Donneesclimatiques.ca a fait l’objet d’une refonte majeure afin qu’il soit plus facile que jamais de trouver, de comprendre et d’utiliser des données climatiques de haute qualité. Découvrez la nouvelle version de Donneesclimatiques.ca.

À propos de CanDCS-M6

Aperçu

Le jeu de données univariées des scénarios climatiques canadiens à échelle réduite pour CMIP6 (phase 6 du projet de comparaison des modèles couplés) est un ensemble de scénarios à échelle réduite, basés sur la dernière génération de projections climatiques de CMIP6. Les projections climatiques CMIP6 sont basées sur des modèles climatiques globaux actualisés et de nouveaux scénarios d’émissions de gaz à effet de serre appelés « Shared Socioeconomic Pathways » (SSPs)1.

Des ensembles de données statistiquement réduites sont fournis à partir de 26 modèles climatiques globaux issus de CMIP6 (voir ci-dessous) dans le cadre de trois scénarios d’émissions différents (c’est-à-dire SSP1-2,6, SSP2-4,5 et SSP5-8,5) en utilisant la méthode de réduction d’échelle MBCn2 et les mêmes données cibles de réduction d’échelle (PCIC-Blend). 

Des valeurs annuelles sont disponibles pour plus de 30 indices différents basés sur la température et les précipitations, tandis que des valeurs saisonnières et mensuelles sont disponibles pour certains de ces indices. Des données quotidiennes pour les températures maximales et minimales ainsi que les précipitations sont également fournies. Toutes les données sont disponibles pour l’ensemble du Canada à une résolution spatiale de ~6x10km pour la période historique de 1950-2014 et pour la période de 2015-2100 suivant chacun des trois scénarios d’émissions. Les valeurs de changement sont calculées par rapport à la période de référence de 1971-2000.

 

Traitement des données

Des ensembles multimodèles statistiquement réduits ont été construits à partir des résultats de 26 modèles climatiques globaux CMIP6 disponibles aux nœuds de données du Earth System Grid Federation (ESGF) (voir ci-dessous).

La méthode multivariée de correction des biais à N dimensions (MBCn) a été appliquée, en utilisant le PCIC-Blend comme jeu de données cible.

Tous les autres calculs d’indices climatiques ont été effectués à l’aide de la bibliothèque Python « xclim ».

 

Tableau 1. Liste des modèles climatiques globaux CMIP6 utilisés dans l’ensemble CanDCS-M6.

Institution

Nom du modèle

Réalisation

CSIRO-ARCCSS (Australie)

ACCESS-CM2

r1i1p1f1

CSIRO (Australie)

ACCESS-ESM1-5

r1i1p1f1

Centre climatique de Pékin (Chine)

BCC-CSM2-MR

r1i1p1f1

Centre canadien de modélisation et d’analyse du climat (Canada)

CanESM5

r1i1p2f1 ~ r10i1p2f1

Centre euro-méditerranéen pour 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 (USA)

GFDL-ESM4

r1i1p1f1

Met Office Hadley Centre et NERC (UK)

HadGEM3-GC31-LL

r1i1p1f3

Institut de mathématiques numériques (Russie)

INM-CM4-8

r1i1p1f1

Institut de mathématiques numériques (Russie)

INM-CM5-0

r1i1p1f1

Institut Pierre-Simon Laplace (France)

IPSL-CM6A-LR

r1i1p1f1

National Institute of Meteorological Sciences et Korea Meteorological Administration (Corée)

KACE-1-0-G

r2i1p1f1

Institut coréen des sciences et technologies de la mer (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

Institut Max Planck pour la météorologie (Allemagne)

MPI-ESM1-2-HR

r1i1p1f1

Institut Max Planck pour la météorologie (Allemagne)

MPI-ESM1-2-LR

r1i1p1f1

Institut de recherche météorologique (Japon)

MRI-ESM2-0

r1i1p1f1

Centre climatique norvégien (Norvège)

NorESM2-LM

r1i1p1f1

Centre climatique norvégien (Norvège)

NorESM2-MM

r1i1p1f1

Centre de recherche sur les changements environnementaux (Taiwan)

TaiESM1

r1i1p1f1

Met Office Hadley Centre et NERC (UK)

UKESM1-0-LL

r1i1p1f2

Références 

  1. Riahi, K., van Vuuren, D. P., Kriegler, E., Edmonds, J., O’Neill, B. C., Fujimori, S., Bauer, N., Calvin, K., Dellink, R., Fricko, O., Lutz, W., Popp, A., Crespo Cuaresma, J., KC, S., Leimbach, M., Jiang, L., Kram, T., Rao, S., Emmerling, J., Ebi, K., Hasegawa, T., Havlik, P., Humpenöder, F., Aleluia Da Silva, L., Smith, S., Stehfest, E., Bosetti, V., Eom, J., Gernaat, D., Masui, T., Rogelj, J., Strefler, J., Drouet, L., Krey, V., Luderer, G., Harmsen, M., Takahashi, K., Baumstark, L., Doelman, J., Kainuma, M., Klimont, Z., Marangoni, G., Lotze-Campen, H., Obersteiner, M., Tabeau, A., & Tavoni, M. (2017). Les voies socio-économiques partagées et leurs implications en matière d’énergie, d’utilisation des terres et d’émissions de gaz à effet de serre : An Overview. Global Environmental Change, 42, 153-168. https://doi.org/10.1016/j.gloenvcha.2016.05.009
  2. Cannon, A.J. Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables. Clim Dyn 50, 31–49 (2018). https://doi.org/10.1007/s00382-017-3580-6