Les observations à long terme des variables météorologiques, telles que la température, les précipitations, l’humidité et le vent, sont utilisées pour suivre les changements climatiques. Dans certaines régions du Canada, et dans le reste du monde, la densité spatiale des observations météorologiques rigoureuses et à long terme est faible pour un certain nombre de raisons. Pour pallier ce manque, d’autres types de données sont combinés aux observations des stations à l’aide d’un modèle météorologique afin de fournir une description plus cohérente des changements météorologiques historiques. Cet article décrit l’une des approches utilisées pour fournir une description plus complète, dans l’espace et dans le temps, des conditions météorologiques et climatiques passées, à savoir la réanalyse. Découvrez les ensembles de données de réanalyse, leur fonctionnement, leurs utilisations et leurs limites dans cet article.
Les ensembles de données de réanalyse sont communément appelés « cartes sans lacunes ».
Des relevés météorologiques longs, rigoureux et cohérents sont importants pour comprendre le temps et le climat. Une représentation précise du climat historique de la Terre nous aide à comprendre comment il évolue. Dans la plupart des pays, les mesures météorologiques effectuées par les stations n’ont pas été réalisées de manière cohérente dans le temps ou dans l’espace1. D’autres méthodes de mesure des variables météorologiques, telles que les observations par radar ou par satellite, n’ont pas non plus une couverture temporelle ou spatiale cohérente. Les ensembles de données de réanalyse combinent les nombreuses méthodes utilisées pour mesurer les variables météorologiques avec les modèles météorologiques, une technique appelée assimilation de données. Ces ensembles de données historiques maillées sont des représentations spatiales et temporelles complètes des conditions météorologiques passées et sont utiles pour les études climatiques.
Les ensembles de données de réanalyse fournissent une image tridimensionnelle des conditions météorologiques passées2. Elles ont généralement des résolutions spatiales horizontales comprises entre des grilles de 10 km x 10 km et des grilles de 100 km x 100 km, tandis que la couverture et la résolution des niveaux verticaux (hauteurs) varient d’un produit de réanalyse à l’autre. La résolution temporelle va de quelques heures à quelques jours. Étant donné que les observations météorologiques ont été réanalysées à l’aide d’un modèle météorologique pour produire le nouvel ensemble de données, le produit est appelé « réanalyse ».
Pour produire les ensembles de données de réanalyse, les modèles météorologiques combinent (ou assimilent) les données d’observation historiques provenant de sources telles que les stations météorologiques, les ballons météorologiques, les avions, les navires et les satellites, en utilisant la physique atmosphérique pour mélanger les informations qui se chevauchent et compléter les mesures météorologiques manquantes. Par conséquent, une réanalyse produit une image globale ou régionale du temps passé qui est aussi proche de la réalité que possible, à des échelles de temps cohérentes, de la surface de la Terre jusqu’au sommet de l’atmosphère. Les ensembles de données de réanalyse tirent parti des forces des observations et des modèles météorologiques pour fournir une représentation contiguë du temps dans le temps et dans l’espace. Une autre façon de décrire la réanalyse est une réinterprétation des données observées dans le passé.
Compte tenu de la grande variété de variables disponibles et de la couverture complète des ensembles de données de réanalyse dans l’espace et dans le temps, ces ensembles de données ont de nombreuses utilisations. Leurs principales utilisations sont expliquées ci-dessous.
Combler les lacunes dans l’espace et le temps
Les observations météorologiques du monde entier ne sont pas réparties uniformément dans l’espace et ne couvrent pas les mêmes périodes de temps. Au Canada, par exemple, la plupart des stations météorologiques se trouvent dans les régions densément peuplées du pays. L’une des principales utilisations des ensembles de données de réanalyse est de mieux comprendre comment le climat a changé dans les régions où le nombre de stations météorologiques est limité. L’un des principaux avantages des jeux de données de réanalyse est qu’ils fournissent une représentation plus complète de l’état de l’atmosphère dans le temps et dans l’espace que les seules observations. Les ensembles de données de réanalyse sont donc utiles pour les secteurs qui nécessitent des mesures cohérentes et fiables, comme la production d’énergie éolienne et hydroélectrique. Il est toutefois important de rappeler que les réanalyses ne sont pas en mesure de capturer les effets locaux à une résolution plus fine que la résolution de la réanalyse.
Accéder à des variables non mesurées
Comme les modèles atmosphériques qui produisent les ensembles de données de réanalyse simulent les processus physiques qui se produisent dans l’atmosphère, la réanalyse inclut souvent des variables qui ne sont parfois pas mesurées de manière routinière par les stations météorologiques. La température du sol et la hauteur des nuages sont des exemples de ces variables.
Validation des résultats des modèles climatiques
Les données des réanalyses sont souvent utilisées dans la recherche, en conjonction ou à la place des observations des stations météorologiques, pour vérifier la performance des résultats des modèles climatiques. Ce processus de validation nécessite des mesures cohérentes pour une variété de variables à travers l’espace et le temps, de préférence en grille, et donc l’utilisation de données de réanalyse est souvent plus appropriée dans ces cas.
Utilisation d’ensembles de données de réanalyse pour l’élaboration de scénarios climatiques
Les jeux de données de réanalyse peuvent être utilisés comme jeux de données de référence lors de l’ajustement du biais des sorties des modèles climatiques et lors de la réduction d’échelle à une résolution plus adaptée à la prise de décision. Un jeu de données de réanalyse (ERA5-land) a été utilisé pour ajuster les biais et réduire l’échelle des sorties des modèles climatiques afin de créer les projections Humidex pour le Canada3 disponibles sur Donneesclimatiques.ca.
Les ensembles de données de réanalyse peuvent être considérés comme de très bonnes estimations des variables atmosphériques car ils sont ancrés à la fois par des observations et des sorties de modèles météorologiques. Cependant, ils présentent certaines limites. Ces limites sont principalement dues aux abonnés:
Précision des observations météorologiques.
Si les observations des stations météorologiques présentent des inexactitudes ou des biais, ceux-ci seront reproduits dans la réanalyse.
Réseau d’observation météorologique peu étendu et périodes d’observation courtes.
Les observations météorologiques sont rares pour de grandes régions du Canada et, à de nombreux endroits, les observations sont de courte durée. Les régions disposant de moins de données à introduire dans la réanalyse présenteront plus d’inexactitudes que les régions disposant de plus de données d’entrée. Cependant, dans les régions où les observations sont moins nombreuses, la réanalyse peut encore être utile. Les ensembles de données de réanalyse sont plus performants que les ensembles de données d’observation maillées dans les régions où les données sont rares, telles que les régions montagneuses.4
Étant donné que les produits de réanalyse sont le résultat de la combinaison d’observations et de données modélisées, les résultats de la réanalyse correspondent le mieux aux observations dans les régions où les observations sont denses et complètes. Dans les régions où les observations sont peu nombreuses, les sorties du modèle météorologique dominent les résultats (les sorties du modèle sont moins influencées par les observations parce qu’il y a moins d’observations). Les produits de réanalyse présentent donc un degré d’incertitude plus élevé dans les régions où les observations sont rares. Étant donné que les différents produits de réanalyse utilisent différentes combinaisons d’observations et de modèles météorologiques, il est utile de comparer les résultats de ces produits pour les régions où les mesures sont rares afin de mieux comprendre l’incertitude.
Précision des modèles météorologiques
Aucun modèle physique du temps n’est parfait et, par conséquent, les inexactitudes et les simplifications du modèle peuvent avoir un impact sur les données de la réanalyse.
La résolution temporelle et spatiale des données de réanalyse
La réanalyse fournit une estimation cohérente de l’atmosphère dans l’espace et dans le temps, les résultats étant produits sous forme de points de grille, tout comme ceux des modèles climatiques globaux. Étant donné que ces grilles reflètent la moyenne de la zone couverte par la cellule de la grille, elles peuvent ne pas refléter des emplacements spécifiques dans la cellule de la grille. Les grilles à résolution plus fine, avec des points de grille plus petits et des pas de temps plus fréquents, par exemple tous les heures, permettent d’obtenir des données de réanalyse plus précises que celles qui sont créées à des résolutions plus grossières.