Le deuxième type de données sur la vitesse du vent est constitué par les observations nonajustées, ou « brutes », des stations météorologiques. Ces données peuvent être utilisées pour évaluer les vitesses de vent extrêmes puisque des données horaires et quotidiennes sont disponibles. Les données brutes des stations ne sont pas ajustées à l’aide de la procédure d’homogénéisation appliquée aux DCCAH. Pour la plupart des stations, ces données peuvent être consultées à l’aide de l’outil d’extraction des données climatiques. Pour en savoir plus sur la manière d’accéder aux données horaires de toutes les stations disponibles, veuillez cliquer sur ce lien.
Les observations horaires des stations ont été utilisées pour évaluer les tendances historiques de la vitesse des vents extrêmes au Canada. Les résultats indiquent des augmentations de la vitesse des vents extrêmes dans le Nord et des diminutions mineures dans la plupart des autres villes canadiennes. Cependant, la plupart des analyses des vitesses extrêmes des vents historiques au Canada révèlent que les tendances sont faibles ou peu robustes. [13],[14] Par conséquent, il est difficile de déterminer comment les changements climatiques peuvent affecter les vitesses extrêmes du vent.
.
Réanalyse
Les observations des stations représentent des observations historiques et sont limitées par le nombre de stations, la longévité des stations et la périodicité des mesures. Les stations sont peu nombreuses dans de nombreuses régions du Canada, en particulier dans le nord du pays.
Une autre source de données historiques sur la vitesse du vent est la réanalyse. Les réanalyses sont des données météorologiques produites par un modèle de prévision météorologique qui sont intégrées à des observations, ce qui les rend cohérentes avec les données historiques réelles et complètes sur le plan spatial. Le modèle est disponible sur une grille régulière, de sorte qu’aucun endroit ne manque. Les réanalyses peuvent être utilisées pour « combler les lacunes » lorsque les observations ne sont pas disponibles. La résolution spatiale des réanalyses est généralement plus élevée que celle de la plupart des données des modèles climatiques, car les réanalyses sont pour la plupart du temps produites à l’aide de modèles météorologiques, qui résolvent en règle générale des échelles spatiales plus fines que les modèles climatiques. La plupart des modèles climatiques globaux (MCG) ont une résolution spatiale comprise entre 250 km et 100 km, tandis que les réanalyses ultra moderne ont une résolution spatiale de 30 km ou plus fine.
Il existe plusieurs ensembles de données de réanalyse . L’ensemble de données de réanalyse le plus utilisé est ERA5 [15], produit par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT). ERA5 fournit des données horaires globales à une résolution de 30 km (~ ) de 1940 jusqu’à aujourd’hui (de nouvelles données sont ajoutées quotidiennement avec un retard d’environ 5 jours seulement).
La Réanalyse canadienne de Surface (RCaS, anciennement SRRD), développée par la Division de la recherche météorologique d’ECCC, se concentre sur le Canada.[16] La RCaS a une résolution spatiale de ~ 10 km et fournit des données horaires pour la période de 1980 à 2018. Veuillez consulter ce lien pour en savoir plus sur la RCaS , y compris sur la manière d’accéder aux données.
Comme tous les extrants de modèles, les données de réanalyse ne sont pas toujours parfaitement cohérentes avec les observations. Plusieurs études ont montré que les données ERA5 sur la vitesse du vent sous-estiment les valeurs extrêmes au Canada.[17], [18], [19] Les développeurs du RCaS notent que la différence moyenne entre les données de réanalyse et les données observées sur la vitesse du vent (l’erreur quadratique moyenne, ou RMSE) est d’environ 2 m/s. Cette différence est légèrement plus importante en hiver et au printemps, et plus faible en été et en automne. Une analyse détaillée des vents extrêmes à l’aide de la RCaS n’a pas encore été réalisée.
Projections des modèles climatiques
Les modèles climatiques mondiaux (MCM) sont des outils importants pour comprendre de nombreux aspects du climat futur, mais ils ne sont pas idéalement adaptés pour simuler la vitesse du vent près de la surface, en partie à cause de leur faible pouvoir de résolution spatiale (100 km à 250 km). Bon nombre des processus à l’origine des vents extrêmes, tels que la convection, nécessitent une résolution spatiale de 4 km ou moins pour être modélisés directement.[8] Les MCM ont également tendance à sous-estimer la fréquence des CET intenses par rapport aux modèles à plus haute résolution.[21],[22]
Pour affiner les projections des MCM, les climatologues utilisent des techniques de réduction d’échelle qui produisent des informations àplus haute résolution. La réduction d’échelle statistique conjugue des données d’observation à haute résolution avec des données provenant des MCM. Les observations quotidiennes à haute résolution de la vitesse du vent ne sont pas disponibles pour le Canada. Cela limite la possibilité d’appliquer des techniques de réduction d’échelle statistique aux données des MCM.
Une autre approche de la réduction d’échelle statistique est la réduction d’échelle dynamique à l’aide de modèles climatiques régionaux (MCR). Les MCR sont similaires aux MCM mais ont une plus haute résolution spatiale (mailles de grille plus petites) et simulent le climat d’une zone géographique limitée, comme l’Amérique du Nord. Les MCR combinent les données des MCM avec une représentation améliorée de la topographie et des processus climatiques physiques. La plupart des simulations des MCR disponibles pour le Canada ont une résolution spatiale comprise entre 25 et 50 km. Cette résolution peut améliorer la représentation des CET intenses, mais ne permet pas de simuler les tempêtes convectives.[23] Les MCR qui simulent directement les tempêtes convectives nécessitent une grande puissance informatique pour fonctionner; c’est pourquoi ils ne sont principalement utilisés qu’à des fins de recherche.
Références
[1] Sandink, D., Kopp, G., Stevenson, S., & Dale, N. (2019). Increasing High Wind Safety for Canadian Homes: A Foundational Document for Low-Rise Residential and Small Buildings (62; ICLR Research Paper Series, p. 128). Institute for Catastrophic Loss Reduction.
[2] Wang, X. L., Wan, H., & Swail, V. R. (2006). Observed Changes in Cyclone Activity in Canada and Their Relationships to Major Circulation Regimes. Journal of Climate, 19(6), 896–915. https://doi.org/10.1175/JCLI3664.1
[3] Priestley, M. D. K., & Catto, J. L. (2022). Future changes in the extratropical storm tracks and cyclone intensity, wind speed, and structure. Weather and Climate Dynamics, 3(1), 337–360. https://doi.org/10.5194/wcd-3-337-2022
[4] Booth, J. F., Wang, S., & Polvani, L. (2013). Midlatitude storms in a moister world: Lessons from idealized baroclinic life cycle experiments. Climate Dynamics, 41(3–4), 787–802. https://doi.org/10.1007/s00382-012-1472-3
[5] Sinclair, V. A., Rantanen, M., Haapanala, P., Räisänen, J., & Järvinen, H. (2020). The characteristics and structure of extra-tropical cyclones in a warmer climate. Weather and Climate Dynamics, 1(1), 1–25. https://doi.org/10.5194/wcd-1-1-2020
[6] Kar-Man Chang, E. (2018). CMIP5 Projected Change in Northern Hemisphere Winter Cyclones with Associated Extreme Winds. Journal of Climate, 31(16), 6527–6542. https://doi.org/10.1175/JCLI-D-17-0899.1
[7] Seiler, C., & Zwiers, F. W. (2016). How will climate change affect explosive cyclones in the extratropics of the Northern Hemisphere? Climate Dynamics, 46(11–12), 3633–3644. https://doi.org/10.1007/s00382-015-2791-y
[8] Prein, A. F. (2023). Thunderstorm straight line winds intensify with climate change. Nature Climate Change, 13(12), 1353–1359. https://doi.org/10.1038/s41558-023-01852-9
[9] Cheng, C. S., Lopes, E., Fu, C., & Huang, Z. (2014). Possible Impacts of Climate Change on Wind Gusts under Downscaled Future Climate Conditions: Updated for Canada. Journal of Climate, 27(3), 1255–1270. https://doi.org/10.1175/JCLI-D-13-00020.1
[10] Wan, H., Wang, X. L., & Swail, V. R. (2010). Homogenization and Trend Analysis of Canadian Near-Surface Wind Speeds. Journal of Climate, 23(5), 1209–1225. https://doi.org/10.1175/2009JCLI3200.1
[11] Vautard, R., Cattiaux, J., Yiou, P., Thépaut, J.-N., & Ciais, P. (2010). Northern Hemisphere atmospheric stilling partly attributed to an increase in surface roughness. Nature Geoscience, 3(11), 756–761. https://doi.org/10.1038/ngeo979
[12] Zeng, Z., Ziegler, A. D., Searchinger, T., Yang, L., Chen, A., Ju, K., Piao, S., Li, L. Z. X., Ciais, P., Chen, D., Liu, J., Azorin-Molina, C., Chappell, A., Medvigy, D., & Wood, E. F. (2019). A reversal in global terrestrial stilling and its implications for wind energy production. Nature Climate Change, 9(12), 979–985. https://doi.org/10.1038/s41558-019-0622-6
[13] Li, S., Irwin, P., Kilpatrick, J., Gibbons, M., & Valerie, S. (2017). A Review of Historical Extreme Wind Speeds in a Changing Climate At Some Major Canadian Cities. Leadership in Sustainable Infrastructure. CSCE Annual Conf. and Annual General Meeting, Montreal. https://legacy.csce.ca/elf/apps/CONFERENCEVIEWER/conferences/2017/pdfs/ENV/FinalPaper_850.pdf
[14] Leung, A. C. W., Gough, W. A., Butler, K. A., Mohsin, T., & Hewer, M. J. (2022). Characterizing observed surface wind speed in the Hudson Bay and Labrador regions of Canada from an aviation perspective. International Journal of Biometeorology, 66(2), 411–425. https://doi.org/10.1007/s00484-020-02021-9
[15] Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/qj.3803
[16] Gasset, N., Fortin, V., Dimitrijevic, M., Carrera, M., Bilodeau, B., Muncaster, R., Gaborit, É., Roy, G., Pentcheva, N., Bulat, M., Wang, X., Pavlovic, R., Lespinas, F., Khedhaouiria, D., & Mai, J. (2021). A 10 km North American precipitation and land-surface reanalysis based on the GEM atmospheric model. Hydrology and Earth System Sciences, 25(9), 4917–4945. https://doi.org/10.5194/hess-25-4917-2021
[17] Betts, A. K., Chan, D. Z., & Desjardins, R. L. (2019). Near-Surface Biases in ERA5 Over the Canadian Prairies. Frontiers in Environmental Science, 7, 129. https://doi.org/10.3389/fenvs.2019.00129
[18] Morris, M., Kushner, P. J., Moore, G. W. K., & Mercan, O. (2023). Atmospheric Circulation Patterns Associated with Extreme Wind Events in Canadian Cities. Journal of Climate, 36(13), 4443–4460. https://doi.org/10.1175/JCLI-D-22-0719.1
[19] Chen, T., Collet, F., & Di Luca, A. (2024). Evaluation of ERA5 precipitation and 10‐m wind speed associated with extratropical cyclones using station data over North America. International Journal of Climatology, 44(3), 729–747. https://doi.org/10.1002/joc.8339
[21] Jiaxiang, G., Shoshiro, M., Roberts, M. J., Haarsma, R., Putrasahan, D., Roberts, C. D., Scoccimarro, E., Terray, L., Vannière, B., & Vidale, P. L. (2020). Influence of model resolution on bomb cyclones revealed by HighResMIP-PRIMAVERA simulations. Environmental Research Letters, 15(8), 084001. https://doi.org/10.1088/1748-9326/ab88fa
[22] Seiler, C., Zwiers, F. W., Hodges, K. I., & Scinocca, J. F. (2018). How does dynamical downscaling affect model biases and future projections of explosive extratropical cyclones along North America’s Atlantic coast? Climate Dynamics, 50(1–2), 677–692. https://doi.org/10.1007/s00382-017-3634-9
[23] Pryor, S. C., Nikulin, G., & Jones, C. (2012). Influence of spatial resolution on regional climate model derived wind climates. Journal of Geophysical Research: Atmospheres, 117(D3), 2011JD016822. https://doi.org/10.1029/2011JD016822
[24] Cannon, A. J., Jeong, D. I., Zhang, X., & Zwiers, F. (2020). Climate-resilient buildings and core public infrastructure 2020: An assessment of the impact of climate change on climatic design data in Canada (En4-415/2020E-PDF). Environment and Climate Change Canada. publications.gc.ca/pub?id=9.893021&sl=0