Prévisions mensuelles et saisonnières maintenant disponibles sur Donneesclimatiques.ca: Découvrez les nouveautés, explorez la carte.

Conseils pour débuter avec les données climatiques issues de la science occidentale dans la prise de décision dans le nord du Canada

Cet article décrit les meilleures pratiques pour l’utilisation des données climatiques futures et historiques pour la prise de décision dans le Nord.

Module

Ressources sur les données climatiques du nord

Format

Article

Temps de Réalisation

25 minutes

Cet article est disponible en 3 formats

Article complet

(lire la suite ci-dessous)

Infographie

(cliquez pour télécharger)

Infographie

(infographie imprimable)

Conseils pour débuter avec les données climatiques issues de la science occidentale dans la prise de décision dans le nord du Canada

Dans notre aperçu des données climatiques occidentales scientifiques disponibles pour le nord du Canada, nous explorons divers ensembles de données climatiques occidentales. Bien que les ensembles de données climatiques disponibles sur Donnéesclimatiques.ca proviennent de la science occidentale, les partenaires derrière la plateforme reconnaissent la valeur des sciences et des systèmes de connaissances autochtones dans le soutien à la planification des mesures d’adaptation menées par les Autochtones. Dans ce contexte, la science climatique occidentale peut être considérée comme une source d’information supplémentaire pour soutenir les peuples autochtones et leurs actions climatiques autodéterminées.

Cet article approfondit la science climatique et présente sept bonnes pratiques pour intégrer les données climatiques dans la prise de décision :

  1. Planifiez pour l’avenir : utilisez des projections climatiques pour orienter la planification et la conception dans le Nord
  2. Explorez l’incertitude : utilisez un ensemble de projections climatiques futures pour une analyse plus robuste
  3. Explorez plusieurs futurs : examinez une gamme de scénarios d’émissions
  4. Pensez climat, pas météo :  prenez en compte des conditions moyennes sur 30 ans
  5. Étudiez les changements saisonniers : tenez compte des valeurs saisonnières et mensuelles, en plus des valeurs annuelles
  6. Adoptez une vision globale : considérez plusieurs variables climatiques pour mieux comprendre le climat local
  7. Restez à jour : gardez un œil sur les nouveaux ensembles de données

D’autres conseils sont présentés dans le document intitulé « Meilleures pratiques pour le choix et l’utilisation des données climatiques basées sur la science occidentale dans les régions nordiques ».

1. Planifiez pour l’avenir : utilisez des projections climatiques pour orienter la planification et la conception dans le Nord

Il ne suffit plus de s’appuyer sur les données climatiques historiques pour orienter les plans et les actions futurs. Le Canada se réchauffe à un rythme plus rapide que la moyenne mondiale, et ce phénomène est amplifié dans les régions nordiques.1 Par exemple, si nous nous basions sur les données de 1971-2000 ou 1991-2020 et supposions qu’elles conviennent à la planification future, nous ne serions pas suffisamment préparés pour l’avenir, car les moyennes historiques sont inférieures aux augmentations de température projetées, même dans un scénario à faibles émissions (figure 1).

Figure 1 : Température moyenne annuelle prévue pour Rankin Inlet, NU, au cours de ce siècle selon trois scénarios d’émissions : SSP1-2.5, SSP2-4.5 et SSP5-8.5. Les projections sont basées sur l’ensemble multimodèle du Coupled Model Intercomparison Project (CMIP6). Les lignes pleines illustrent les moyennes multimodèles. Veuillez noter que la dispersion de l’ensemble n’est pas représentée. Les lignes pointillées indiquent la température moyenne historique pour les périodes 1971-2000 (bleu clair) et 1991-2020 (rose).

La prise en compte des données climatiques futures dans la prise de décision présente de nombreux avantages, notamment :

  • Aider les populations à se préparer aux changements futurs, à élaborer des stratégies d’adaptation et à réduire leur vulnérabilité aux phénomènes climatiques extrêmes ;
  • Concevoir des infrastructures plus sûres et plus résistantes au climat actuel et futur ; et
  • Réduire les coûts à long terme en évitant les ajustements et les défaillances coûteux des systèmes et des infrastructures. 2

Si nous prenons l’exemple d’une communauté du nord qui souhaite concevoir et construire un nouveau centre communautaire, tenir compte du climat futur permettra de construire un bâtiment plus résilient face aux changements climatiques. L’intégration des projections climatiques permet d’utiliser des matériaux de construction appropriés, de concevoir des systèmes de chauffage et de refroidissement capables de faire face aux conditions futures et de mettre en œuvre des options d’adaptation qui conduiront à des bâtiments résilients, sûrs et confortables.

La science climatique occidentale peut éclairer les décisions à différentes échelles de temps. À court terme, les prévisions météorologiques peuvent prédire les conditions météorologiques à l’échelle horaire ou hebdomadaire. À moyen terme, des prévisions saisonnières à décennales sont disponibles à des échelles de temps allant d’un mois à 10 ans, comblant ainsi le fossé entre les prévisions météorologiques et les projections climatiques. À plus long terme, des projections ou des simulations climatiques sont disponibles jusqu’à la fin du siècle. Dans cet article, nous nous concentrerons sur les considérations à prendre en compte lors de l’utilisation des projections climatiques.

Les projections climatiques sont disponibles à différentes résolutions spatiales, avec une fourchette allant d’environ 10 km² à 250 km² ou plus. Les projections climatiques représentent les conditions moyennes sur la zone définie par la résolution des points de grille du modèle climatique. Par conséquent, les projections de modèles à plus haute résolution, qui utilisent des points de grille plus petits, sont plus susceptibles de représenter l’influence des caractéristiques locales du paysage sur le climat, telles que les petits lacs, les montagnes et les vallées. Il est utile de tenir compte de la résolution spatiale des projections des modèles climatiques lors de l’utilisation des données climatiques dans la prise de décision.

 

Les projections climatiques sont disponibles pour un large éventail de variables et d’indices climatiques. Bien que les termes « variable » et « indice » soient parfois utilisés de manière interchangeable, ils définissent des types de données différents. En climatologie, une variable est une propriété mesurable du système climatique physique de la Terre, comme la température, les précipitations, le vent ou le niveau de la mer. Ces données sont souvent disponibles sous forme de valeurs minimales, maximales et moyennes ou de totaux cumulés (pour les précipitations). Un exemple de variable est la « température minimale quotidienne », qui représente la température la plus froide de la journée et est souvent présentée comme une moyenne mensuelle, saisonnière ou annuelle.

Un indice climatique est dérivé de variables climatiques et repose souvent sur l’utilisation d’une valeur seuil dans son calcul. Un exemple d’indice climatique est le nombre de « jours de gel », qui compte le nombre de jours où la température la plus chaude de la journée (c’est-à-dire la température maximale) reste sous le point de congélation pendant une période donnée (la valeur seuil utilisée est 0 °C).  À l’échelle internationale, l’Équipe d’experts sur la détection et les indices des changements climatiques (ETCCDI) a défini un ensemble d’indices climatiques (anglais seulement) qui fournissent un aperçu complet des statistiques sur la température et les précipitations. 3

Donneesclimatiques.ca fournit plus de 40 variables et indices climatiques futurs pour presque tous les endroits au Canada. Ouranos et le Pacific Climate Impacts Consortium (PCIC) (anglais seulement) fournissent également des données climatiques futures  de haute qualité par le biais de portails tels que Climate Portraits pour Québec (y compris Nunavik) et le Design Value Explorer (anglais seulement), qui donne accès aux valeurs de calcul climatique futures pour la construction de ponts et de bâtiments dans la majeure partie du Canada (y compris 75 endroits au nord de 55˚N), respectivement.

2. Explorez l’incertitude : utilisez un ensemble de projections climatiques futures pour une analyse plus robuste

Prenons l’exemple d’un décideur politique travaillant pour un gouvernement local. Cette personne a été chargée d’élaborer un plan d’adaptation aux changements climatiques pour sa région. Face à une multitude de données climatiques, il peut être tentant de se demander « lequel de ces modèles est le meilleur ? » ou « quel modèle dois-je utiliser ? ». Il n’est pas recommandé de se fier aux résultats d’un seul modèle. Il convient plutôt d’utiliser un ensemble de modèles climatiques, car cette approche fournit une image plus fiable de l’évolution possible du climat.

Figure 2 : Évolution des changements de température moyenne annuelle à la surface du sol à Yellowknife, dans les Territoires du Nord-Ouest, selon le scénario SSP5-8.5 issu des simulations CanDCS-M6 (lignes colorées). Toutes les valeurs sont relatives à la moyenne de 1971-2000 (ligne noire zéro).  

Un ensemble de données fournit une variété de résultats issus de plusieurs « exécutions » ou simulations, à partir d’un ou plusieurs modèles climatiques, en réponse à un forçage imposé (par exemple, un scénario d’émissions futures de gaz à effet de serre et d’aérosols). Chaque simulation représente un avenir possible dans ces conditions de forçage. Chaque fois qu’un modèle climatique est exécuté, il produit une représentation plausible du climat futur, et chaque exécution sera différente (Figure 2). Ces différences proviennent du fait que chaque modèle représente les processus climatiques de manière légèrement différente. L’utilisation de nombreux modèles augmente la probabilité de capturer l’ensemble  des conditions climatiques futures possibles qui pourraient se produire dans un scénario d’émissions particulier. 4

Si un seul modèle climatique est disponible (par exemple, un modèle régional du climat), la meilleure pratique consiste à utiliser un grand nombre de simulations de ce modèle pour créer un ensemble de données. Cela implique d’exécuter le même modèle plusieurs fois avec des conditions initiales légèrement différentes (c’est-à-dire les points de départ des simulations du modèle qui sont généralement basés sur les conditions climatiques historiques). Le résultat de cet ensemble permet d’évaluer l’ éventail des climats futurs plausibles qui pourraient se produire dans le cadre d’un scénario d’émissions particulier (pour plus de détails sur ce sujet, voir la section 5.2 du rapport Bâtiments et Infrastructures Publiques de Base Résistants aux Changements Climatiques: Résumé en langage clair).5 L’utilisation de plusieurs simulations d’un même modèle et d’un même scénario d’émissions permet d’évaluer comment la variabilité climatique naturelle, telle que représentée par ce modèle, peut affecter le climat simulé. Par exemple, les données du Design Value Explorer (anglais seulement) du PCIC sont dérivées d’ensembles multi-simulations issus d’un même modèle.

Figure 3 : Série chronologique des températures annuelles moyennes pour la période 1900-2100 pour une région comprenant le Canada et les eaux adjacentes (40°N à 75°N et 140°O à 55°O) pour les MCG CMIP6. Les panneaux comportent des faits saillants de différents types d’incertitudes dans les projections des modèles climatiques et de leurs diverses influences. A) Variabilité naturelle d’une simulation MCG unique (CanESM5) pour SSP8-8.5). B) Incertitude du modèle provenant de nombreuses simulations MCG individuelles pour SSP5-8.5. C) L’incertitude du scénario d’émissions est illustrée par les différentes couleurs utilisées pour les 3 scénarios d’émissions. D) Les mêmes informations que la figure 3-C, mais sous forme résumée. La ligne en gras représente la médiane de l’ensemble pour chaque scénario d’émissions et leurs étendues de résultats respectives (enveloppes ombrées représentant les 10e et 90e centiles). Cette figure combine l’incertitude due à la variabilité naturelle, l’incertitude du modèle et l’incertitude du scénario d’émissions.

La figure 3 montre trois sources différentes d’incertitude dans les projections climatiques en utilisant la température moyenne annuelle comme exemple :

  • Variabilité naturelle : la figure 3-A montre l’évolution de la température moyenne annuelle à partir d’une seule simulation d’un seul modèle climatique. La variation d’une année à l’autre illustre la variabilité naturelle du système climatique, telle que représentée par ce modèle particulier. Cette simulation unique montre également la réponse du système climatique au scénario d’émissions SSP5-8.5 (augmentation de la température au fil du temps).
  • Incertitude du modèle : la figure 3-B illustre l’incertitude du modèle climatique à l’aide d’un ensemble multi-modèle, c’est-à-dire la réponse de plusieurs modèles climatiques au même scénario d’émissions. Chaque modèle représente les processus climatiques de manière légèrement différente et simule donc une réponse climatique différente au même scénario d’émissions. La dispersion des résultats des modèles donne une représentation de l’incertitude du modèle.
  • Incertitude des scénarios d’émissions : la figure 3-C montre la réponse climatique de plusieurs modèles à trois scénarios d’émissions différents, représentés par des couleurs différentes.

 

La figure 3-D présente les mêmes informations que la figure 3-C, mais sous forme de résumé, où la ligne en gras représente la médiane de l’ensemble pour chaque scénario d’émissions, et les zones ombrées représentent leurs étendues de résultats respectives (dans ce cas, les 10e et 90e percentiles de l’ensemble multi-modèles). Ces types de figures combinent l’incertitude due à la variabilité naturelle, l’incertitude du modèle et l’incertitude des scénarios d’émissions.

Figure 4 : Température moyenne annuelle prévue pour Carmacks, YT, au cours de ce siècle selon quatre scénarios d’émissions : SSP1-2.6 (bleu), SSP2-4.5 (vert), SSP3-7.0 (orange) et SSP5-8.5 (rouge). Les projections sont basées sur l’ensemble de données multivariées CanDCS-M6 à réduction d’échelle. Les lignes en gras indiquent la médiane multimodèle, et les zones ombrées représentent les 10e  et 90e  centiles utilisés pour montrer l’étendue des résultats du modèle.

Les ensembles multi-modèles disponibles sur Donneesclimatiques.ca pour CMIP5 et CMIP6 contiennent les résultats de plus de vingt modèles climatiques différents pour plusieurs scénarios d’émissions différents. L’utilisation de nombreux modèles climatiques différents dans un ensemble permet de tenir compte de l’incertitude qui découle des différences dans la manière dont les modèles individuels représentent les processus climatiques. Les résultats des ensembles multi-modèles sont généralement présentés sous forme de statistiques récapitulatives afin de faciliter leur interprétation. Sur Donneesclimatiques.ca, l’étendue de l’ensemble est définie à l’aide des valeurs 10e and 90e percentiles, et la médiane (50e percentile) est utilisée pour indiquer le point médian de l’ensemble (figure 4). L’Atlas climatique utilise les mêmes statistiques sommaires, mais utilise la moyenne de l’ensemble (moyenne) plutôt que la valeur médiane.

Il est important de comprendre la gamme des futurs climatiques possibles pour la prise de décision et se préparer à l’avenir. Vous pouvez en savoir plus sur les ensembles de modèles climatiques dans ces articles : Comprendre les ensembles multimodèles et Comprendre les gammes de projections climatiques.

3. Explorez plusieurs futurs : examinez une gamme de scénarios d’émissions

Comme nous ne savons pas exactement à quoi ressemblera l’avenir, de nombreux ensembles multimodèles disposent de données pour une gamme de scénarios possibles d’émissions futures. Ces futurs possibles sont déterminés par différentes émissions de gaz à effet de serre et d’aérosols qui, à leur tour, dépendent de facteurs tels que les changements d’utilisation des sols, la population, la croissance économique, la politique climatique, les conflits mondiaux et les progrès technologiques. L’ensemble de modèles climatiques CMIP6 utilise des scénarios d’émissions appelés « trajectoires communes d’évolution socio-économique » (SSP ; figure 5), tandis que les « trajectoires représentatifs d’évolution de concentration » (RCP) ont été utilisés pour l’ensemble précédent, CMIP5.

Cinq SSP ont été développés par la communauté scientifique internationale. Ces scénarios peuvent être caractérisés en fonction des défis socio-économiques qu’ils impliquent pour l’atténuation et l’adaptation aux changements climatiques (figure 1). Il est utile d’examiner plusieurs scénarios, car cela peut vous aider à comprendre l’étendue des climats futurs possibles.

 

Sur Donneesclimatiques.ca, quatre scénarios d’émissions peuvent être utilisés pour explorer différents futurs possibles6 :

  • SSP1-2.6 : une trajectoire de développement durable avec des émissions faibles, un scénario de réchauffement d’environ 3 °C pour le Canada d’ici 2100 (environ 2 °C à l’échelle mondiale), similaire au RCP2.6
  • SSP2-4.5 : une trajectoire de développement intermédiaire avec des émissions modérées, un scénario de réchauffement d’environ 4 °C pour le Canada d’ici 2100 (environ 3 °C à l’échelle mondiale), similaire au RCP4.5
  • SSP3-7.0 : une trajectoire de rivalité régionale avec des émissions élevées, un scénario de réchauffement d’environ 6 °C pour le Canada d’ici 2100 (environ 4 °C à l’échelle mondiale)
  • SSP5-8.5 : une trajectoire de développement des combustibles fossiles avec des émissions élevées, un scénario de réchauffement d’environ 7 °C pour le Canada d’ici 2100 (environ 5 °C à l’échelle mondiale), similaire au RCP8.5

La disponibilité des scénarios SSP3-7.0 et SSP5-8.5 permet aux utilisateurs de sélectionner le scénario élevé qui correspond le mieux à leurs besoins spécifiques. Dans de nombreuses situations, il est judicieux de soumettre un système à un test de résistance en examinant le scénario le plus plausible. Donneesclimatiques.ca vous permet de comparer côte à côte les résultats de deux scénarios d’émissions (figure 6).

Figure 5 : Les cinq trajectoires socio-économiques communes et les défis associés à l’atténuation et à l’adaptation.

Si l’on considère le climat au cours des 20 à 30 prochaines années (jusqu’en 2050 environ), il y a peu de différence entre les scénarios d’émissions et les projections climatiques qui en résultent 6.Si vous prenez une décision qui n’aura d’influence que sur les trois prochaines décennies, le choix du scénario d’émissions n’aura pas beaucoup d’impact.  Par exemple, si vous travaillez pour une autorité sanitaire locale et que vous souhaitez aider votre communauté à se préparer à des chaleurs extrêmes au cours des 25 prochaines années, vous pouvez choisir n’importe quel scénario d’émissions pour déterminer comment les chaleurs extrêmes pourraient évoluer à l’avenir. Les projections climatiques pour différents scénarios d’émissions commencent à diverger après ~2050. En reprenant l’exemple précédent, si votre équipe rénove ou développe un centre communautaire ou un hôpital qui fonctionnera pendant plusieurs décennies, il est préférable d’envisager une variété de scénarios d’émissions, car les projections climatiques associées divergent au-delà des années 2050 (comme l’illustre la figure 4).

Un facteur qui pourrait influencer le choix du scénario d’émissions est la tolérance au risque du projet, qui est souvent déterminée lors de discussions avec des collègues, des parties prenantes, les détenteurs de droits et la communauté au sens large. Si la tolérance au risque du projet est faible, il sera nécessaire d’envisager le scénario d’émissions qui entraîne la plus grande réponse climatique. Par exemple, si la chaleur extrême est la principale préoccupation, il convient d’envisager le scénario d’émissions présentant le réchauffement le plus important. Si la tolérance au risque pour un projet est plus élevée, un scénario d’émissions plus modéré (tel que SSP2-4.5) pourrait être envisagé. Les considérations relatives au choix des scénarios d’émissions sont abordées plus en détail dans l’article Comprendre les trajectoires communes d’évolution socio-économique (SSP).

Figure 6 : Capture d’écran de Donneesclimatiques.ca montrant une comparaison du nombre de jours où la température maximale est supérieure à 25 °C à Watson Lake, YT, d’ici la fin du siècle selon les scénarios SSP2-4.5 (à gauche) et SSP5-8.5 (à droite).

4. Pensez climat, pas météo : prenez en compte des conditions moyennes sur 30 ans

La  météo peut varier considérablement d’un jour à l’autre et d’une année à l’autre, ce qui rend difficile la distinction entre les tendances à long terme et la variabilité naturelle du climat à court terme. En général, les statistiques basées sur 30 ans de données sont utilisées pour décrire les conditions climatiques. Une période de 30 ans est considérée comme suffisamment longue pour saisir l’influence de la plupart des facteurs naturels et anthropiques sur le système climatique. La durée de la période peut également fournir une base de référence pour évaluer les changements. Par exemple, les conditions climatiques futures à la fin du siècle (2071-2100) peuvent être comparées à une période historique de référence telle que 1971-2000 ou 1991-2020. Les données d‘une seule année, ou d’une période de 5 ou 10 ans, peuvent être dominées par les effets de la variabilité naturelle du climat, qui peuvent masquer les tendances climatiques à plus long terme.

Par exemple, supposons que la communauté d’ souhaite comprendre comment les changements climatiques pourraient affecter sa sécurité alimentaire à long terme, en particulier les saisons de récolte et de jardinage.  L’occurrence du gel est influencée par le microclimat et la topographie locale. Les changements climatiques peuvent avoir des répercussions complexes et variables selon les endroits sur les régimes de gel, ce qui rend difficile l’estimation des changements locaux futurs7. Malgré ces complexités, les projections climatiques, lorsqu’elles sont associées aux connaissances locales et à une validation spécifique au site, peuvent constituer un outil puissant pour soutenir des décisions fondées sur l’information climatique.

Pour cette communauté, le dernier gel printanier peut être considéré comme un indicateur du début de la saison de croissance et de plantation. Si une année spécifique, telle que 2097 , est utilisée pour déterminer la date du dernier gel printanier, celle-ci tomberait au début du mois de mai (11 mai) d’ici la fin du siècle (figure 7). Toutefois, si l’on utilise la valeur moyenne sur 30 ans pour la fin du siècle, la date moyenne d’occurrence du dernier gel printanier est la mi-mai. Se baser sur une projection pour une seule année pourrait conduire à une date présumée de début de la saison des semis trop précoce, ce qui pourrait entraîner des projections trop optimistes du potentiel futur de croissance des cultures.

La prise en compte des conditions moyennes sur 30 ans donne une image plus claire des tendances observées et prévues, ce qui permet d’explorer une variété de stratégies à long terme et de s’adapter de manière résiliente à l’évolution du climat.

Figure 7 : Date historique et prévue du premier gel automnal à Rigolet, Nunatsiavut (NL), au cours de ce siècle, dans un scénario d’émissions modérées (SSP2-4.5). Les projections sont basées sur l’ensemble multimodèle CanDCS-M6 disponible sur Donneesclimatiques.ca. Cette image montre comment l’examen des données pour une courte période, telle que l’année 2097, peut être trompeur par rapport à l’examen d’une tendance sur une période plus longue (2071-2100).

5. Étudiez les changements saisonniers : tenez compte des valeurs saisonnières et mensuelles, en plus des valeurs annuelles

L’examen des variables climatiques à l’échelle saisonnière et mensuelle, en plus de l’échelle annuelle, peut aider à replacer les changements projetés dans leur contexte. Par exemple, dans une région où les précipitations annuelles totales devraient augmenter, le moment de cette augmentation (au printemps, en été, en automne ou en hiver) peut avoir des impacts différents. Par exemple, les changements dans le manteau neigeux d’hiver peuvent modifier les régimes d’inondation au printemps et en été. L’examen des changements mensuels ou saisonniers est particulièrement utile lorsque l’on travaille avec des variables qui présentent des tendances saisonnières opposées. Par exemple, alors que les précipitations annuelles peuvent augmenter, les précipitations estivales peuvent diminuer. Il est important d’en tenir compte dans les cas où la saisonnalité de ce changement peut avoir des implications importantes en matière d’adaptation. L’intégration des systèmes de connaissances autochtones et des connaissances locales aux données climatiques occidentales peut aider à interpréter les impacts potentiels des changements climatiques à l’échelle saisonnière.

La figure 8 montre un exemple des températures minimales quotidiennes, moyennées par mois, pour Inukjuak au Nunavik (QC).   Les changements dans des variables telle que la température minimale quotidienne, lorsqu’elles sont examinées par mois, peuvent aider à contextualiser la perte de froid et la façon dont les saisons devraient évoluer au fil du temps. Si l’on ne tient compte que de la température annuelle, on prévoit un changement d’environ 6 °C entre 1971-2000 et 2071-2100, ce qui pourrait masquer certains changements saisonniers importants. Dans ce cas, les températures de janvier devraient augmenter d’environ 14 °C, tandis que celles de juillet devraient augmenter de 5 °C, ce qui indique que les hivers devraient se réchauffer plus rapidement que les étés.

 

Imaginons une autorité sanitaire locale qui tente de gérer ses ressources et ses capacités. Dans sa région, la température annuelle ne devrait augmenter que de quelques degrés, ce qui peut sembler insuffisant pour avoir un impact sur la prestation de services. Cependant, lorsqu’on examine la saisonnalité de ces changements, les températures estivales devraient augmenter considérablement, ce qui pourrait entraîner une augmentation du stress thermique. Les températures hivernales devraient également augmenter, ce qui pourrait entraîner une diminution des maladies liées au froid et des cas d’hypothermie, mais aussi une augmentation des accidents liés aux activités sur la glace.

Figure 8 : Températures minimales quotidiennes moyennes mensuelles (lignes pleines) et annuelles (lignes pointillées) à Inukjuak, au Québec, issues de la moyenne de l’ensemble CMIP6 réduite d’échelle (CanDCS-M6) pour 1971-2000 (jaune), 2041-2070 (bleu) et 2071-2100 (rose) selon le scénario SSP2-4.5. Les flèches rouges pleines indiquent la différence entre les changements de température en janvier et en juillet entre 1971-2000 et 2071-2100, et les flèches rouges en pointillés montrent le changement annuel entre 1971-2000 et 2071-2100.  Les changements de température en janvier sont plus importants qu’en juillet, ce qui signifie que les hivers se réchaufferont davantage que les étés.

6. Adoptez une vision globale : considérez plusieurs variables climatiques pour mieux comprendre le climat local

Pour obtenir une image plus complète des changements climatiques et de leurs impacts, examinez plusieurs variables ensemble et leur interaction potentielle.

Par exemple, une étude menée par Ford, Clark, Copeland et al. (2023) (anglais seulement) a utilisé la température moyenne, la concentration de glace de mer et l’épaisseur de la glace de mer (par exemple, figure 9), en plus de la vitesse du vent de surface et des précipitations totales pour projeter comment l’accès à divers sentiers semi-permanents sur la terre, l’eau et la glace de mer pourrait changer au cours de ce siècle.8

Figure 9 : Cartes de trois variables climatiques qui pourraient être considérées conjointement pour obtenir une image plus complète des changements climatiques à venir. Le panneau A) montre la température moyenne absolue pour 2071-2100 selon  le scénario  SSP2-4.5 de l’ensemble CanDCS-M6 sur Donneesclimatiques.ca, les panneaux B) et C) montrent respectivement la concentration annuelle de la glace de mer et l’épaisseur de la glace de mer pour la période 2081-2100 par rapport à 1995-2014, selon le scénario SSP2-4.5 de l’ensemble CMIP6 disponible sur le Visualiseur de données climatiques.

Autre exemple : un ingénieur travaillant pour un gouvernement local dans le Nord est chargé de la gestion des ressources en eau de la région. Les précipitations, même en tenant compte de la saisonnalité, ne donnent pas forcément une image complète du climat. Les variables supplémentaires, telles que la température, les chutes de neige et les cycles de gel/dégel, peuvent fournir une projection plus complète de la disponibilité en eau.


Il est important de reconnaître que tous les indices hydrologiques ou climatiques ne sont pas nécessairement disponibles dans les ensembles de données climatiques. Dans certains cas, il est possible d’utiliser les données disponibles ou une combinaison de données disponibles pour élaborer des indices adaptés; dans d’autres cas, vous devrez peut-être vous fier à des variables proxy, c’est-à-dire des indicateurs qui peuvent approximer ou donner un aperçu des changements que vous essayez de comprendre.


Les outils et les conseils fournis par les prestataires de services climatiques nationaux (Centre canadien des services climatiques) et régionaux (par exemple, Ouranos, le Pacific Climate Impacts Consortium (anglais seulement), CLIMAtlantic, ClimateWest (anglais seulement) et le Centre de ressources de l’Ontario pour l’adaptation au changement climatique) peuvent aider les utilisateurs à identifier les variables, les indices et les indicateurs appropriés pour soutenir la planification et la prise de décision dans le Nord.

7. Restez à jour : gardez un œil sur les nouveaux ensembles de données

Figure 10 : Le GIEC se réunit pour décider du programme de travail du septième cycle d’évaluation — GIEC.9 

Figure 11 : Exemple de nouveaux ensembles de données ajoutés à Donneesclimatiques.ca.

La science du climat est en constante évolution et de nouveaux ensembles de données climatiques sont continuellement développés (par exemple, figures 10 et 11). Les résultats des modèles et simulations mis à jour sont généralement publiés tous les cinq à sept ans dans le cadre de grands projets tels que le Projet d’intercomparaison de modèles couplés (CMIP) (anglais seulement), qui fait partie du Programme mondial de recherche sur le climat (anglais seulement) et qui sert à alimenter les rapports d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC).

De plus, des recherches sont en cours pour rendre les données des modèles climatiques globaux plus pertinentes à l’échelle régionale et locale. Les techniques de réduction d’échelle statistique, qui fournissent des informations plus détaillées et spécifiques à un endroit, font partie de ces domaines de recherche. Sur Donneesclimatiques.ca, deux types d’ensembles de données de projections climatiques à réduction d’échelle statistique sont disponibles : univariés et multivariés. Dans la réduction d’échelle univariée (par exemple, CanDCS-U5), chaque variable est réduite d’échelle séparément. Dans la réduction d’échelle multivariée (par exemple, CanDCS-M6), les variables climatiques sont réduites d’échelle ensemble, ce qui permet d’obtenir une meilleure connexion entre les variables. Pour en savoir plus sur la réduction d’échelle, consultez l’article Introduction à la réduction d’échelle (à venir).

 

Résumé

L’intégration des données climatiques fondées sur la science occidentale dans la prise de décision favorise une adaptation fondée sur des preuves dans le nord du Canada. Suivez ces conseils lorsque vous utilisez des données climatiques pour prendre des décisions éclairées et intelligentes sur le plan climatique qui renforcent la résilience et la durabilité face à un climat en changement. 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 du Nord (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. Bush, E., Gillett, N., Bonsal, B. R., Cohen, S., Derksen, C., Flato, G., Greenan, B. J. W., Shepherd, M., and Zhang, X. (2019) Executive Summary; Bush, E. and Lemmen, D.S. (Eds.) Canada’s Changing Climate Report. Government of Canada, Ottawa, Ontario. Accessed from: https://changingclimate.ca/CCCR2019/chapter/executive-summary/
  2. Willows, R., Reynard, N.,  Meadowcroft, I., and Connell, R. (2003) Climate adaptation: Risk, uncertainty and decision-making. Part 2. Oxford, UK Climate Impacts Programme, 41-87. Accessed from: https://nora.nerc.ac.uk/id/eprint/2969/1/N002969CR.pdf
  3. Klein Tank, A. M. G., Zwiers, F. W., and Zhang, X. (2009) Guidelines on analysis of extremes in a changing climate in support of informed decisions for adaptation, Climate data and monitoring WCDMP-No. 72, WMO-TD No. 1500, 56 pp. Accessed from: WCDMP_72_TD_1500_en_1.pdf
  4. Tebaldi, C. and Reto, K. (2007) The use of the multi-model ensemble in probabilistic climate projections. Phil. Trans. R. Soc. A.3652053–2075. http://doi.org/10.1098/rsta.2007.2076
  5. Government of Canada. (2021). Climate-Resilient Buildings and Core Public Infrastructure Report: Plain language summary. Government of Canada,  Ottawa, Ontario. Accessed from: https://climate-scenarios.canada.ca/?page=CRBCPI-general-summary
  6. Flato, G., Gillett, N., Arora, V., Cannon, A. and Anstey, J. (2019) Modelling Future Climate Change; Chapter 3 in Canada’s Changing Climate Report, (ed.) E. Bush and D.S. Lemmen; Government of Canada, Ottawa, Ontario, p. 74-111. Accessed at: https://changingclimate.ca/CCCR2019/chapter/3-0/
  7. Qian, B., Jing, Q., Bélanger, G.,  Jégo, g., Smith, W., VanderZaag, A., Shang, J., Liu, J., Grant, B., and Crépeau, M. 2025. Projected changes in risks of winter damage to fruit trees and plant hardiness zones in Canada. Canadian Journal of Plant Science. 105: 1-17. https://doi.org/10.1139/cjps-2024-0178
  8. Ford, J.D., Clark, D.G., Copland, L., Pearce, T., IHACC Research Team, and Harper, L.S. (2023) Projected decrease in trail access in the Arctic. Commun Earth Environ 4, 23 (2023). https://doi.org/10.1038/s43247-023-00685-w
  9. Intergovernmental Panel on Climate Change. (2024, January 15). IPCC meets to decide on the programme of work for the seventh assessment cycle. IPCC Newsroom. Accessed from: https://www.ipcc.ch/2024/01/15/ipcc-60/

Ce projet a été réalisé avec l’appui de :

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

Légal