Commencez à découvrir les nouvelles prévisions décennales sur la carte et apprenez-en plus en consultant l’article de la Zone d’apprentissage et le blogue.

Que sont les prévisions décennales?

Découvrez les prévisions décennales sur Donneesclimatiques.ca et où trouver plus d’informations à leur sujet.

Module

Prévisions saisonnières à décennales

Format

Article

Temps de Réalisation

15 minutes

Messages clés

Les prévisions décennales sur Donneesclimatiques.ca :

  • prédisent comment les conditions climatiques des 5 à 10 prochaines années sont susceptibles de se comparer aux conditions passées
  • sont disponibles pour deux périodes consécutives de 5 ans au cours des 10 prochaines années et sont mis à jour annuellement
  • ne prévoient pas les conditions météorologiques quotidiennes ou hebdomadaires, ni les conditions pour un mois ou une saison en particulier

Prévisions décennales sur Donneesclimatiques.ca

Les prévisions décennales sur Donneesclimatiques.ca résument les prévisions concernant la manière dont les conditions climatiques (par exemple, la température moyenne et les précipitations totales) au cours des 10 prochaines années devraient se comparer aux conditions passées. Elles ne prévoient pas les conditions météorologiques quotidiennes ou hebdomadaires ni les conditions pour un mois ou une saison en particulier.Ces prévisions sont disponibles sous forme de moyennes agrégées sur deux périodes consécutives de cinq ans pour :

  1. les mois les plus chauds (mai à septembre)
  2. les mois les plus froids (novembre à mars)
  3. tous les mois (janvier à décembre)

Les prévisions sont mises à jour chaque année (généralement publiées avant la fin mars) et seules les prévisions les plus récentes sont disponibles. Par exemple, en 2026, les deux périodes de cinq ans disponibles sont 2026 à 2030 et 2031 à 2035. En 2027, les prévisions décennales seront mises à jour pour couvrir les périodes 2027 à 2031 et 2032 à 2036.

Ces prévisions sont probabilistes, ce qui signifie qu’elles indiquent la probabilité que différents résultats se produisent. Par exemple, une prévision décennale pourrait indiquer la probabilité qu’une période de cinq ans, au cours des dix prochaines années, soit plus chaude ou plus froide que la normale, ou plus humide ou plus sèche que la normale. La « normale » est définie en fonction des conditions typiques observées au cours d’une période de référence historique de 30 ans, à l’aide d’une climatologie historique fondée sur un ensemble de données de réanalyse comprenant des observations couvrant la période de 1991 à 2020.

Les prévisions décennales sont produites à l’aide d’un modèle climatique qui simule les influences naturelles et humaines sur le climat (voir la section D’où provient la prévisibilité à l’échelle décennale?).

Quels sont les utilisations et les avantages des prévisions décennales?

Les prévisions décennales permettent de combler l’écart entre les prévisions saisonnières et les projections climatiques à plus long terme (voir la figure 1). Le choix du moment d’utiliser les prévisions décennales est souvent déterminé par l’échelle de temps d’intérêt, comme la durée de vie d’un projet.

Alors que les prévisions saisonnières sont utiles pour planifier les saisons à venir au cours des 12 prochains mois, les prévisions décennales soutiennent la planification sur les 5 à 10 prochaines années. Les projections climatiques sont plus appropriées pour une planification à plus long terme sur plusieurs décennies.

Les prévisions décennales incluent les effets des changements climatiques d’origine humaine. Cependant, contrairement aux projections climatiques, elles ne sont pas disponibles pour différents scénarios d’émissions, car les différences entre les scénarios d’émissions sont minimes au cours des 10 prochaines années.

Les prévisions décennales prévoient raisonnablement bien le moment de la variabilité naturelle du climat au cours des 5 à 10 prochaines années (par exemple, l’oscillation multidécennale de l’Atlantique) puisqu’elles partent de conditions initiales observées. Après environ 10 ans, cette prévisibilité diminue et la confiance dans les prévisions décennales diminue. Pour les projets dont la durée de vie s’étend sur plusieurs décennies ou plus, une combinaison de prévisions décennales (pour les 10 prochaines années) et de projections climatiques (pour des périodes de 30 ans jusqu’à la fin du siècle) peut être utilisée pour comprendre les impacts possibles tout au long de la durée de vie du projet.

Figure 1 : Montre les différentes échelles de temps, des prévisions météorologiques aux projections climatiques. Les prévisions décennales couvrent l’échelle de temps entre les prévisions saisonnières et les projections climatiques et fournissent des prévisions couvrant les 10 prochaines années.

 

 

Les planificateurs et les décideurs peuvent utiliser les prévisions décennales pour évaluer les avantages et les risques des différentes mesures. Idéalement, il faudrait prendre en compte les probabilités de tous les résultats (par exemple, des conditions au-dessus de la normale, près de la normale et en dessous de la normale). Toutefois, il est reste avantageux de fonder les décisions sur le résultat le plus probable de chaque prévision plutôt que de se baser uniquement sur le passé.

Pourquoi les prévisions décennales sont-elles présentées sous forme de probabilités?

Il n’est pas possible de prévoir les conditions climatiques pour des périodes futures spécifiques qui se dérouleront dans des années avec la même exactitude que les prévisions météorologiques. Au lieu de cela, le modèle de prévision décennale utilise un grand nombre de simulations de modèle appelé « ensemble ». Le modèle climatique est exécuté 40 fois, chaque fois avec une condition initiale légèrement différente. Chaque simulation du modèle représente une prévision évolutive dans le temps des conditions futures possibles. L’ensemble sert à calculer la probabilité des différents résultats possibles (par exemple, la probabilité que les conditions soient au-dessus de la normale, près de la normale ou sous la normale) à chaque endroit pour chaque période de cinq ans à venir au cours des 10 prochaines années. Ce type de prévision est appelé « prévision probabiliste ».

Par exemple, supposons qu’une prévision indique une probabilité de 70 % de précipitations au-dessus de la normale, une probabilité de 20 % de précipitations près de la normale et une probabilité de 10 % de précipitations sous la normale. Cette prévision peut être interprétée comme une probabilité de 70 % (sur 100) de connaître des précipitations au-dessus de la normale, une probabilité de 20 % (sur 100) de connaître des précipitations près de la normale et une probabilité de 10 % (sur 100) de connaître des précipitations sous la normale. Les conditions réelles qui se produiront (c’est-à-dire celles qui seront finalement observées et vécues) ne correspondront pas toujours au résultat de prévision ayant la probabilité la plus élevée. Dans cet exemple, le modèle de prévision ne serait pas considéré comme « erroné » si un résultat près de la normale ou sous la normale se produisait, car même si ces résultats sont moins probables, ils ne sont pas impossibles et devraient se produire de temps en temps (voir figure 2).

Figure 2 : Les prévisions probabilistes décennales peuvent être comprises en faisant une analogie avec une roue de hasard. Chaque section de la roue représente un résultat possible. Dans cet exemple, la roue représente une prévision décennale qui prévoit une probabilité de 70 % d’un résultat au-dessus de la normale, une probabilité de 20 % d’un résultat près de la normale et une probabilité de 10 % d’un résultat sous la normale. Les résultats obtenus après avoir fait tourner la roue de nombreuses fois sont indiqués à droite (dans la partie bleu clair). Ils représentent les résultats « observés ». Notez que le pointeur (petit triangle gris) de la roue de hasard s’arrête sur différents résultats au fil des nombreux tours.

À quoi ressemblent les prévisions décennales sur Donneesclimatiques.ca?

Les prévisions décennales sur Donneesclimatiques.ca sont présentées sur une carte indiquant le résultat le plus probable pour chaque endroit. Lorsqu’un endroit est sélectionné, les probabilités pour tous les résultats sont affichées (voir figure 3).

Deux types de prévisions sont disponibles :

  1. Conditions attendues : indiquent si les conditions futures devraient être au-dessus de la normale, près de la normale ou en dessous de la normale. Par exemple, ces prévisions indiquent la probabilité qu’une période de 5 ans soit plus chaude ou plus froide que la normale, ou plus humide ou plus sèche que la normale, la normale étant définie en fonction des conditions climatiques historiques de 1991 à 2020.
  2. Conditions inhabituelles : indiquent la probabilité que les conditions futures soient inhabituellement élevées ou inhabituellement faibles. Par exemple, ces prévisions décrivent la probabilité qu’une période de cinq ans soit inhabituellement chaude ou froide, ou inhabituellement humide ou sèche, par rapport aux conditions climatiques historiques de 1991 et 2020.

Figure 3 : Capture d’écran d’une prévision décennale des conditions attendues de précipitations pour Calgary, en Alberta, tirée du site Donneesclimatiques.ca. Les prévisions des conditions attendues indiquent des conditions au-dessus de la normale, près de la normale et en dessous de la normale.

D’où provient la prévisibilité à l’échelle décennale?

Le système climatique est principalement influencé par les interactions entre l’atmosphère, la terre, les océans et les influences humaines. Ces influences évoluent sur des échelles de temps allant de quelques jours à plusieurs siècles et fournissent la prévisibilité qui permet aux modèles météorologiques et climatiques de produire des prévisions météorologiques, des prévisions saisonnières, des prévisions décennales et des projections climatiques, comme le montre la figure 4. Différentes sources de prévisibilité influencent la météo et le climat à différentes échelles de temps (par exemple, jours, saisons, décennies).

Les prévisions décennales sont largement influencées par les changements de l’état de l’océan, y compris la variabilité naturelle du climat. La variabilité de la température de surface de la mer dans les océans Atlantique et Pacifique (par exemple, l’oscillation multidécennale de l’Atlantique) constitue une source importante de prévisibilité à l’échelle décennale [1]. Les prévisions décennales sont également affectées par les influences humaines telles que les émissions de gaz à effet de serre et les aérosols. Vous trouverez de plus amples informations sur les aérosols dans l’article « Aérosols et leurs effets sur le climat».

Pour prévoir l’évolution des influences climatiques au cours de la prochaine décennie, le modèle de prévision décennale utilise des informations sur les conditions climatiques actuelles pour démarrer (initialiser) la simulation, puis la fait évoluer dans le temps. Les prévisions décennales ne sont pas produites pour différentes trajectoires communes d’évolution socio-économique (SSP), car les différences entre ces SSP sont minimes au cours des 10 prochaines années. Au lieu de cela, les prévisions sont faites à partir des émissions de gaz à effet de serre du scénario d’émissions unique SSP2-4.5 [2].

Figure 4 : L’atmosphère, la terre, les océans et les influences humaines affectent le climat à des échelles de temps allant de quelques jours à plusieurs siècles. Cependant, leurs influences se font sentir plus fortement à certaines échelles de temps. Les modèles météorologiques et climatiques utilisent ces sources de prévisibilité pour produire des prévisions météorologiques, des prévisions saisonnières, des prévisions décennales et des projections climatiques. Figure adaptée de [1].

Probabilités élevées de températures et de précipitations au-dessus de la normale

Les prévisions décennales de température moyenne indiquent que des températures au-dessus de la normale sont le résultat le plus probable pour toutes les régions du Canada au cours des 10 prochaines années. Cela est dû en grande partie aux influences humaines sur les changements climatiques, qui est plus apparente dans les prévisions décennales que dans les prévisions saisonnières. Comme les prévisions décennales couvrent des périodes plus longues, elles reflètent plus fortement les influences humaines, comme le montre la figure 4 ci-dessus.

La figure 5 compare une prévision décennale de la température moyenne quotidienne de 2026 à 2030 avec une projection climatique des changements futurs de cette température, moyennée sur la période de 2021 à 2050 (en utilisant SSP2-4.5 à des fins de démonstration). Les prévisions décennales à gauche indiquent que des températures au-dessus de la normale sont le résultat le plus probable sur l’ensemble du Canada.

De même, la projection climatique à droite montre le changement projeté des températures entre 2021 et 2050 par rapport à la période de référence sur l’ensemble du Canada. Un réchauffement des températures est prévu dans toutes les régions. Ces cartes illustrent le réchauffement au Canada dû aux changements climatiques, mais sur des périodes différentes; non seulement la prévision décennale porte sur une période temporelle plus courte et plus proche du présent, mais elle inclut également l’effet prévu de la variabilité naturelle du climat au cours des cinq prochaines années.

 

Figure 5 : Les cartes ci-dessus montrent le réchauffement prévu pour des périodes décennales et de 30 ans. La carte A) présente une prévision décennale de la température moyenne quotidienne pour la période 2026 à 2030, montrant que des températures au-dessus de la normale sont le résultat prévu le plus probable sur l’ensemble du Canada. La carte B) présente une projection climatique des changements futurs de la température moyenne quotidienne de 2021 à 2050 (selon le scénario SSP2-4.5), indiquant qu’un réchauffement est prévu sur l’ensemble du Canada.

La figure 6 présente la même comparaison pour les précipitations. Les prévisions décennales de gauche indiquent que des précipitations au-dessus de la normale constituent le résultat le plus probable pour la majeure partie du nord, du centre et du Canada atlantique. La projection climatique sur 30 ans de droite montre une augmentation des précipitations totales sur la Colombie-Britannique et le nord, le centre et le Canada atlantique. De manière générale, les précipitations ont déjà augmenté dans une grande partie du Canada au cours des dernières décennies en raison des changements climatiques, bien qu’il existe d’importantes différences entre les régions [3].

 

Figure 6 : La carte A) présente une prévision décennale des précipitations totales quotidiennes pour la période 2026 à 2030, indiquant que des précipitations au-dessus de la normale sont le résultat le plus probable pour la majeure partie du nord, du centre et du Canada atlantique. La carte B) présente une projection climatique des changements futurs des précipitations totales quotidiennes pour la période 2021 à 2050 (selon le scénario SSP2-4.5), indiquant que l’on prévoit une augmentation des précipitations sur la Colombie-Britannique et le nord, le centre et le Canada atlantique.

Incertitude des prévisions décennales

L’incertitude est inhérente à toute prévision. Dans le contexte des prévisions, « incertain » ne signifie pas « spéculatif »; il indique plutôt que, bien que la compréhension scientifique de nombreux processus climatiques soit bien établie et permette d’élaborer des prévisions fiables, nos connaissances sur les conditions climatiques futures restent incomplètes. De nombreuses sources d’incertitude associées aux prévisions saisonnières (voir l’article « Tenir compte de l’incertitude dans les prévisions saisonnières ») et aux projections climatiques (voir l’article « Incertitudes relatives aux projections climatiques ») affectent également les prévisions décennales.

L’incertitude dans les prévisions décennales est principalement due à une combinaison des facteurs suivants :

Limites de la prévisibilité du climat sur des échelles de temps décennales

La prévisibilité du climat est limitée par une variabilité naturelle intrinsèquement chaotique. Certaines composantes du système climatique, telles que les océans, varient plus lentement, ce qui permet une prévisibilité à l’échelle décennale. D’autres composantes du système climatique, telles que l’atmosphère, varient plus rapidement, ce qui réduit la prévisibilité sur des échelles de temps plus longues. Voir la section « D’où provient la prévisibilité à l’échelle décennale? » pour plus d’informations.

Incertitude dans les conditions initiales

Chaque simulation de modèle utilisée dans les prévisions décennales part d’une condition initiale basée sur des observations climatiques récentes. Ces observations sont sujettes à une certaine incertitude en raison d’erreurs de mesure et de lacunes d’observation dans le temps et l’espace.

Incertitude due aux limites du modèle de prévision décennale

Les modèles sont des représentations numériques des processus qui régissent l’état de l’atmosphère, de la terre, de l’océan et de la glace de mer. Bien que ces modèles simulent d’importants processus physiques qui déterminent la météo et le climat, ils ne font qu’une approximation ou n’incluent pas certains processus physiques qui peuvent avoir une incidence sur la météo et le climat. Par conséquent, ces modèles fournissent une bonne représentation, mais non parfaite, du système météorologique et climatique.

L’habileté du modèle de prévision décennale est évaluée pour aider à quantifier sa performance, influencée par toutes ces sources d’incertitude. L’habileté est évaluée en fonction de la performance des prévisions sur une période historique par rapport à ce qui s’est réellement produit. Les mesures d’habileté fournissent aux décideurs un contexte supplémentaire pour les aider à interpréter les prévisions pour l’endroit d’intérêt. Sur Donneesclimatiques.ca, l’habileté est fournie avec chaque prévision.

 

Note technique

Sur Donneesclimatiques.ca, l’habileté est calculée à l’aide du score d’habileté de l’indice continu de probabilité ordonnée (CRPSS). L’habileté pour la première période de cinq ans (années 1 à 5) est évaluée à partir des 26 prévisions quinquennales qui se chevauchent et couvrent la période historique de 1996 à 2025. L’habileté pour la deuxième période de cinq ans (années 6 à 10) est évaluée à l’aide des 16 prévisions quinquennales qui se chevauchent et couvrent la période de 2006 à 2025.

Comment les prévisions décennales sur Donneesclimatiques.ca sont-elles élaborées?

Les prévisions décennales disponibles sur Donneesclimatiques.ca sont générées à l’aide de la version 5 du Modèle canadien du système terrestre (CanESM5), un modèle climatique global développé par Environnement et Changement climatique Canada (ECCC) [2].

Les prévisions décennales sont produites sur une grille spatiale de 1o x 1o (~ 110 km x 60 km). Cependant, la carte interactive de Donneesclimatiques.ca présente une grille spatiale d’environ 0.1o x 0.1o (~ 10 km x 6 km), ce qui correspond à la résolution approximative de la climatologie historique fournie avec la prévision. Bien que chaque point de grille présente des valeurs différentes de celles de la climatologie historique, la prévision couvre une zone plus étendue. La climatologie historique provient de l’ensemble de données de Réanalyse canadienne de surface. La documentation technique relative à CanESM5 (en anglais uniquement) fournit des informations supplémentaires.

Informations supplémentaires sur les prévisions décennales pour le Canada

En plus de Donneesclimatiques.ca, Données et scénarios climatiques canadiens (DSCC) d’ECCC et l’Organisation météorologique mondiale (OMM) (en anglais uniquement) fournissent des informations sur les prévisions décennales mises à jour chaque année. Le tableau 1 présente les prévisions décennales disponibles sur chaque portail.

Tableau 1 : Résumé des détails clés des prévisions décennales disponibles sur Donneesclimatiques.ca, sur les sites web d’ECCC et de l’OMM. Consultez chaque portail pour voir la liste complète des variables et des indices offerts.

Lien vers le portailType de prévisionPériodes de prévisionCouverture spatialeEnsemble de modèlesLes prévisions sont-elles calibrées1?Les indicateurs d’habileté sont-ils affichés?
Donneesclimatiques.ca
  • Prévision probabiliste pour des conditions au-dessus de la normale, près de la normale ou en dessous de la normale
  • Prévision probabiliste pour des conditions inhabituellement élevées et inhabituellement faibles
Moyennes sur deux périodes consécutives de cinq ans au cours des dix prochaines années pour :
  • Tous les mois (janvier à décembre)
  • Mois les plus chauds: mai à septembre
  • Mois les plus froids: novembre à mars
  • Résolution: 1ox 1o
  • À l’échelle du Canada
  • La climatologie historique est fournie à une résolution d’environ ~0.1ox 0.1o
Modèle unique (CanESM5)Oui [4]Oui
Site web d’ECCC consacré aux prévisions décennales pour le Canada (DSCC), documentation technique et guide de l’utilisateur
  • Prévisions des variations de température et de précipitations (prévisions d’anomalies)
  • Moyennes annuelles et saisonnières sur des périodes glissantes de 5 ans
  • Résolution: 1ox 1o
  • À l’échelle du Canada
Centiles d’ensemble multimodèles (utilisant les mêmes modèles que les centres mondiaux de production désignés par l’OMM et d’autres centres contributeurs, y compris CanESM5)NonNon
Site web de l’OMM (en anglais seulement)
  • Prévisions d’anomalies
  • Prévision probabiliste pour des conditions au-dessus ou en dessous de la moyenne
Moyenne sur l’année en cours, sur les 5 prochaines 5 années et sur les 10 prochaines années pour:
  • Tous les mois (janvier à décembre)
  • Mois les plus chauds: mai à septembre
  • Mois les plus froids: novembre à mars
  • Résolution: 1o x 1o
  • Global
Multimodèle (y compris CanESM5)NonOui
1 Le calibrage est un type de post-traitement statistique utilisé pour affiner les prévisions après leur génération par des modèles. Il vise à améliorer l’habileté et la fiabilité des prévisions en ajustant l’ensemble des prévisions des modèles, afin qu’elles correspondent mieux aux conditions observées pour une période et un endroit donnés; cet ajustement repose sur les relations historiques entre les prévisions et les observations durant la période de référence allant de 1991 à 2020. Les détails techniques relatifs à la méthode de calibrage appliquée aux prévisions S2D sur Donneesclimatiques.ca sont présentés dans l’article « A Postprocessing Method for Seasonal Forecasts Using Temporally and Spatially Smoothed Statistics » [4] (en anglais uniquement).

Références

[1] Merryfield, W.J., Baehr, J., Batté, L., Becker, E.J., Butler, A.H., Coelho, C.A.S., Danabasoglu, G., Dirmeyer, P.A., Doblas-Reyes, F.J., Domeisen, D.I.V., Ferranti, L., Ilynia, T., Kumar, A., Müller, W.A., Rixen, M., Robertson, A.W., Smith, D.M., Takaya, Y., Tuma, M., Vitart, F., White, C.J., Alvarez, M.S., Ardilouze, C., Attard, H., Baggett, C., Balmaseda, M.A., Beraki, A.F., Bhattacharjee, P.S., Bilbao, R., de Andrade, F.M., DeFlorio, M.J., Díaz, L.B., Ehsan, M.A., Fragkoulidis, G., Gonzalez, A.O., Grainger, S., Green, B.W., Hell, M.C., Infanti, J.M., Isensee, K., Kataoka, T., Kirtman, B.P., Klingaman, N.P., Lee, J.Y., Mayer, K., McKay, R., Mecking, J.V., Miller, D.E., Neddermann, N., Ng, C.H.J., Ossó, A., Pankatz, K., Peatman, S., Pegion, K., Perlwitz, J., Recalde-Coronel, G.C., Reintges, A., Renkl, C., Solaraju-Murali, B., Spring, A., Stan, C., Sun, Y.Q., Tozer, C.R., Vigaud, N., Woolnough, S., & Yeager, S. (2020). Current and Emerging Developments in Subseasonal to Decadal Prediction. Bulletin of the American Meteorological Society, 101(6), E869-E896. https://doi.org/10.1175/BAMS-D-19-0037.1

[2] Sospedra-Alfonso, R., Merryfield, W.J., Boer, G.J., Kharin, V.V., Lee, W., Seiler, C., & Christian, J.R. (2021). Decadal climate predictions with the Canadian Earth System Model version 5 (CanESM5). Geoscientific Model Development, 14(11), 6863-6891. https://doi.org/10.5194/gmd-14-6863-2021

[3] Wang, X.L., Zwiers, F.W., Kirchmeier-Young, M., Feng, Y., Gillett, N. & Qian, B. (2026). Overview of past changes in climate. In Canada’s Changing Climate Report 2026. Government of Canada. https://www.canada.ca/en/environment-climate-change/services/science-technology/changing-climate-report-2026/cccr-chapter-2-en.html

[4] Kharin, V.V., Merryfield, W.J., Boer, G.J., & Lee, W.-S. (2017). A Postprocessing Method for Seasonal Forecasts Using Temporally and Spatially Smoothed Statistics. American Meteorological Society, 145(9), 3545-3561.https://doi.org/10.1175/MWR-D-16-0337.1