DCSIMG

Rechercher

Documentation technique : Indices climatiques mis à l’échelle de manière statistique CMIP5

Sur cette page

Aperçu

Sont disponibles des indices climatiques mis à l’échelle de manière statistique et à haute résolution, fondés sur les projections de 24 modèles climatiques mondiaux (MCM) qui ont participé à la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Il est possible de télécharger un vaste éventail d’indices climatiques pertinents pour les impacts, notamment des indices qui représentent le nombre de jours où la température ou les précipitations sont supérieures (ou inférieures) à une valeur de seuil, la durée des épisodes lorsqu’une condition météorologique ou climatique particulière survient, et les indices qui accumulent des écarts de température au-dessus ou au-dessous d’un seuil fixe. Les indices climatiques sont regroupés en catégories liées à la température, aux précipitations et à l’agroclimat.

Sont disponibles des ensembles de données multimodèles des indices climatiques mis à l’échelle de manière statistique pour des simulations historiques (1951-2005), ainsi que trois scénarios d’émissions, RCP 2.6, RCP 4.5 et RCP 8.5, selon une grille à une résolution de 10 km x 10 km. Les ensembles multimodèles et les résultats des modèles individuels peuvent être téléchargés.

Veuillez consulter Li et coll. (2018)Footnote 1 pour plus de détails sur le calcul et l’analyse de l’ensemble de données des indices climatiques mis à l’échelle de manière statistique.

Tableau 1. Caractéristiques principales
Variable Pour la liste complète des variables et les définitions
Région géographique Canada (masse terrestre seulement)
Résolution spatiale Grille à une résolution de degré de 10 km x 10 km
Période 1951 à 2100
Résolution temporelle Valeurs annualisées
Scénario d’émission RCP2.6
RCP4.5
RCP8.5

Données et traitement

Données multimodèles

Pour établir les indices, on a utilisé la version 2 de la méthode Bias Correction/Constructed Analogues (BCCAQv2) avec cartographie des différences par quantiles pour calculer les températures minimales et maximales quotidiennes (Tmin et Tmax, respectivement) et les données de mesure des précipitations des MCM mises à l’échelle de manière statistique. Au total, on s’est servi de 24 résultats des MCM mis à l’échelle de manière statistique.

Le programme BCCAQ est un algorithme hybride de réduction d’échelle qui combine la réduction d’échelle à l’aide du programme BCCA (Bias Correction/Constructed Analogues) (Maurer et coll., 2010Footnote 2) et la cartographie des différences par quantiles. Des détails sont fournis dans Werner et Cannon (2016)Footnote 3. En raison de l’utilisation de la cartographie des différences par quantiles (Quantile Delta Mapping; Cannon et coll., 2015Footnote 4), un mode de cartographie par quantiles qui préserve les changements, l’algorithme BCCAQv2 est différent de la version précédente. Pour plus de détails sur BCCAQv2 et la cible de mise à l’échelle.

Nota : L’étalonnage et la réduction d’échelle par des méthodes statistiques exigent que les simulations historiques soient concaténées à une projection RCP. Les simulations historiques à réduction d’échelle statistique et concaténées aux trois scénarios RCP ne sont pas identiques, ce qui constitue un artefact, bien que les différences soient généralement négligeables.

En outre, si on procède indépendamment à la réduction d’échelle de différentes variables, cela peut entraîner un faible nombre d’incohérences physiques (c.-à-d. les températures minimales peuvent à l’occasion dépasser les températures maximales), bien que les essais indiquent que la « correction » ponctuelle des températures incohérentes (p. ex., en interchangeant les minima et les maxima en cause) entraîne généralement des différences négligeables dans les indices climatiques calculés (Li et coll., 2018Footnote 1).

Définitions des indices climatiques

Il existe une gamme d’indices climatiques, comme les indices de l’équipe d’experts sur la détection et les indices du changement climatique (EEDICC). Les indices de l’EEDICC ont été élaborés pour comprendre les changements passés et futurs des phénomènes climatiques extrêmes (p. ex., Sillmann et coll. 2013a et bFootnote 5 Footnote 6). Toutefois, ils ne sont pas toujours pertinents pour le suivi des impacts climatiques à l’échelle régionale et locale (Li et coll., 2018Footnote 1).

Pour répondre aux besoins des différents groupes d’utilisateurs au Canada, des indices agroclimatiques sont fournis, et d’autres qui ont été proposés par la communauté de l’adaptation lors d’une série de consultations. Une liste de ces indices et de leurs définitions est disponible. Veuillez consulter la liste des définitions pour connaître les équations de chaque indice dans les Données et scénarios climatiques au Canada (DSCC).

Pondération égale des modèles

Les différents modèles CMIP5 utilisés pour les projections sont tous considérés comme donnant des projections également probables au sens de « un modèle, une voix ». Les modèles présentant des variations dans les schémas de paramétrage physique sont traités comme des modèles distincts.

Plage de modèles par l’utilisation de centiles d’ensemble

Comme les projections locales des changements climatiques sont incertaines, une mesure de la plage des projections des modèles est fournie (c.-à-d. 5e, 25e, 75e, 95e centiles), en plus de la réponse médiane (50e centile) de l’ensemble des modèles. Il convient de souligner une fois de plus que cette fourchette ne représente pas la totalité de l’incertitude des projections. La distribution combine les effets de la variabilité naturelle et de la dispersion des modèles.

Incertitude des projections

Le niveau des changements projetés aux indices correspond bien à l’augmentation projetée de la température moyenne mondiale et est insensible aux scénarios d’émissions, comme Li et coll. (2018)Footnote 1 l’ont constaté : les modèles s’accordent presque complètement sur les signes de changements projetés des indices de température pour chaque région du Canada. En revanche, l’incertitude quant aux changements projetés des précipitations s’est avérée importante. Les modèles ne s’entendent pas entièrement sur les signes de changement dans la plupart des régions pour un réchauffement planétaire de 2,1°C, mais s’entendent sur les signes de changement dans la plupart des régions pour un réchauffement de 4,5°C. Néanmoins, l’incertitude élevée des projections de précipitations ne devrait pas être une raison pour ignorer les changements projetés dans la planification de l’adaptation. Les projections fournissent des renseignements fiables et utilisables. Il y a une cohérence qualitative entre les projections médianes dans différents scénarios de forçage lorsqu’elles sont indexées selon la variation de la température et la preuve que la plupart des indices varient en fonction de la variation de la température. Il y a également une cohérence qualitative entre les changements projetés et les changements prévus d’origine thermodynamique dans les précipitations extrêmes.

Pratique exemplaire

Étant donné la grande variabilité naturelle du climat et les incertitudes en ce qui concerne les voies d’émissions et les réponses climatiques aux gaz à effet de serre, les changements projetés par un seul modèle climatique ne devraient pas être utilisés de façon isolée. Une bonne pratique consiste plutôt à prendre en compte une gamme de projections tirées de plusieurs modèles climatiques (ensembles) et scénarios d’émissions.

Bien que les probabilités ne soient pas associées à des scénarios particuliers de changements climatiques, l’utilisation d’une plage de scénarios peut donner aux utilisateurs une idée de la dispersion potentielle selon diverses voies d’émissions possibles.

Utilisation des résultats des modèles climatiques mondiaux en comparaison des ensembles de données mis à l’échelle de manière statistique

Il convient de noter que les changements projetés par les produits mis à l’échelle sur le plan statistique ne sont pas nécessairement plus crédibles que ceux des résultats du modèle climatique sous-jacent. Souvent, surtout pour les indices fondés sur des seuils absolus, l’écart des projections fondées sur des données mises à l’échelle est plus faible en raison de l’élimination des biais du modèle. Or ce n’est pas le cas pour tous les indices. La mise à l’échelle de la résolution du MCM pour qu’elle soit haute, ce qui est nécessaire pour l’évaluation des répercussions, augmente le niveau de détail spatial et de variabilité temporelle pour mieux correspondre aux observations. Étant donné que ces ajustements dépendent du MCM, les indices qui en résultent pourraient avoir un écart plus grand lorsqu’ils sont calculés à partir de données mises à l’échelle comparativement à ceux qui sont directement calculés à partir des résultats du MCM. Dans ce dernier cas, ce n’est pas la procédure de mise à l’échelle qui rend la projection plus incertaine, il s’agit plutôt d’une plus grande variabilité associée à une échelle spatiale plus haute.

Limite d’utilisation

Les ensembles multimodèles disponibles sur les sites Web d’Environnement et Changement climatique Canada sont fournis en vertu de la Licence du gouvernement ouvert – Canada.

En plus de cet avis, les ensembles de données des modèles individuels sont assujettis aux conditions d’utilisation (en anglais seulement) de l’organisation source.

Coordonnées de la personne-ressource

Courriel: f.ccds.info-info.dscc.f@ec.gc.ca

Tableau 2. Liste des modèles climatiques utilisés dans les ensembles multimodèles à réduction d’échelle statistique pour les indices climatiques
# Nom du modèle CMIP5 Établissement
1 BNU-ESM Collège des changements mondiaux et des sciences du système terrestre, Université normale de Beijing
2 CCSM4 National Center for Atmospheric Research
3 CESM1-CAM5 Fondation américaine des sciences, département de l’Énergie, National Center for Atmospheric Research
4 CNRM-CM5 Centre national de recherches météorologiques et Centre européen de recherche et formation avancée en calcul scientifique
5 CSIRO-Mk3.6.0 Organisation du Commonwealth pour la recherche scientifique et industrielle en collaboration avec le Queensland Climate Change Centre of Excellence
6 CanESM2 Centre canadien de la modélisation et de l’analyse climatique, Environnement et Changement climatique Canada
7 FGOALS-g2 LASG, Institut de physique atmosphérique, Académie chinoise des sciences, et CESS, Université Tsinghua
8 GFDL-CM3 Laboratoire de dynamique des fluides géophysiques
9 GFDL-ESM2G Laboratoire de dynamique des fluides géophysiques
10 GFDL-ESM2M Laboratoire de dynamique des fluides géophysiques
11 HadGEM2-AO Institut national de recherche météorologique / Administration météorologique coréenne
12 HadGEM2-ES Met Office Hadley Centre (réalisations additionnelles de HadGEM2-ES par l’Instituto Nacional de Pesquisas Espaciais)
13 IPSL-CM5A-LR Institut Pierre-Simon-Laplace
14 IPSL-CM5A-MR Institut Pierre-Simon-Laplace
15 MIROC-ESM Agence japonaise pour la science et la technologie mer-terre et Institut de recherche sur l’atmosphère et les océans (Université de Tokyo), et Institut national des études environnementales
16 MIROC-ESM-CHEM Agence japonaise pour la science et la technologie mer-terre et Institut de recherche sur l’atmosphère et les océans (Université de Tokyo), et Institut national des études environnementales
17 MIROC5 Institut de recherche sur l’atmosphère et les océans (Université de Tokyo) Institut national des études environnementales et agence japonaise pour la science et la technologie mer-terre
18 MPI-ESM-LR Institut Max Planck de météorologie (MPI-M)
19 MPI-ESM-MR Institut Max Planck de météorologie (MPI-M)
20 MRI-CGCM3 Meteorological Research Institute
21 NorESM1-M Centre climatique de Norvège
22 NorESM1-ME Centre climatique de Norvège
23 BCC-CSM1-1 Centre climatique de Beijing, Administration météorologique de la Chine Établissement
24 BCC-CSM1-1-m Centre climatique de Beijing, Administration météorologique de la Chine Établissement
Date de modification :