices climatiques comprennent 27 indices de Climdex établis par le Groupe d’experts sur la détection et les indices d’extrêmes climatiques (ETCCDI)Références13 et 4 autres indices légèrement modifiés par rapport aux indices de Climdex. Ces indices sont calculés à partir des précipitations et des températures quotidiennes obtenues à partir des simulations à échelle réduite et sont obtenus à une résolution temporelle annuelle ou mensuelle, selon les indices.


Tableau 3. Liste de 31 indices climatiques (27 indices recommandés par l’ETCCDI et de 4 autres indices pris en compte dans ce projet [en caractères gras]).

Numéro Étiquette Nom de l’indice Unité
1 FD Nombre de jours de gel jours
2 SU Nombre de jours d’été (> 25 °C) jours
3 SU30 Nombre de jours d’été (> 30 °C) jours
4 ID Nombre de jours de givre jours
5 TR Nombre de nuits tropicales jours
6 GSL Durée de la saison croissance jours
7 TXx Valeur maximale mensuelle de la température journalière maximale (TX) °C
8 TNx Valeur maximale mensuelle de la température journalière minimale (TN) °C
9 TXn Valeur minimale mensuelle de TX °C
10 TNn Valeur minimale mensuelle de TN °C
11 TN10p Pourcentage de jours où la TN < 10e centile %
12 TX10p Pourcentage de jours où la TX < 10e centile %
13 TN90p Pourcentage de jours où la TN > 90e centile %
14 TX90p Pourcentage de jours où la TX > 90e centile %
15 WSDI Indice de durée des vagues de chaleur jours
16 CSDI Indice de durée des vagues de froid jours
17 DTR Amplitude de la température diurne °C
18 Rx1day Précipitations maximales sur un jour pendant un mois donné mm
19 Rx2day Précipitations maximales sur deux jours pendant un mois donné mm
20 Rx5day Précipitations maximales sur cinq jours pendant un mois donné mm
21 SDII Indice simple de l’intensité des précipitations mm
22 R1mm Nombre annuel de jours où les précipitations (PRCP) ≥ 1mm jours
23 R10mm Nombre annuel de jours où les PRCP ≥ 10mm jours
24 R20mm Nombre annuel de jours où les PRCP ≥ 20mm jours
25 CDD Durée maximale d’une période sèche, nombre maximal de jours consécutifs où les PRCP < 1mm jours
26 CWD Durée maximale d’une période pluvieuse, nombre maximal de jours consécutifs où les PRCP ≥ 1mm jours
27 R95p Précipitations totales annuelles accumulées les jours de pluie (PRCP > 95e centile) mm
28 R99p Annual total accumulation of precipitation on very wet days (PRCP > 99e centile) mm
29 PRCPTOT Précipitations annuelles totales les jours de pluie mm
30 R95day Nombre de jours où les précipitations quotidiennes dépassent le 95e centile jours
31 R99day Nombre de jours où les précipitations quotidiennes dépassent le 99e centile jours

Mises à jour et corrections des données

Mises à jour

Plusieurs ajouts ont été faits aux ensembles de données CanDCS6 en septembre 2024.

Le PCIC a ajouté le SSP3-7.0 au CanDCS-M6, qui contenait auparavant les SSP 1-2.6, 2-4.5 et 5-8.5. L’ensemble de données SSP3-7.0 comprend uniquement la première exécution (r1i1p2f1) du CanESM5, contrairement aux autres ensembles de données CanDCS6 qui en fournissent dix (r1-10). De plus, 3 des 26 modèles de la liste des modèles 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).

ECCC a élargi les ensembles de données CanDCS6 qui comprenaient auparavant des simulations de modèles individuels pour la température minimale, la température maximale et les précipitations totales en y ajoutant la température moyenne et une variété d’ensembles. Les ensembles pour les moyennes et les centiles sont disponibles pour tous les ensembles de données CanDCS6, y compris les indices.

Corrections

Lors de la création de l’ensemble CanDCS-M6, le PCIC a repéré des valeurs sporadiques anormalement élevées de la température maximale quotidienne dans 3 des 26 MCM utilisés. Le PCIC a déterminé qu’elles étaient causées par des erreurs dans les éléments atmosphériques et de surface terrestre communs aux modèles. Pour empêcher que ces erreurs se propagent dans l’ensemble de données à échelle réduite et éviter de créer des valeurs manquantes en omettant les valeurs anormales, le PCIC a appliqué une méthode de détection et de correction des valeurs aberrantes qui remplace les températures anormales par des valeurs interpolées de manière robuste à partir des mailles environnantes. Les trois modèles présentant des erreurs connues sont les deux modèles du Met Office Hadley Centre (MOHC), HadGEM3-GC31-LL et UKESM1-0-LL, et le modèle KACE-1-0-G de l’administration météorologique coréenne (KMA). Le PCIC a réexécuté les simulations de ces trois modèles en employant la méthode CanDCS-U6 et corrigé les ensembles de données initiaux. Les ensembles CanDCS-U6 mis à jour ont remplacé ceux qui se trouvaient déjà sur le site DSCC le 25 août 2023.

Par la suite, le PCIC a apporté des corrections à l’ensemble de données CanDCS-M6 sur les précipitations et à une petite partie de l’ensemble de données CanDCS-M6 du CanESM5 (CanESM5, r3i1p2f1, SSP1-2.6, 2060-2100). Les deux ensembles de données corrigés utilisaient la même méthode de correction pour la détection et le remplacement des valeurs anormales et ont été actualisés dans DSCC le 25 septembre 2024. Il est à noter que ces corrections n’ont pas eu d’incidence sur les indices de Climdex connexes, contrairement aux anciennes corrections pour la température maximale où tous les indices étaient actualisés en même temps.

Température moyenne

Les ensembles de données CanDSC comprennent la température maximale, la température minimale et les précipitations totales. À partir de ces données, ECCC a pu créer des ensembles de données sur la température moyenne pour tous les modèles, scénarios et périodes. Nous avons utilisé Python (version 3.10.4) et le paquet Xarray (version 2022.3.0) pour calculer la température moyenne quotidienne. Python, Climate Data Operators (CDO) [version 2.0.3] et NetCDF Operators (NCO) [version 5.0.5] ont été utilisés pour créer les ensembles de données mensuels (fonction « monmean » de CDO), tous dans un environnement Bourne-Again SHell (Bash).

Indices climatiques saisonniers

Douze des trente et un indices de Climdex produits par le PCIC sont distribués sur une échelle mensuelle plutôt que sur une échelle annuelle. Pour ces indices, ECCC a créé des versions saisonnières et annuelles calculées en tant que maximums, moyennes ou minimums saisonniers/annuels en fonction de l’indice (tableau 4). Les calculs ont été effectués avec CDO (version 2.0.3) dans un environnement Bash.


Tableau 4. Liste des 12 indices climatiques pour lesquels des versions saisonnières et annuelles ont été calculées.

Statistiques saisonnières/annuelles Fonctions de CDO Indices
Maximums

seasmax

yearmax

TXx - Valeur maximale mensuelle de la température journalière maximale (TX)

TNx - Valeur maximale mensuelle de la température journalière minimale (TN)

Rx1day - Précipitations maximales sur un jour pendant un mois donné

Rx2day - Précipitations maximales sur deux jours pendant un mois donné

Rx5day - Précipitations maximales sur cinq jours pendant un mois donné

Moyennes

seasmean

yearmean

TN10p - Pourcentage de jours où la TN < 10e centile

TX10p - Pourcentage de jours où la TX < 10e centile

TX90p - Pourcentage de jours où la TX > 90e centile

TN90p - Pourcentage de jours où la TN > 90e centile

DTR - Amplitude de la température diurne

Minimums

seasmin

yearmin

TXn - Valeur minimale mensuelle de TX

TNn - Valeur minimale mensuelle de TN

Ensembles de modèles

ECCC a calculé une moyenne et cinq centiles (5e, 25e, 50e, 75e, 95e) pour les ensembles de modèles de la distribution CanDCS6. Les ensembles de modèles sont disponibles pour tous les ensembles de données, les variables, les indices, les SSP et les périodes. Les ensembles de modèles sont tirés d’une réalisation unique de chaque modèle, y compris le CanESM5 (r1i1p2f1), afin d’éviter tout biais que pourrait entraîner un modèle unique. Nous avons utilisé CDO (version 2.0.3), Python (version 3.10.4) et NCO (version 5.0.5) dans un environnement Bash pour produire les ensembles de modèles, qui ont été calculés au moyen des fonctions statistiques « ensmean » et « enspctl » de CDO.

Les ensembles de modèles quotidiens, saisonniers et annuels nécessitaient des étapes de prétraitement supplémentaires avant les calculs. Des versions saisonnières et annuelles des ensembles de données de modèles contributifs ont été produites à l’aide de CDO (température : « seasmean », « yearmean »; précipitations : « seasum », « yearsum »). Le paquet Xarray (version 2022.3.0) pour Python a été utilisé pour convertir le calendrier (« convert_calendar ») des ensembles de données quotidiens au calendrier grégorien proleptique pour tout modèle ayant un type de calendrier différent. Le calendrier grégorien proleptique a été choisi puisqu’il s’agit du type de calendrier le plus répandu parmi les modèles contributifs. La fonction Xarray ajoute des jours contenant des valeurs manquantes; aucune valeur n’a été créée artificiellement par interpolation avec cette méthode.

Formats de fichier

Daily

Les simulations à échelle réduite ont été organisées en répertoires distincts contenant une simulation pour chaque MCM, variable, réalisation et trajectoire socioéconomique partagée (ajouter la balise « MBCn » pour les ensembles de données CanDCS-M6). Par exemple, la simulation à échelle réduite des CanDCS-U6 précipitations quotidiennes à partir de la première réalisation (r1i1p1f1) d’ACCESS-CM2 suivant la trajectoire SSP1 2.6 se trouve dans le répertoire :

ACCESS-CM2_pr_r1i1p1f1_ssp126{_MBCn}_5_year_files

Compte tenu de la grande taille de fichier des simulations à échelle réduite (57 Go par fichier), chaque simulation complète a été divisée en sous-ensembles de 5 ans. Chaque fichier de 5 ans est nommé selon le même format de nom de fichier pour décrire la simulation et l’intervalle de temps contenus dans le fichier. Par exemple, le premier fichier du répertoire indiqué ci-dessus est le suivant :

pr_day_BCCAQv2+ANUSPLIN300_ACCESS-CM2_historical+ssp126_r1i1p1f1_gn_19500101-19551231.nc

CLes éléments du nom de fichier comprennent ce qui suit :

Chaque répertoire de simulation contient un fichier de six ans (1950-1955, 2,3 Go) et 29 fichiers de cinq ans (1,9 Go chacun) qui, ensemble, constituent la simulation à échelle réduite de 151 ans à l’échelle du Canada pour le MCM, la variable, la réalisation et la trajectoire socioéconomique donnés. L’identificateur d’étiquette de grille indique si les simulations du MCM sont fournies à l’aide de la grille d’origine du modèle (« gn ») ou si elles ont été maillées de nouveau (« gr ») sur une autre grille principale par le centre de modélisation. Les cas où les simulations d’un MCM sont fournies à plus d’une résolution de grille sont indiqués à l’aide d’une désignation de nombre entier (p. ex., « gr2 »).

Indices

Les fichiers d’indices climatiques sont nommés selon le même format que celui du nom de fichier. Par exemple, le premier fichier dans le répertoire Climdex d’ACCESS CM2 est le CDD à résolution annuelle (ann) :

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 :

Mensuels

Il y a de petites différences entre les fichiers des MCM mensuels individuels pour CanDCS-U6 et CanDCS-M6. La somme mensuelle de pr pour le même MCM et 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 :

Ensembles de modèles et saisons

Les ensembles de modèles et les ensembles de données saisonnières respectent un format de nom de fichier semblable à celui des fichiers d’origine. Le type d’ensemble de modèles remplace le MCM et la résolution temporelle dépend de la sélection. Par exemple, le premier fichier dans le répertoire pour la température moyenne (tas) saisonnière 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 :

Le premier fichier dans le répertoire pour le pr quotidien pour le 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 :

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.

"Détails de la page"

Date de modification :