À propos de MBCn

Aperçu

La  méthode multivariée de correction des biais (MBCn) est une approche statistique utilisée pour corriger les biais dans les simulations de modèles climatiques. Contrairement aux méthodes traditionnelles de correction des biais qui se concentrent sur la correction des biais dans les variables individuelles, la MBCn prend en compte les relations entre les variables multiples à travers différentes dimensions spatiales et temporelles. Cette approche permet une correction plus complète qui préserve la cohérence et les relations entre les variables, ce qui améliore les résultats pour diverses applications telles que la planification de l’adaptation. La méthode MBCn utilise une forme modifiée de la  transformation par quantile, telle qu’elle est utilisée dans BCCAQv2. Elle peut travailler avec plusieurs variables à la fois et préserve les propriétés statistiques entre chaque variable.  

La méthode

Le MBCn utilise les caractéristiques statistiques des distributions multivariées de référence d’un ensemble de données cible, pour adapter les distributions multivariées des variables du modèle climatique¹. 

Tout d’abord, la méthode applique un ajustement univarié à chaque variable climatique, en utilisant la même méthode de transformation par quantile que dans BCCAQv2.  

Ensuite, la structure dépendante entre les variables est ajustée à l’aide d’un processus itératif en plusieurs étapes. Ce processus est adapté du traitement de l’image, où l’information sur les couleurs est transférée d’une image une autre. 

Le processus s’achève lorsque les distributions multivariées des observations de référence (c’est-à-dire l’ensemble de données cible) et des simulations climatiques historiques, concordent, à l’intérieur d’une tolérance spécifiée.  

De par leur conception, les distributions multivariées ajustées correspondent à celles de la transformation par quantiles.

Quand l’utiliser ?

Il a été démontré² que la méthode MBCn est plus performante que les méthodes de transformation par quantiles univariées, en particulier pour les maxima annuels des distributions de l’indice Forêt-météo et l’autocorrélation spatio-temporelle des précipitations. 

Étant donné que la relation entre les variables est préservée dans le processus de réduction d’échelle, la méthode MBCn est appropriée lors de la réduction d’échelle des variables climatiques pour calculer les indices climatiques basés sur plus d’une variable, tels que l’indice humidex ou L’indice normalisé de précipitations et d’évapotranspiration (dit SPEI pour Standardized Evaporation Precipitation Index).