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 même méthode de réduction d’échelle BCCAQv22,3 et les mêmes données cibles de réduction d’échelle NRCANmet4 que les scénarios réduits basés sur CMIP5 (CanDCS-U5).
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.
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 de correction de biais/construction d’analogues, avec reclassification des quantiles, version 2 (BCCAQv2) a été appliquée, en utilisant le NRCANmet 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-U6.
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 |
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
Cannon, A. J., Sobie, S. R. et Murdock, T. Q. (2015). Bias correction of GCM precipitation by quantile mapping : How well do methods preserve changes in quantiles and extremes ? Journal of Climate, 28(17), 6938-6959. https://doi.org/10.1175/jcli-d-14-00754.1
Werner, A. T. et Cannon, A. J. (2016). Hydrologic Extremes – an intercomparison of multiple gridded statistical downscaling methods. Hydrology and Earth System Sciences, 20((4), 1483-1508. https://doi.org/10.5194/hess-20-1483-2016
McKenney, D. W., Hutchinson, M. F., Papadopol, P., Lawrence, K., Pedlar, J., Campbell, K., Milewska, E., Hopkinson, R. F., Price, D., & Owen, T. (2011). Customized spatial climate models for North America. Bulletin of the American Meteorological Society, 92(12), 1611–1622. https://doi.org/10.1175/2011bams3132.1
Ce projet a été réalisé avec l’appui de :
