Document technique pour les ensembles de prévisions décennales du Canada

Introduction et aperçu

Environnement et Changement climatique Canada est chargé de fournir aux Canadiens des renseignements sur les changements climatiques passés et futurs. Ces connaissances peuvent être utilisées pour les évaluations de l’incidence du climat, la planification de l’adaptation et l’élaboration de politiques d’atténuation. Cela inclut les prévisions décennales à court terme pour l’ensemble du Canada.

Les résultats de cette analyse sont basés sur des prévisions multimodèles mises à jour annuellement par le Centre principal pour les prévisions climatiques annuelles à décennales de l’Organisation météorologique mondiale (OMM). Ces prévisions sont analysées dans les rapports Global Annual to Decadal Climate Update. Ces sources fournissent des prévisions pour les cinq prochaines années. Toutefois, la plupart des prévisions des modèles individuels recueillies par le Centre principal vont jusqu’à 10 ans. Les prévisions décennales pour le Canada décrites ici couvrent cette fourchette de 10 ans.

Pour les prévisions décennales mondiales, veuillez consulter le site Web et le rapport de l’OMM. Pour obtenir des renseignements sur les prévisions décennales propres au Canada, veuillez consulter la page Web des Données et scénarios climatiques canadiens (DSCC).

Ce document décrit le processus utilisé pour préparer les prévisions décennales multimodèles pour le Canada. Ces ensembles de données comprennent des prévisions à court terme sur une échelle temporelle saisonnière et annuelle sur une période de dix ans. Les ensembles de données sont présentés sous forme d’anomalies dont la moyenne est calculée sur des intervalles de 5 ans, par rapport à la période de référence 1991-2020. Pour plus de renseignements sur ces ensembles de données, voir le tableau 1 ci-dessous.

Tableau 1. Principales caractéristiques des ensembles de données.

Variables et unités

Température de l’air près de la surface en degrés Celsius, moyenne calculée pour la saison ou l’année.

Taux journalier de précipitations en mm/jour, moyenne calculée pour la saison ou l’année.

Produits disponibles

Ensembles de données quadrillés au format NetCDF

Cartes au format .png

Un tableau des points sélectionnés par l’utilisateur peut être téléchargé au format CSV

Tous les résultats sont exprimés sous forme d’anomalies (par rapport à la période de référence historique)

Zone géographique

Canada

Résolution spatiale

Requadrillées selon une grille de 1x1 degré en utilisant l’interpolation arrondie

Résolution temporelle

Saisonnière : moyenne mobile sur 5 ans des anomalies saisonnières

Annuelle : moyenne mobile sur 5 ans des anomalies annuelles

Période

Période de référence historique (climatologie) : 1991-2020

Période de prévision : 10 ans à partir de l’année en cours. Par exemple, janvier 2024 – décembre 2033

Centiles

5^e, 25^e, 50^e (médiane), 75^e et 95^e centiles

Les ensembles de données centiles des ensembles multimodèles fournissent de l’information sur l’étendue ou la fourchette des prévisions décennales entre les modèles qui y contribuent. La moyenne des passes de chaque modèle est calculée de manière à ce que tous les modèles contribuent de façon égale à l’ensemble final. La moyenne de chaque modèle représente la prévision moyenne de ce modèle. Les centiles représentent la fourchette de ces moyennes pour l’ensemble des modèles.

Données et traitement

Téléchargement des données et liste des modèles

Toutes les données sont traitées à l’aide de scripts exécutés sur un système Unix dans l’interpréteur de commandes Bash (GNU). Les données de prévisions mondiales mensuelles pour les précipitations et les températures ont été fournies par le Centre principal de l’OMM et ont été masquées pour le Canada.

Les données de prévision proviennent de 15 centres de modélisation, chacun contribuant à plusieurs membres de l’ensemble (réalisation), pour un total dépassant les 180 membres. Chaque centre de modélisation réalise des prévisions tant de températures que de précipitations, à l’exception du Naval Research Laboratory (NRL), qui n’effectue que des prévisions de températures. Une liste des modèles inclus et certains de leurs détails sont disponibles ci-dessous dans le tableau 2.

Prétraitement

La version 3.11.11 de Python a été utilisée pour le prétraitement. La première étape a consisté à aligner toutes les sorties de modèle sur le même type de calendrier et la même période. Pour calculer les périodes de prévision, les ensembles de données ont été isolés de l’année de début à l’année de fin à l’aide de la fonction « reindex » de xarray (version 2024.11.0). Cette fonction génère également la mention « NaN » pour les points de données manquants.

Par exemple, les données prévisionnelles du Meteorological Research Institute (MRI) et de l’académie russe des sciences (RHMC) ont été incluses dans les prévisions pour la période 2024-2033. Les données prévisionnelles de ces modèles ne couvrent que la période comprise entre janvier 2024 et décembre 2028 pour les deux variables. Pour ces modèles, les 5 années restantes de la période de prévision contiennent la mention générée « NaN » (2029-2033). Une procédure similaire est appliquée pour les données de modèle manquantes sur différentes périodes de prévision.

Après avoir configuré les types de calendrier, la fonction « transpose » de la bibliothèque Python NumPy (version 1.26.4) a été utilisée pour transposer les ensembles de données. Ce processus reformate chaque variable pour avoir le « temps » comme première dimension. Viennent ensuite les dimensions des coordonnées (latitude et longitude), puis les membres de l’ensemble, qui forment la dernière dimension.

Analyse et calcul

Calcul des anomalies

L’OMM fournit des anomalies (A) pour chaque variable. Les anomalies sont calculées en soustrayant la moyenne de la période de référence historique 1991-2020 (μ) des valeurs prévisionnelles mensuelles (x). L’expression ci-dessous montre un exemple de ce calcul pour la période de prévision 2024-2033 :

$A_{pour le mois i en 2024-2033} = x_{pour le mois i en 2024-2033} - μ_{1991-2020}$

Moyenne des membres de l’ensemble par modèle

La version 3.10.4 de Python, ESMValTool et CDO (version 2.0.5) ont servi à analyser les prévisions décennales et à calculer les résultats. Python a été utilisé pour calculer la moyenne des anomalies sur l’ensemble des membres de chaque modèle. Ce processus tient compte du nombre variable de membres de l’ensemble parmi les modèles et égalise la contribution de chaque modèle à l’ensemble multimodèles. Plus précisément, la fonction « np.mean » de la bibliothèque Python NumPy a été utilisée pour calculer la moyenne des membres pour chaque modèle avant de créer les centiles.

Requadrillage et masquage

Les ensembles de données du modèle ont été interpolés sur une grille mondiale commune de 1x1 degré à l’aide de la fonction de remappage au plus proche voisin de CDO (remapnn). Après le requadrillage, la bibliothèque Python Xarray a été utilisée pour masquer les données mondiales de chaque modèle au Canada.

Calcul de la moyenne mobile

L’utilisation des données prévisionnelles modélisées s’accompagne d’incertitude, en particulier lorsqu’il s’agit de moyennes mensuelles ou saisonnières prises seules. Pour réduire l’incertitude, des moyennes mobiles sur 5 ans sont fournies. Par exemple, la moyenne sur la période de 10 ans peut inclure les périodes  suivantes : 2024-2028, 2025-2029, 2026-2030, 2027-2031, 2028-2032 et 2029-2033. Les moyennes mobiles sont indexées sur l’année centrale de leurs périodes respectives. Par exemple, la moyenne pour la période  2024-2028 est indiquée par l’année 2026. Le modèle doit disposer des données pour les cinq années de la période moyenne mobile. Si ce n'est pas le cas, il est exclu pour cette période.

Une moyenne mobile nivelle le champ d’anomalies de chaque modèle en calculant la moyenne des anomalies annuelles ou saisonnières sur cinq ans à chaque coordonnée de l’ensemble de données. On obtient ainsi une moyenne mobile sur 5 ans pour chaque échelle temporelle sur une grille de 1x1 degré du Canada. Le calcul de cette analyse peut être simplifié à l’aide de l’équation suivante. Dans cette expression, x est l’année centrale de la période, a est l’anomalie pour les coordonnées définies, et A est la moyenne mobile sur 5  ans des anomalies aux coordonnées définies :

$A (lat,lon) = \frac{1}{5_{années}} Σ_{x + 2}^{t = x - 2} a (x, lat,lon)$

Centiles d’ensemble

Les centiles de l’ensemble multimodèles des prévisions décennales pour chaque variable ont été calculés à l’aide de CDO. Il s’agit des 5e, 25e, 50e (médiane), 75e et 95e centiles. Les statistiques sur les centiles peuvent donner une idée de la plage d’incertitude entre les projections des modèles. Pour plus d’information, voir le tableau 1 et le tableau 2 ci-dessous. Pour une analyse détaillée du processus de calcul de ces centiles, veuillez consulter la figure 1.

Cartes

Les cartes ont été générées en Python à l’aide de MatPlotLib (version 3.8.4) et de Cartopy (version 0.23.0) sur une carte stéréographique polaire du Canada.

**Figure 1.** Le processus de transformation des prévisions décennales mensuelles mondiales en une moyenne mobile sur 5 ans des anomalies prévues par l’ensemble pour le Canada.

Tableau 2. La liste des centres de modélisation et le nombre de membres de l’ensemble disponibles pour chaque modèle pour les prévisions de 2024-2033.

Centre de modélisation	Nom du centre de modélisation	Modèle	Nombre de membres de l’ensemble pour la température	Nombre de membres de l’ensemble pour les précipitations
BCCR	Bjerknes Centre for Climate Research	NorCPM1	23	30
SMHI	Swedish Meteorological and Hydrological Institute	EC-Earth3	10	10
CCmaC	Centre canadien de la modélisation et de l’analyse climatique	CanCM4	10	10
CMCC	ECentre euro-méditerranéen pour le changement climatique	CMCC-CM2-SR5	20	20
DWD	Deutscher Wetterdienst	MPI-ESM-LR_hckf405s	16	16
LASG	The State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics	FGOALS-f3-L	9	9
MIROC	Japan Agency for Marine-Earth Science and Technology	MIROC6	10	10
MOHC	The UK Meteorological Office	HadGEM3-GC31-MM	10	10
MRI	Meteorological Research Institute	MRI-ESM2-0	10	10
GFDL	Geophysical Fluid Dynamics Laboratory	GFDL-SPEAR_LO	10	10
IITM-MoES	Indian Institute of Tropical Meteorology	IITM-MoES	10	10
IPSL	Institut Pierre-Simon Laplace	IPSL-CM62-ESMCO2	10	10
NRL	Naval Research Laboratory	Lean&Rind (2009)	1	N/A
NCAR	National Center for Atmospheric Research	NCAR	20	20
RHMC	Institute for Numerical Mathematics, Russian Academy of Science	INM-CM5	15	15
Total			184	190

Licence de l’ensemble de données

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

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

Certains des centres contributeurs fournissent actuellement leurs données sur des canaux ouverts. Pour plus d’information sur un modèle précis, veuillez contacter le centre de modélisation approprié.

Personne-ressource

FPour plus d’information sur les ensembles de données multimodèles d’anomalies décennales prévues pour le Canada disponibles sur le site des DSCC, veuillez écrire à ECCC à l’adresse suivante : f.ccds.info-info.dscc.f@ec.gc.ca

Liste des acronymes

DSCC: Données et scénarios climatiques canadiens
OMM: Organisation météorologique mondiale
ECCC: Environnement et Changement climatique Canada
Bash: environnement Bourne-again shell
CDO: Climate Data Operators
NCO: NetCDF Operators
NaN: N’est pas un nombre

"Détails de la page"

Date de modification :: 2019-03-01

Rechercher