DonneesClimatiques.ca est le résultat de la collaboration d’Environnement et Changement Climatique Canada, le Centre de Recherche Informatique de Montréal (CRIM), CLIMAtlantic, Ouranos, le Pacific Climate Impacts Consortium (PCIC), le Centre climatique des Prairies (CCP) et HabitatSeven.
Le climat change rapidement. Le Rapport sur le climat changeant du Canada montre que le climat au Canada continuera de se réchauffer en raison de l’augmentation des émissions de GES au niveau global. Autres changements du climat devraient également s’intensifier avec le réchauffement, tels que l’augmentation de la chaleur extrême, l’augmentation des précipitations totales et extrêmes et la diminution de la couverture de neige et de glace. Par conséquent, il est de plus en plus important pour les Canadiens d’intégrer les considérations relatives aux changements climatiques dans leurs processus décisionnels.
Un portail de données en ligne est une approche souvent adoptée afin d’assurer une disponibilité des données climatiques au plus grand nombre de personnes possible. Sans un portail, l’élaboration de plans pour l’adaptation aux changements climatiques pourrait devenir une tâche laborieuse. Même pour les experts, des tâches comme l’accès à de grandes quantités de données fiables, une analyse complète ou le calcul de variables clés pour une région déterminée peuvent prendre des mois et entraîner des coûts de plusieurs milliers de dollars. Nous sommes fiers de vous présenter Donneesclimatiques.ca, un portail équipé d’une technologie de pointe et des jeux de données les plus récents.
Donneesclimatiques.ca qui permet aux Canadiens d’avoir accès à des données climatiques, de les visualiser et de les analyser. Le portail fournit également de l’information et des outils connexes pour appuyer la planification et la prise de décision en matière d’adaptation. L’approche collaborative que nous avons adoptée pour fournir des services climatiques aux Canadiens a pour but de favoriser la création d’un réseau de fournisseurs nationaux et régionaux de services en matière de climat qui appuiera la prestation continue de renseignements spécialisés adaptés à des secteurs spécifiques de l’industrie.
DonneesClimatiques.ca est le résultat de la collaboration entre:
Chacun des différents aspects de la conception de Donneesclimatiques.ca a été réalisé de manière collaborative, participative, transparente et neutre. C’est le cas pour la détermination des besoins, la participation des utilisateurs, l’établissement des priorités, la production du contenu, la vérification de la qualité des données, la gestion du projet, etc. Les partenaires ont formé une équipe multidisciplinaire pancanadienne consacrée au projet.
Donneesclimatiques.ca fait partie d’un continuum de portails et de plateformes de données climatiques conçus au Canada, qui diffusent de manière collaborative de l’information sur le climat ciblant différents publics, dont le grand public, les médias, les analystes des politiques et les décideurs, ainsi que les chercheurs et les scientifiques.
L’information sera partagée entre ces portails afin de donner accès aux utilisateurs à l’information répondant à leurs besoins et afin d’encourager les fournisseurs de services en matière de climat à travailler ensemble, à partager les leçons apprises et les bonnes pratiques et à tirer profit de ressources et de l’expertise.
L’Atlas combine la science climatique, la cartographie, la vidéographie et le conte d’histoire pour amener la question mondiale du changement climatique plus près de nous.
Données climatiques hautes résolution pour aider les décideurs à construire un Canada plus résilient.
PAVICS fournit des outils évolués pour le milieu universitaire, les développeurs de scénarios climatiques et les autres utilisateurs expert.
Donneesclimatiques.ca est un portail de renseignements sur le climat qui permet aux Canadiens d’avoir accès à des données climatiques, de les visualiser et de les analyser. Le portail fournit également de l’information et des outils connexes pour appuyer la planification et la prise de décision en matière d’adaptation. L’approche collaborative que nous avons adoptée pour fournir des services climatiques aux Canadiens a pour but de favoriser la création d’un réseau de fournisseurs nationaux et régionaux de services en matière de climat qui appuiera la prestation continue de renseignements spécialisés adaptés à des secteurs spécifiques de l’industrie. Chacun des différents aspects de la conception de Donneesclimatiques.ca a été réalisé de manière collaborative, participative, transparente et neutre. C’est le cas pour la détermination des besoins, la participation des utilisateurs, l’établissement des priorités, la production du contenu, la vérification de la qualité des données, la gestion du projet, etc. Les partenaires ont formé une équipe multidisciplinaire pancanadienne consacrée au projet.
L’ensemble de données multivariées des scénarios climatiques canadiens à échelle réduite pour CMIP6 (phase 6 du Projet de comparaison des modèles couplés) fournit des indices projetés de température et de précipitations, pour trois scénarios d’émissions à une résolution d’environ 6×10 km. Les 10e, 50e et 90e percentiles d’un ensemble de 26 modèles climatiques sont fournis. Les valeurs de changement sont calculées par rapport à la période de référence 1971-2000.
Méthode de réduction d’échelle : MBCn
Cible de réduction d’échelle : PCIC-Blend
Citer cet ensemble de données : Citer Donneesclimatiques.ca
La correction des biais multidimensionnels (MBCn) est une méthodologie statistique pour la réduction d’échelle des données quotidiennes du modèle climatique global (MCG), c’est-à-dire qu’elle est utilisée pour transformer les informations du MCG à résolution grossière en échelles spatiales plus pertinentes au niveau local. Il s’agit d’une méthode multivariée qui réduit l’échelle de plusieurs variables à la fois.
Pour plus d’information, se référer à :
Cannon, A. J., 2018: Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables. Climate Dynamics, 50, 31-49, doi:10.1007/s00382-017-3580-6.
PCIC-Blend est un ensemble de données d’observation quotidiennes et maillées qui a été utilisé dans des techniques de réduction d’échelle multivariée telles que MBCn, et a été utilisé dans le développement de CanDCS-M6. PCIC-Blend est basé sur trois ensembles de données existants. Deux d’entre eux sont des versions récemment mises à jour du jeu de données NRCANmet utilisé pour créer CanDCS-U5 et CanDCS-U6 : NRCANmet-Adjusted Precipitation, qui couvre le Canada (MacDonald et al. 2021), et NRCANmetV2 Temperature, qui couvre l’Amérique du Nord (MacDonald et al. 2020). Le troisième jeu de données, PNWNAmet, couvre l’ouest du Canada et le nord-ouest du Pacifique, et comprend les températures et précipitations minimales et maximales. Alors que les jeux de données NRCANmet mis à jour présentent des améliorations notables par rapport à la version précédente sur le centre et l’est du Canada, leur performance est inférieure à celle de PNWNAmet sur l’ouest du Canada lorsqu’elle est comparée à des observations de stations de haute qualité. Par conséquent, les valeurs de PNWNAmet dans l’ouest du Canada ont été combinées avec les valeurs de NRCANmet V2 (température) et NRCANmet-Adjusted (précipitations) dans le centre et l’est du Canada pour produire le PCIC-Blend.
L’ensemble de données univariées des scénarios climatiques canadiens à échelle réduite pour CMIP5 (phase 5 du Projet de comparaison des modèles couplés) fournit des indices projetés de température et de précipitations, pour trois scénarios d’émissions à une résolution d’environ 6x10km. Les 10e, 50e et 90e percentiles d’un ensemble de 24 modèles climatiques sont fournis. Les valeurs de changement sont calculées par rapport à la période de référence 1971-2000.
Méthode de réduction d’échelle : BCCAQv2
Cible de réduction d’échelle : NRCANmet
Citer cet ensemble de données : Citer Donneesclimatiques.ca
BCCAQ est une méthode de mise à l’échelle statistique des sorties de modèles climatiques développée par le Pacific Climate Impacts Consortium. Elle s’applique sur les températures et les précipitations quotidiennes incluant les indices d’extrêmes. Hybride de BCCA (Maurer et al. 2010) et de QMAP (Gudmundsson et al. 2012), la méthode combine la correction de biais par mappage de quantiles avec une approche analogue en utilisant la grande échelle quotidienne des champs de température et de précipitation. BCCAQ a été développée pour corriger les biais des séries de précipitations quotidiennes des modèles climatiques afin d’améliorer la conservation des propriétés statistiques (p. ex. les moyennes, les variances et les quantiles) des séries d’observations historiques (obtenues de la base de données ANUSPLIN dans le cas présent). La robustesse de la méthodologie a été testée sur trois critères : séquences quotidiennes des événements de précipitations, caractéristiques des distributions et corrélations spatiales. BCCAQv2 est une modification de BCCAQ qui conserve la large échelle des changements projetés pour chaque quantile durant les étapes de mappage des quantiles, alors que d’autres méthodes ont tendance à amplifier le signal des changements climatiques. C’était par exemple le cas avec la méthode utilisée pour BCCAQv1. La préservation du signal du changement climatique est importante pour préserver les relations physiques avec les changements de température projetés.
Pour plus d’informations, consulter Cannon, A.J., S.R. Sobie, and T.Q. Murdock, 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, doi:10.1175/JCLI-D-14-00754.1.
Références additionnelles : Gudmundsson, L., J. Bremnes, J. Haugen and T. Engen-Skaugen, 2012: Technical note: Downscaling RCM precipitation to the station scale using statistical transformations – A comparison of methods. Hydrol. Earth Syst. Sci., 16, 3383-3390, doi:10.5194/hess-16-3383-2012.
Maurer, E.P., H. Hidalgo, T. Das, M. Dettinger and D. Cayan, 2010: The utility of daily large-scale climate data in the assessment of climate change impacts on daily streamflow in California. Hydrol. Earth Syst. Sci., 14, 1125-1138, doi:10.5194/hess-14-1125-2010.
Hiebert, J., A. Cannon, A. Schoeneberg, Stephen Sobie, and T. Murdock, 2018: ClimDown: Climate Downscaling in R. The Journal of Open Source Software, 3(22), 360.
Les données observées interpolées sur une grille de 300 arc secondes (1/12°, ~10 km) ont été produites sur l’ensemble du Canada par Ressources naturelles Canada (NRCan). La base de données de températures minimales et maximales et de précipitations quotidiennes a été développée par le Service canadien des forêts (NRCan) pour la période 1950-2012 (Hopkinson et al. 2011; McKenney et al. 2011) et mise à jour à 2013 pour corriger des artéfacts dans la région de la rivière Churchill. L’interpolation est basée sur la méthode Australian National University Spline (ANUSPLIN) qui utilise des algorithmes de lissage par plans affinés (Hutchinson et al. 2009) en utilisant la latitude, la longitude et l’élévation comme prédicteurs. L’occurrence des précipitations et de leur quantité transformée par une méthode de racine-carrée ont été interpolées séparément pour chaque jour, puis transformées à nouveau vers les unités originales. Les données de stations des Archives nationales d’information et de données climatologiques d’Environnement et Changement Climatique Canada, ayant subi un contrôle de qualité sans toutefois êtres ajustées, ont été interpolées sur une grille à haute résolution en utilisant une méthode de lissage par plans affinés (Hutchinson et al. 2009). La disponibilité des stations varie dans le temps, elle atteint un maximum dans la décennie 1970 puis diminue lorsqu’on s’approche des années plus récentes (Hutchinson et al. 2009). Le nombre de stations en opération au Canada entre 1950 et 2011 se situe entre 2000 et 3000 pour la précipitation et entre 1500 et 3000 pour la température (Hopkinson et al. 2011).
Les données SPEI disponibles sur ClimateData.ca sont décrites dans Tam et al. (2018). Les données concernent un ensemble de 29 ensembles de modèles climatiques mondiaux CMIP5 pour trois RCP (2,6, 4,5 et 8,5) pour la période 1900-2100. Les températures journalières mensuelles minimales et maximales moyennes et les précipitations mensuelles totales de chaque modèle climatique ont été reconstituées en une grille commune de 1° x 1 °.
Pour un certain nombre de raisons, des biais dans la sortie du modèle existent toujours par rapport aux observations. Avant de calculer le SPEI, une correction du biais multivarié a été entreprise pour les précipitations et les températures minimales et maximales (Cannon, 2016). Pour ces trois variables, leurs distributions marginales et leurs corrélations intervariables ont été corrigées pour correspondre aux valeurs observées au cours de la période de calage historique (1950-2005). Les changements projetés par GCM dans les quantiles de chaque variable ont également été préservés pour les périodes futures. L’ensemble de données d’observation utilisé comme cible au cours de la période d’étalonnage dans le processus de correction du biais multivarié était l’ensemble de données canadiennes maillées (CANGRD ; Vincent et al., 2015). Une correction du biais a été appliquée à chaque simulation GCM pour la période de 1900 à 2100.
Après correction du biais, la différence entre les précipitations (P) et l’évapotranspiration potentielle (PET) a été calculée pour chaque mois pour toute la période de 1900 à 2100 pour chaque simulation GCM. Le PET a été calculé à l’aide de la méthode Hargreaves modifiée (Droogers et Allen, 2002), qui présente des performances similaires à la méthode Penman-Monteith, plus gourmande en données, mais ne nécessite que des précipitations mensuelles totales et des températures quotidiennes moyennes mensuelles minimales et maximales en entrée. La différence, P-PET, peut ensuite être agrégée sur différentes échelles de temps (généralement, entre 1 et 48 mois) pour étudier la nature multiscalaire de la sécheresse. En suivant la méthodologie décrite dans Vicente-Serrano et al. (2010) et Tam et al. (2018), SPEI a été dérivée de la distribution log-logistique. Comme dans le processus de correction du biais multivarié, 1950-2005 a été utilisé comme période de référence pour ajuster cette distribution et estimer les paramètres de distribution du P PET à chaque échelle de temps considérée. Ces paramètres de distribution ont ensuite été appliqués à la période future (2006-2100). Les valeurs SPEI ont été calculées pour des échelles de temps de trois (SPEI-3) et de douze (SPEI-12) mois. SPEI-3 correspond à SPEI d’un mois et les deux mois précédents tandis que SPEI-12 correspond à SPEI d’un mois et les onze mois précédents. Les valeurs saisonnières ont été extraites des ensembles de données SPEI-3. Les saisons affichées sur ClimateData.ca correspondent aux saisons standards : hiver (décembre, janvier, février), printemps (mars, avril, mai), été (juin, juillet, août), automne (septembre, octobre, novembre).
Sur ClimateData.ca, vous pouvez visualiser des cartes et des séries chronologiques de SPEI pour SPEI-3 (les saisons standards) et aussi pour SPEI-12.
Pour plus d’information, se référer à :
Canadian Climate Data and Scenarios: http://climate-scenarios.canada.ca/?page=spei-technical-notes
Références
Cannon AJ (2016): Multivariate bias correction of climate model outputs: matching marginal distributions and inter-variable dependence structure. Journal of Climate 29: 7045-7064.
Droogers P, Allen RG (2002): Estimating reference evapotranspiration under inaccurate data conditions. Irrigation and Drainage Systems 16: 33-45.
Tam BY, Szeto K, Bonsal B, Flato G, Cannon AJ, Rong R (2018): CMIP5 drought projections in Canada based on the Standardised Precipitation Evapotranspiration Index. Canadian Water Resources Journal 44: 90-107.
Vicente-Serrano SM, Beguería S, Lopez-Moreno JI (2010): A multiscalar drought index sensitive to global warming: the Standardised Precipitation Evapotranspiration Index. Journal of Climate 23(7): 1696-1718.
Vincent LA, Zhang X, Brown RD, Feng Y, Mekis E, Milewska EJ, Wan H, Wang XL (2015): Observed trends in Canada’s climate and influence of low-frequency variability modes. Journal of Climate 28: 4545-4560.
L’humidex combine la température et l’humidité en un seul chiffre pour refléter la température perçue. Parce qu’il prend en compte les deux facteurs les plus importants qui affectent le confort d’été, il peut être une meilleure mesure de la façon dont le temps affecte le corps humain que la température ou l’humidité seule.
L’humidex est largement utilisé au Canada. Dans le passé, les valeurs extrêmement élevées étaient rares, sauf dans les régions méridionales de l’Ontario, du Manitoba et du Québec, ainsi que dans les sections méridionales de l’Alberta et de la Saskatchewan. En général, l’indice d’humidité diminue à mesure que la latitude augmente.
Les projections sont disponibles à une résolution de 0,1° (environ 9 km) pour la période 1950-2100.
Reference:
Chow, K.K.C., Sankaré, H., Diaconescu, E.P., Murdock, T.Q. & Cannon, A.J. (2024) Bias-adjusted and downscaled humidex projections for heat preparedness and adaptation in Canada. Geoscience Data Journal, 11, 680–698. Available from: https://doi.org/10.1002/gdj3.241
Ce terme n’est pas utilisé pour désigner la confiance (ou le manque de confiance) envers les projections, mais plutôt comme une description quantitative des éléments qui constituent la plage des valeurs projetées plausibles. Les sources de cette « incertitude » incluent la variabilité naturelle du climat (qui sera toujours présente et est considérée irréductible), les différences entre les modèles climatiques (qui pourraient être potentiellement réduites avec l’avancement des connaissances et avec une meilleure représentation du système Terre-atmosphère dans les modèles), et les écarts des émissions anthropiques futures de gaz à effet de serre (qui pourraient être potentiellement réduits avec de meilleurs estimés de l’évolution future de la population, de l’utilisation de l’énergie, de la technologie et des choix politiques, qui demeurent quelque peu spéculatifs). Cette dernière source est isolée dans les scénarios d’émissions futures de gaz à effet de serre.
À propos des séries temporelles et des cartes, tous les résultats présentés proviennent d’un ensemble de plusieurs modèles climatiques. Chaque modèle climatique simule le climat pour la période historique et pour des futures plausibles. Ces simulations sont basées sur les scénarios d’émissions représentant différentes concentrations atmosphériques de gaz à effet de serre.
Les lignes en gras sur les graphiques des séries temporelles représentent les valeurs médianes (50e percentile) de l’ensemble des modèles climatiques. La plage de données (zone colorée) est définie par les valeurs des 10e et 90e percentiles de l’ensemble du modèle climatique. Les couleurs correspondent aux scénarios d’émissions, comme indiqué sur la légende du graphique. Les cartes pan-canadiennes montrent le 50e percentile des moyennes sur trente ans.