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.

Aperçu des données climatiques occidentales scientifiques disponibles pour le nord du Canada

Apprenez l’essentiel sur les données climatiques basées sur la science occidentale disponibles pour la planification des mesures d’adaptation dans le nord du Canada.

Module

Ressources sur les données climatiques du nord

Format

Article

Temps de Réalisation

30 minutes

Cet article est disponible en 3 formats

Article complet

(lire la suite ci-dessous)

Infographie

(cliquez pour télécharger)

Infographie imprimable

(cliquez pour télécharger)

Les changements climatiques dans le nord du pays 

Le nord du Canada se réchauffe trois fois plus vite que la moyenne mondiale1, et l’Arctique mondial se réchauffe près de quatre fois plus vite2. C’est pourquoi l’adaptation au climat est urgente. L’adaptation peut nous aider à planifier des mesures d’adaptation et à faire face à des impacts tels que des tempêtes plus fréquentes, des feux de forêt et le dégel du pergélisol3. Les données climatiques historiques ne suffisent pas à elles seules à éclairer la plupart des décisions en matière d’adaptation. Pour la science autochtone, les données climatiques historiques et les données climatiques futures doivent être utilisées conjointement. Les données climatiques basées sur la science occidentale, en particulier les projections climatiques futures, constituent une ressource précieuse et fiable pour éclairer la prise de décision dans le Nord. Les projections climatiques futures permettent aux communautés d’explorer différents avenirs climatiques possibles liés à différentes trajectoires d’émissions de gaz à effet de serre. Cet article explique pourquoi les données climatiques sont fiables dans les régions nordiques et fournit des détails sur les différents types de données climatiques disponibles. Voir Données climatiques futures pour la prise de décision dans les régions nordiques : Commencez ici avec les données climatiques basées sur la science occidentale dans le nord du Canada pour obtenir quelques conseils pour les débutants et les meilleures pratiques pour l’utilisation des données climatiques dans la prise de décision.

Les données climatiques sont-elles fiables pour le nord du Canada ?

On se demande parfois si les ensembles de données climatiques (tels que les projections climatiques futures) sont fiables pour une utilisation dans les régions du nord du Canada. Une hypothèse courante est que les projections climatiques futures ne peuvent pas être utilisées en raison du plus petit nombre de stations météorologiques dans le Nord, mais ce n’est pas le cas. Les projections climatiques futures issues des modèles climatiques sont produites à l’aide de représentations numériques des processus physiques qui régissent notre climat et sont basées sur des lois physiques bien établies, telles que les lois du mouvement et de la thermodynamique. Cela signifie que les modèles climatiques et les projections futures qu’ils produisent ne dépendent pas directement des observations des stations météorologiques. Même s’il y a moins de stations météorologiques dans le nord du Canada que dans le sud,  les données des modèles climatiques sont fiables et donnent un aperçu de ce à quoi pourrait ressembler notre climat futur.   

Cet article fournit plus d’informations sur les différents types de données climatiques disponibles pour le nord du Canada : 

Quel est le niveau de confiance que nous avons dans différentes variables climatiques? 

Toute analyse climatique, où que l’on se trouve au Canada, comporte une part d’incertitude. Cela signifie qu’il est important de connaître le niveau de confiance que nous avons dans les variables utilisées. Par exemple, la température est contrôlée par des processus physiques bien compris (lois de la physique), est cohérente dans l’espace et varie en fonction de la latitude et de l’altitude d’une manière prévisible. Ces facteurs nous permettent d’avoir une confiance élevée dans les projections de température. 

Les précipitations, quant à elles, sont contrôlées par des processus plus complexes. Elles sont fortement influencées par les conditions locales et la topographie, telles que les plans d’eau ou les montagnes. Dans les modèles climatiques, les processus de précipitations sont souvent simplifiés parce que les échelles spatiales auxquelles les précipitations se forment sont trop petites pour être représentées directement dans les modèles climatiques globaux. Pour ces raisons, nous avons une confiance moyenne dans les projections de précipitations. Ces niveaux de confiance sont valables où que vous soyez au Canada et reflètent l’état de la science et des capacités informatiques, qui évoluent et s’améliorent constamment.   

Il est important de garder à l’esprit que les informations qui ont un niveau de confiance moyen, voire faible, peuvent toujours être utiles; l’utilité de ces données dépend des décisions que vous prenez en matière de planification et de risque. Comprendre les niveaux de confiance des projections de variables climatiques spécifiques permet de tenir compte de l’incertitude lors de l’utilisation des données.

Différents types de données climatiques historiques

Commençons par étudier les données historiques pour le nord du Canada. Les données climatiques historiques fondées sur la science occidentale peuvent provenir directement des stations météorologiques ou être calculées à partir des données des stations météorologiques et d’informations supplémentaires. Les données historiques peuvent également être basées sur des simulations modélisées du système climatique terrestre qui couvrent la période historique.

Données des stations météorologiques  

Les données climatiques qui proviennent directement des stations météorologiques sont appelées données d’observation et sont souvent enregistrées dans les aéroports. Par exemple, la station météorologique «YELLOWKNIFE A» enregistre les données de l’aéroport de Yellowknife. Les données des stations météorologiques sont un enregistrement des conditions à un endroit précis (parfois appelées «données ponctuelles» ou «données de stations»). Bien que les données brutes soient soumises à un contrôle de qualité de base, elles peuvent être incomplètes. Des lacunes dans les mesures peuvent survenir si une station est arrêtée pendant quelques jours en raison d’une panne d’électricité, d’une tempête ou d’un déménagement. Les données d’observation sont une pièce utile du casse-tête décisionnel. Les données des stations météorologiques sont disponibles et peuvent être téléchargées à partir de plusieurs endroits, notamment la page de téléchargement de Donneesclimatiques.ca, la page des données climatiques historiques du gouvernement du Canada et l’outil d’extraction des données climatiques. 

Figure 1. Carte des stations DCCAH (rouge) et des stations d’observations météorologiques de surface (bleu) au Canada.Figure 1. Carte des stations DCCAH (rouge) et des stations d’observations météorologiques de surface (bleu) au Canada.

Figure 2. RCCC (2019) Figure-4.2 1 : Comment les artefacts dans les données des instruments peuvent affecter les estimations du changement de température

Données des stations météorologiques traitées

Des données ont été recueillies dans des stations météorologiques du Canada, comme celles de l’aéroport de Whitehorse et de l’aéroport d’Iqaluit, pendant différentes périodes et de différentes manières. Au cours de la vie d’une station, de nombreux facteurs peuvent avoir un impact sur les données enregistrées à une station météorologique qui ne sont pas dus à l’évolution des conditions météorologiques. Par exemple:

  • Les outils ou instruments utilisés dans les stations peuvent changer;
  • Les techniques de mesure peuvent entraîner des erreurs dans les observations elles-mêmes (par exemple, une mesure de précipitations peut être enregistrée comme étant plus faible qu’elle ne l’est en réalité si le vent chasse les flocons de neige de l’instrument);
  • Les pannes d’équipement peuvent entraîner des lacunes dans les données; et
  • L’environnement autour d’une station peut changer au fil des ans, par exemple lorsque des bâtiments sont construits à proximité de la station, ce qui modifie la façon dont le vent se déplace dans la zone.

En raison de ces facteurs, Environnement et Changement climatique Canada (ECCC) examine et affine les données des stations météorologiques afin de produire un ensemble plus cohérent et représentatif d’observations historiques pour certaines stations. Ces données des stations traitées constituent les Données climatiques canadiennes ajustées et homogénéisées (DCCAH). Cet ensemble de données de haute qualité est particulièrement utile lorsqu’on a besoin de données climatiques historiques cohérentes sur de longues périodes, par exemple pour étudier les tendances climatiques au fil du temps. Les données des stations nordiques sont disponibles sur la page de téléchargement de Donneesclimatiques.ca et sur l’outil d’extraction des données climatiques.

Qu’en est-il des endroits où il n’y a pas de stations météorologiques ou qui en sont éloignés?

Dans de nombreuses régions du nord du Canada, il n’y a pas de stations météorologiques à proximité, mais cela ne signifie pas qu’il n’y a pas de données disponibles. Il existe différents types de données historiques maillées qui peuvent être utiles à la prise de décision.

Données historiques maillées

Les données historiques, basées sur les observations des stations météorologiques, peuvent être calculées pour les zones éloignées de ces stations. Les données des stations météorologiques observées peuvent être «interpolées» (c’est-à-dire que les données des stations les plus proches sont utilisées pour combler les lacunes des données pour la zone située entre ces stations). Le processus d’interpolation transforme les données ponctuelles (stations météorologiques indiquées à la figure 3A) en données maillées qui couvrent l’ensemble du Canada (illustré à la figure 3B).

L’interpolation entre les observations des stations météorologiques fonctionne généralement mieux pour certaines variables que pour d’autres. Comme nous l’avons vu au début de l’article, certaines variables, comme la température, changent de manière prévisible. Par conséquent, l’interpolation peut être effectuée avec plus de confiance. L’interpolation des précipitations, en revanche, peut masquer les schémas de précipitations à plus petite échelle qui se produisent entre les stations météorologiques. Pour cette raison, les précipitations historiques maillées doivent être utilisées avec prudence.

Figure 3. Exemple illustratif, autour de Yellowknife, de la façon dont les données des stations météorologiques peuvent être interpolées, pour transformer les données des stations en données maillées. A) Les stations des DCCAH sont indiquées dans des cercles gris, avec la température moyenne de 1981 à 2010 indiquée dans des cercles colorés.. B) Les données historiques maillées (NRCANmet) basées sur les données des stations.disponible

Figure 4. Graphique chronologique des températures minimales à Makkovik, au Nunatsiavut (T.-N.-L.), tiré de Donneesclimatiques.ca. La ligne pointillée grise intitulée « Données observées interpolées » représente l’ensemble de données de NRCANMet.

L’un des jeux de données historiques maillées les plus couramment utilisés est appelé NRCANmet (auparavant nommé ANUSPLIN). Ce jeu de données a été calculé à l’aide d’une technique d’interpolation relativement complexe qui tient compte de l’altitude et de la localisation (latitude et longitude) des stations. NRCANmet est disponible sur une grille d’environ 6×10 km pour l’ensemble du Canada, y compris une grande partie du Nord. Les données de NRCANmet sont disponibles sur Donneesclimatiques.ca en cliquant sur n’importe quel point de grille, en allant en haut de n’importe quelle figure et en activant l’option «données observées interpolées». 

Données de réanalyse

D’autres ensembles de données historiques maillées ont été développés à l’aide de diverses méthodes pour mieux estimer les conditions climatiques lorsque les observations sont rares. Par exemple, les jeux de données de réanalyse combinent des données d’observation (provenant de stations météorologiques, de radars, de satellites, etc.) avec des modèles météorologiques numériques. Contrairement aux données observées interpolées (NRCANmet), les ensembles de données de réanalyse ne sont pas le résultat d’une interpolation. Les données de réanalyse intègrent les observations dans les modèles météorologiques afin d’estimer les conditions météorologiques sans discontinuité dans l’espace ou dans le temps. Cela signifie qu’elles sont guidées par les observations lorsqu’elles sont disponibles, mais que les données manquantes ont été complétées à l’aide d’équations physiques qui décrivent les processus atmosphériques. Cela rend les ensembles de données de réanalyse particulièrement utiles dans les régions où les données d’observation sont plus rares. Les ensembles de données de réanalyse sont disponibles à des résolutions spatiales relativement fines (généralement de l’ordre de 10 par 10 km ou de 25 par 25 km).

Les jeux de données de réanalyse, ayant été élaborés à partir d’une combinaison d’observations et de modèles météorologiques, contiennent davantage de variables climatiques, telles que le vent et le rayonnement solaire, qui ne sont généralement pas disponibles pour les jeux de données interpolées. Les réanalyses sont particulièrement utiles lorsque l’on a besoin de plus d’une variable climatique, ou lorsque l’on a besoin de variables climatiques qui ne sont pas largement disponibles dans les ensembles de données d’observation, comme la neige, le vent ou l’humidité. Deux jeux de données de réanalyse, développé spécifiquement pour le Canada, sont le Système régional de reprévision déterministe  (RDRS)et la Réanalyse canadienne de Surface (RCas), qui sont disponibles à une résolution spatiale de 10 km par 10 km sur l’ensemble du Canada. Une autre réanalyse populaire est appelée ERA5-Land. Ce jeu de données a été utilisé dans l’élaboration des projections Humidex disponibles sur Donneesclimatiques.ca. L’Atlas climatique interactif de Copernicus 5(anglais seulement) est également un excellent outil pour visualiser les données ERA5-Land.

Les données climatiques maillées représentent le climat moyen sur la zone d’une cellule de grille, ce qui signifie qu’elles peuvent ne pas refléter les conditions spécifiques observées à une station météorologique. Cela signifie qu’il n’est peut-être pas approprié de comparer directement les données maillées et les observations ponctuelles. Si la comparaison est nécessaire, sachez qu’on s’attend à ce que les valeurs soient différentes, puisque les données maillées représentent les conditions moyennes sur la zone de la cellule de grille et que les observations ponctuelles représentent les conditions en un point particulier de cette cellule de grille.

Pour plus d’informations sur le choix d’un jeu de données historiques sur le climat, consultez la page Quel ensemble de données historiques devrais-je utiliser? sur Donneesclimatiques.ca.

Données des modèles climatiques

Les modèles climatiques sont des représentations mathématiques du système climatique réel et ils utilisent des principes physiques bien établis pour simuler le climat de la Terre. 

Données historiques modélisées

Les modèles climatiques ne se contentent pas uniquement de prévoir le climat futur. Ils peuvent également simuler le climat passé. La plupart des modèles climatiques mondiaux comportent des simulations qui commencent à la période préindustrielle, généralement vers 1850, se poursuivent jusqu’au «présent» et se prolongent ensuite vers l’avenir. Les simulations historiques utilisent des informations sur la composition passée de l’atmosphère, comme les concentrations de gaz à effet de serre (voir la figure 4 pour savoir comment le dioxyde de carbone est pris en compte), pour simuler les températures et les précipitations passées. Les observations passées peuvent fournir un contexte utile pour évaluer la manière dont les modèles climatiques prévoient les changements en réponse à l’évolution des émissions de gaz à effet de serre, mais il n’est pas possible de comparer directement les observations historiques aux projections futures sans prendre des mesures pour tenir compte des différences d’échelle spatiale et du fait que le climat quotidien d’un modèle climatique n’est pas identique au climat réellement observé.

Figure 5. RCCC (2019) Figure-3.71 : Concentrations de dioxyde de carbone selon les quatre voies de concentration représentatives pour les modèles CMIP5.

Différents types de projections climatiques futures

Les données climatiques futures sont-elles fiables pour le nord du Canada ?

Comme nous l’avons mentionné au début de cet article, les gens se demandent parfois si les données climatiques futures (ou les projections) sont fiables dans le Nord. Dans certains cas, on suppose à tort que les données climatiques ne sont pas suffisamment fiables pour être utilisées dans le nord du Canada. Bien que les observations climatiques historiques pour les régions nordiques présentent des limites qui diffèrent de celles d’autres régions en raison du manque d’observations, les données de projections climatiques peuvent et doivent être utilisées lors de la planification de l’avenir. Une distinction importante à faire est que les projections climatiques des modèles climatiques sont produites en représentant les processus physiques de notre climat avec des équations numériques, elles ne dépendent donc pas directement des observations des stations météorologiques. Cela signifie que, même s’il y a moins de stations dans le nord du Canada que dans le sud, nous devrions quand même utiliser les données des modèles climatiques dans le nord pour comprendre comment notre climat pourrait changer à l’avenir. Les projections climatiques futures sont un outil important pour soutenir la prise de décision adaptée au climat dans le nord du Canada. Les meilleures pratiques et les conseils pour travailler avec des données climatiques nordiques sont présentés sur le site dans les autres articles de cette série.

Quels types de données climatiques futures existent ?

Les données climatiques futures pour l’ensemble du Canada, y compris les régions au nord du Canada, sont disponibles à partir de modèles climatiques. La modélisation du climat est utilisée pour projeter les conditions climatiques futures potentielles et repose sur des informations relatives à l’évolution de la composition de l’atmosphère, obtenues à partir de scénarios d’émissions de gaz à effet de serre ou trajectoires. En général, les projections climatiques décrivent une gamme de climats possibles pour des scénarios d’émissions de gaz à effet de serre faibles, modérées et élevées. 

Des dizaines de centres de modélisation dans le monde ont développé leurs propres modèles climatiques qui ont chacun des façons différentes de représenter le climat de la Terre. Bien que tous les modèles climatiques utilisent des principes physiques bien établis pour simuler le climat, l’utilisation d’approches différentes produit des résultats légèrement différents. Chaque résultat est valable, c’est pourquoi il est recommandé de ne pas utiliser un seul modèle, mais plutôt un certain nombre de modèles différents. Lorsque plusieurs modèles sont réunis, on parle d’ensembles multimodèles.

Chaque fois qu’un modèle est «exécuté», il fournit une version du climat futur. Chaque version du climat simulée par un modèle comprend également la variabilité naturelle. La variabilité naturelle fait référence aux raisons naturelles pour lesquelles le climat d’une région peut varier, telle que les éruptions volcaniques et les cycles naturels comme El Niño. L’utilisation d’ensembles multimodèles permet de comprendre l’éventail des conditions climatiques futures possibles dans le cadre d’une trajectoire d’émissions de gaz à effet de serre donnée.  En outre, l’examen d’un ensemble de résultats de modèles nous aide à définir l’incertitude associée aux projections des modèles. Les résultats des ensembles multimodèles sont souvent fournis sous forme de résumé. Le point médian ou la médiane (50e percentile) de ces ensembles multimodèles est généralement fourni et est souvent accompagné des 10e et 90e percentiles. Pour plus d’explications sur les percentiles, voir l’article sur les ensembles multimodèles. Les 10e et 90e percentiles fournissent une estimation raisonnable de l’éventail des climats futurs possibles dans le cadre d’un scénario d’émissions donné.

Figure 6. Projections de température pour un scénario à fortes émissions (RCP8.5). Les lignes noires en (A) montrent chaque modèle individuel, la zone ombrée en rouge indique les valeurs du 10e – 90e percentile et la ligne rouge montre la médiane (50e percentile) en (A) et (B).

Il existe également des incertitudes liées à la qualité de la simulation de certaines variables climatiques. Comme nous l’avons vu, nous avons une confiance élevée dans les projections de température, et une confiance moyenne dans les projections de précipitations et leurs variables connexes. Un degré de confiance élevé signifie que nous avons confiance à la fois en la direction et la magnitude des changements attendus, et que les processus qui affectent une variable sont bien représentés dans les modèles. Même si nous avons une confiance élevée dans les projections futures d’une variable, les variations interannuelles et les événements extrêmes peuvent encore créer de nouvelles conditions sans précédent. Un degré de confiance moyen signifie que nous avons confiance en la direction du changement projeté (par exemple, plus ou moins de pluie ou de neige), mais que nous sommes moins certains de la magnitude exacte du changement (par exemple, une augmentation de 12 % à 35 % dans le futur par rapport au passé).    

Il existe deux types principaux de modèles climatiques : les modèles climatiques globaux et les modèles climatiques régionaux. Tous deux sont basés sur des équations physiques décrivant les processus climatiques, mais ils fonctionnent à des échelles spatiales différentes. Ces modèles simulent un grand nombre de variables climatiques différentes (par exemple, l’humidité, le rayonnement solaire entrant, la vitesse du vent, l’évaporation) et ne se limitent pas aux variables de température et de précipitations.

Modèles climatiques globaux

Les modèles climatiques globaux (MCG) génèrent des informations climatiques sur l’ensemble du globe à une résolution de ~100 par 100 km à 250 par 250 km. Les MCG sont utilisés dans les comparaisons de modèles à grande échelle (par exemple, les projets de comparaison de modèles couplés, CMIP5 et CMIP6), où des centaines de simulations de modèles sont effectuées en utilisant de nombreux modèles différents pour créer un ensemble. Le grand nombre de simulations incluses dans l’ensemble augmente notre confiance dans les changements potentiels et nous permet de mieux comprendre l’incertitude.

Les MCG sont particulièrement utiles pour les analyses mondiales ou régionales et pour étudier les tendances futures du climat. L’Atlas interactif du groupe de travail I du Groupe d’experts intergouvernemental sur l’évolution du climat (anglais seulement)4,5 et l’Atlas interactif du climat de Copernicus (anglais seulement)6 sont des portails puissants qui permettent d’interagir avec les données climatiques mondiales CMIP5 et CMIP6 et de les visualiser. 

Figure 7. RCCC (2019) Figure-3.101 : Précipitations mensuelles simulées par un modèle global basé sur les simulations décrites par Scinocca et al. (2016).

Modèles climatiques régionaux

Les modèles climatiques régionaux (MCR), tels que CanRCM et le modèle recherche et prévision météo (Weather Research and Forecasting Model ou WRF), génèrent des informations climatiques sur des régions plus petites, généralement à des résolutions de 50 par 50 km ou moins. Comme ils fonctionnent à une échelle spatiale plus fine que les MCG, les MCR représentent généralement le paysage (topographie sous-jacente) d’une région avec plus de précision. Une meilleure résolution spatiale signifie également que certains MCR peuvent modéliser plus efficacement certains processus climatiques, et donc certaines variables climatiques. Par exemple, les MCR ont généralement de meilleures projections de précipitations locales que les MCG. L’atlas climatique interactif de Copernicus6 (anglais seulement) est un excellent portail pour interagir avec les données climatiques régionales et les visualiser.

Figure 8. RCCC (2019) Figure-3.101 : Précipitations mensuelles simulées par un modèle régional basé sur les simulations décrites par Scinocca et al. (2016).

Plus d’informations sur les données climatiques futures

Pour plus d’informations sur les modèles climatiques et les incertitudes liées à la modélisation, voir cet article sur les Incertitudes relatives aux projections climatiques. Pour plus d’informations sur les scénarios, voir l’article intitulé Comprendre les trajectoires communes d’évolution socio-économique (SSP).

Données du modèle climatique à échelle réduite

Dans certains cas, en particulier avec les MCR, l’exécution de plusieurs modèles climatiques avec plusieurs scénarios d’émissions nécessite beaucoup de puissance de calcul et de temps. Les simulations à haute résolution incluent des processus atmosphériques détaillés et sont donc très coûteuses en termes de calcul, ce qui rend difficile la réalisation de simulations multiples suffisamment longues pour les analyses climatiques.

Bien que les projections des modèles climatiques, qu’il s’agisse de MCG ou de MCR, puissent être utilisées à leur échelle spatiale d’origine, il est possible de les rendre plus pertinentes au niveau local en les transformant en une résolution spatiale plus fine. Ce processus de transformation est appelé la «mise à l’échelle». La mise à l’échelle peut être effectuée en utilisant des ensembles de données historiques maillées, tels que NRCANmet, ERA5-Land et PCIC-blend (anglais seulement). Ces ensembles de données, appelés «ensembles de données cibles», peuvent être utilisés pour augmenter la résolution spatiale des données du MCG ou du MCR à des échelles locales plus fines et peuvent réduire la différence (ou le biais) entre le modèle et les observations . Pour des informations plus détaillées sur le fonctionnement de la réduction d’échelle, consultez le chapitre 3.5 « Mise à l’échelle régionale » du Rapport sur le changement climatique au Canada (2019).1

Les projections climatiques futures figurant sur Donneesclimatiques.ca ont été mises à l’échelle à partir de MCG utilisant des ensembles de données historiques maillées et sont donc disponibles à la même résolution spatiale que ces ensembles de données, environ 6 x 10 km. La mise à l’échelle peut introduire certaines incertitudes, mais elle permet de mettre à disposition des données climatiques à une échelle beaucoup plus utile pour la prise de décision au niveau local. 

Résumé, points clés à retenir et tableau récapitulatif de l’ensemble des données

Résumé et principales conclusions

  • Divers types de données climatiques basées sur la science occidentale sont disponibles pour soutenir la prise de décision adaptée au climat dans le nord du Canada, y compris des ensembles de données basées sur les observations ainsi que des données de modèles climatiques historiques et futurs.
  • Chaque type de données possède des atouts et des limites qui lui sont propres et qui doivent correspondre à l’utilisation prévue des données. Même les données présentant une certaine incertitude peuvent être utiles à la planification des mesures d’adaptation et à une meilleure compréhension des changements climatiques dans le Nord.
  • Les simulations du climat futur pour les régions nordiques sont disponibles à partir de modèles climatiques mondiaux ou régionaux. Comme c’est le cas partout autour du globe, il est préférable d’utiliser plusieurs simulations de modèles (un ensemble de modèles) et une série de scénarios d’émissions futures afin d’accroître la confiance dans les projections futures.

Le tableau ci-dessous résume la pertinence des ensembles de données discutés dans cet article pour des cas d’utilisation particuliers. Pour un aperçu complet des données climatiques disponibles pour le nord du Canada, consultez le Rapport et inventaire des données climatiques nordiques (RIDCN) 7 . Pour plus d’informations sur les stratégies relatives aux données climatiques, voir Données climatiques futures pour la prise de décision dans le Nord : Commencez ici Débuter avec les données climatiques basées sur la science occidentale dans le nord du Canada. Pour des informations détaillées sur les ensembles de données climatiques nordiques, les contraintes et les utilisations spécifiques, voir le Rapport et inventaire des données climatiques nordiques (RIDCN)) ou Données climatiques futures pour la prise de décision dans le Nord : Meilleures pratiques pour le choix et l’utilisation des données climatiques basées sur la science occidentale dans les régions nordiques.

Tableau récapitulatif de l’ensemble des données

Type de donnéesQuand les utiliserPrincipales incertitudes/limitesJeux de données et portails de données utiles
Données des stations météo
  • Comprendre les conditions passées enregistrées par les instruments météorologiques
  • Comprendre les vulnérabilités passées
  • Les données sont seulement disponibles là où il y a des stations météorologiques
  • Enregistrements incomplets (données manquantes)
Données des stations traitéesComprendre les tendances des conditions passées dans des lieux spécifiques
  • Disponible uniquement pour certaines stations météorologiques (par exemple, celles avec une durée d’enregistrement suffisante)
  • Périodes de temps limitées
Données historiques mailléesComprendre les conditions passées loin des données des stations ou sur une zone plus large (par exemple, un bassin versant, une région ou un territoire)
  • Dépend de la qualité et de la quantité des données des stations disponibles pour l’interpolation
  • Plus d’incertitude pour les variables plus complexes (comme les précipitations)
  • PCIC-blend
    • Visualisez et téléchargez à partir de Donneesclimatiques.ca en sélectionnant CMIP6 et en activant « Données observées interpolées » sur les figures
    • PCIC
  • NRCANMet (auparavant nommé ANUSPLIN)
    • Visualisez et téléchargez à partir de Donneesclimatiques.ca en sélectionnant CMIP5 et en activant « Données observées interpolées » sur les figures
    • PCIC
RéanalysesComprendre les conditions passées de variables plus complexes (par exemple, les chutes de neige, le vent, le rayonnement solaire)
  • Biais du modèle
  • Résolution spatiale généralement plus grossière que les données historiques maillées
Simulations de modèles historiquesComparaison des projections futures avec les conditions passées
  • Biais du modèle
  • Ne présente pas les mêmes phénomènes météorologiques que les observations (mais devrait avoir le même climat général)
Simulations de modèles futursComprendre les conditions futures potentielles
  • Biais du modèle
  • Utiliser plusieurs modèles (ensemble multimodèle) pour améliorer la confiance dans les projections
 

Si vous démarrez un projet, si vous avez des questions sur l’utilisation des données climatiques, ou si vous souhaitez confirmer si vous utilisez les bonnes données, vous pouvez obtenir l’aide d’experts (gratuitement) auprès du Centre d’aide des Services Climatiques, accessible via Donneesclimatiques.ca ou le Centre canadien des services climatiques.

Cet article a été préparé par le Centre canadien des services climatiques d’ECCC en collaboration avec des fournisseurs de services climatiques régionaux (Ouranos, le Pacific Climate Impacts Consortium et CLIMAtlantic), des organisations nordiques (les gouvernements des Territoires du Nord-Ouest, du Nunavut et du Yukon ainsi que l’Université du Yukon et l’Université Queen’s) et la Division de la recherche climatique d’ECCC.

Références

  1. Zhang, X., Flato, G., Kirchmeier-Young, M., Vincent, L., Wan, H., Wang, X., Rong, R., Fyfe, J., Li, G., et V.V. Kharin. « Les changements de température et de précipitations pour le Canada », chapitre 4 dans Rapport sur le climat changeant du Canada, E. Bush et D.S. Lemmen (éd.), gouvernement du Canada, Ottawa, Ontario, 2019 p. 113-193.
  2. Rantanen, M., Karpechko, A.Y., Lipponen, A. et al., 2022, The Arctic has warmed nearly four times faster than the globe since 1979. Commun Earth Environ 3, 168. https://doi.org/10.1038/s43247-022-00498-3
  3. Walsh, J. E., Ballinger, T. J., Euskirchen, E. S., Hanna, E., Mård, J., Overland, J. E., Tangen, H., and Vihma, T., 2020. Extreme weather and climate events in northern areas: A review. Earth-Science Reviews, 209, 103324. DOI: 10.1016/j.earscirev.2020.103324
  4. Iturbide, M., Fernández, J., Gutiérrez, J.M., Bedia, J., Cimadevilla, E., Díez-Sierra, J., Manzanas, R., Casanueva, A., Baño-Medina, J., Milovac, J., Herrera, S., Cofiño, A.S., San Martín, D., García-Díez, M., Hauser, M., Huard, D., Yelekci, Ö., 2021, Repository supporting the implementation of FAIR principles in the
  5. Gutiérrez, J.M., R.G. Jones, G.T. Narisma, L.M. Alves, M. Amjad, I.V. Gorodetskaya, M. Grose, N.A.B. Klutse, S. Krakovska, J. Li, D. Martínez-Castro, L.O. Mearns, S.H. Mernild, T. Ngo-Duc, B. van den Hurk, and J.-H. Yoon, 2021: Atlas. In Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L.Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K.Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)]. Cambridge University Press. In Press. Interactive Atlas available from Available from http://interactive-atlas.ipcc.ch/
  6. Copernicus, 2024, Copernicus Interactive Climate Atlas: User Guide, Accessed on April 22, 2024: https://confluence.ecmwf.int/x/aZZ-Fw
  7. Diaconescu, E.P., P. Kushner, J. Lukovich, A. Crawford, E. Barrow, L. Mudryk, M. Braun, R. Shrestha, S. Gruber, S. Déry, S. Howell et L. Matthews, 2023 : Un inventaire des données climatiques historiques et des projections climatiques pour le Nord canadien ; Gouvernement du Canada, Gatineau, QC, 698p

Ce projet a été réalisé avec l’appui de :

© 2018 – 2024 Donneesclimatiques.ca. Tous droits réservés.

Légal