Avertissement des données du modèle climatique et restrictions

Data Limitations

Les restrictions suivantes devraient être examinées par quiconque désirant utiliser les résultats de l'Atlas climatique pour une prise de décision. Ces restrictions sont particulièrement importantes pour les ingénieurs, planificateurs et autres professionnels utilisant des données climatiques pour leur travail.

Méthode de réduction d’échelle

L’échelle des données des modèles climatiques utilisée dans cette version de l’Atlas climatique a été réduite statistiquement par le Pacific Climate Impacts Consortium (PCIC) à l’aide de la version 2 de la méthode correction de biais/construction d'analogues, avec cartographie des quantiles (BCCAQv2). La méthode BCCAQv2 est une version améliorée de la méthode de désagrégation spatiale corrigée (BCSD) utilisée dans la version antérieure de l’Atlas. L’ancien algorithme BCSD est une méthode mise à l’échelle relativement simple. Il utilisait un ensemble de données climatiques historiques produit par Ressources naturelles Canada (RNCAN) pour simuler une variabilité quotidienne dans les données climatiques mensuelles du modèle. Les valeurs quotidiennes étaient échantillonnées au hasard à partir de mois historiques et à partir de l’ensemble de données de RNCAN, puis remises à l’échelle afin que les moyennes mensuelles correspondent aux projections des modèles climatiques d'origine. Il est important de noter que ceci signifiait que les données quotidiennes mises à l’échelle avec la méthode BCSD indiquaient des changements au niveau de la moyenne mensuelle, mais pas des changements de variabilité quotidienne au modèle original.

La méthode BCCAQv2 utilise les mêmes ensembles de données de « formation » utilisés pour créer les données de la méthode BCSD. Il n’est donc pas surprenant que les deux méthodes de mise à l’échelle se comparent très bien lorsque l’une d’elles compare les changements climatiques entre les différentes saisons ou années. Cependant, contrairement à la méthode BCSD, la nouvelle méthode BCCAQv2 utilisée dans cette version de l’Atlas conserve les intervalles de temps quotidien originaux des modèles climatiques, ce qui implique que les changements de la variabilité quotidienne des données mises à l’échelle reflètent beaucoup mieux les sorties du modèle global original.

Dans cette version de l’Atlas, nous présentons des données de 24 modèles climatiques. Il s’agit d’une augmentation substantielle par rapport à la version précédente, laquelle utilisait un ensemble de 12 modèles. Cette augmentation du nombre de modèles fait augmenter l’éventail des projections.

L’ensemble de données de la méthode BCCAQv2 mis de l’avant par le PCIC contient en réalité 27 modèles climatiques. De plus, de multiples exécutions du même modèle étaient également disponibles. À des fins d’uniformité, nous utilisons les mêmes 24 modèles fournis par Environnement et Changement climatique Canada (ECCC) via le visualiseur de données climatiques en ligne. (Le site web d’ECCC a été construit à l’époque où seulement 24 modèles étaient disponibles à des fins de visualisation.)

Ensembles

Sauf indication contraire, les données présentées dans l'Atlas illustrent la moyenne, ou la moyenne de l’ensemble, mise à l’échelle statistique, de 24 modèles climatiques. Dans les études climatologiques, il est pratique courante d'utiliser les données non pas d'un seul modèle, mais d’un éventail de modèles, pour représenter l'incertitude associée au processus de modélisation. Par souci de simplicité, nous avons choisi d'utiliser la moyenne de l'ensemble, plutôt que les valeurs médianes comme il se fait dans d’autres études. Pour certaines de nos illustrations, la valeur moyenne est accompagnée par les valeurs du 90e et du 10e percentile des 24 modèles afin d’indiquer la fourchette de projections des modèles.

Saisons

Nous utilisons la définition climatologique standard pour déterminer les quatre saisons : hiver = décembre/janvier/février, printemps = mars/avril/mai, été = juin/juillet/août et automne = septembre/octobre/novembre. Pour presque toutes les régions du Canada, ces regroupements de mois ne correspondent pas nécessairement aux dates de début et de fin des saisons. De plus, choisir des mois précis pour définir les saisons ne tient pas compte des changements à venir qui vont affecter nos saisons.

Résolution spatiale et interpolation

Le processus de mise à l’échelle spatiale utilisé par le PCIC s'appuie sur les ensembles de données sous forme de valeurs aux points de grille de Ressources naturelles Canada (RNCAN), qui correspondent aux observations météorologiques quotidiennes historiques, afin de représenter comment la température et les précipitations varient dans l'espace. Bien que les données sous forme de valeurs aux points de grille soient généralement de grande qualité, la qualité est spatialement hétérogène. En particulier, la qualité des données de RNCAN est réduite lorsqu'il y a : i) des lacunes temporelles dans les données d’une station météorologique; ii) de grandes distances géographiques entre les stations météorologiques; iii) présence de terrains montagneux et/ou; iv) de grands contrastes de microclimat dans une région donnée. En bref, notre modèle climatique est plus enclin à l'erreur d'interpolation dans les régions montagneuses, les zones avec peu de stations météorologiques et où les suivis à long terme sont non disponibles, comme dans le nord du Canada.

Analyse du plus proche voisin

Pour les municipalités (villes et villages), les variables climatiques ont été obtenues à partir du point de quadrillage le plus proche, c’est-à-dire que des données mises à l’échelle provenant de points de quadrillage uniques représentant une zone de 10 km x 10 km furent utilisées pour représenter le climat des villes et villages, même si ces endroits peuvent avoir une superficie supérieure à cette zone. Ce choix a été fait pour des raisons de simplicité de calcul.

Établir une moyenne surfacique (aréolaire)

L'Atlas climatique permet aux utilisateurs d'explorer les valeurs des changements climatiques dans l'ensemble du Canada, y compris les régions rurales et éloignées. Cependant, en raison de limitations computationnelles et d’autres liées au serveur, nous ne pouvons pas fournir toutes les données des modèles à leur résolution native de 10 km2. Pour cette version de l'Atlas climatique, nous avons donc décidé d’établir une moyenne surfacique (aréolaire) des données pour trois échelles :

  • d’une carte topographique du Service national de référence cartographique du Canada (SNRC) à une échelle de 1:250 000;
  • d’une carte topographique à une échelle de 1:50 000;
  • des provinces et des territoires.

Seuls les points de données entièrement contenus dans les domaines de l'aménagement de ces régions ont été inclus dans leurs moyennes surfaciques.

Données non océaniques

Il est important de noter que les données des modèles sous forme de valeurs aux points de grille utilisées pour créer l’Atlas étaient disponibles pour presque toutes les zones du Canada incluant les lacs, comme le Lac Winnipeg, mais pas pour l’ensemble des Grands Lacs, qui s’étendent jusqu’aux États-Unis. Aucune donnée n'était disponible pour les océans. Un grand nombre des points de grille NTS (Système national de référence cartographique) le long des côtes du Canada contiennent de grandes zones de haute mer, et dont parfois seulement une infime fraction de la zone représente des terres. Dans ces cas, la valeur surfacique moyenne de ces carreaux de la grille en zone côtière représente uniquement les conditions prévalant sur cette portion terrestre de la grille. Le nombre de points de données compris dans l’une ou l’autre des zones est indiqué dans la barre latérale des cartes de l’Atlas.

Impacts et confiance

Il est impossible d'affirmer avec certitude qu'un changement climatique prévu va se produire. En fait, tout espoir fondé sur une confiance absolue envers les modèles climatiques est une quête malheureuse; il y aura toujours de l'incertitude associée à ce que les modèles prédisent sur la manière dont le climat va changer. De plus, il est impossible de prédire avec certitude l’impact d’un changement climatique sur le milieu. Cependant, le niveau de confiance que l’on peut avoir quant aux impacts possibles variera d'un cas à l'autre, selon le type de changement climatique associé audit impact et la nature de sa relation entre le changement et l’impact de ce changement.

Par exemple, c'est une chose de calculer le nombre de jours de + 30 °C prévus dans le futur, mais c'est une tout autre chose d'indiquer comment une augmentation du nombre de jours de plus de 30 °C aura probablement une incidence sur la santé humaine, la fréquence des feux de forêt ou l'intensité des orages. C’est aussi une tout autre chose de calculer l'impact cumulatif que ces impacts auront sur l'économie.

Notre niveau de confiance est beaucoup plus élevé lorsque nous affirmons qu'une augmentation du nombre de journées très chaudes fera probablement augmenter le nombre de coups de chaleur en milieu urbain (à moins que l'adaptation se fasse), mais notre niveau de confiance est beaucoup moins élevé lorsque nous affirmons que l'augmentation de ces jours chauds fera augmenter la gravité des orages (qui dépendent de certains types de conditions météorologiques). Il y a une relation très directe entre les maladies causées par la chaleur et les températures extérieures élevées, alors que le développement d’un orage dépend de nombreux facteurs environnementaux, la température n'étant que l’un d’entre eux. De même, nous aurons probablement un niveau de confiance beaucoup moins élevé en affirmant que ces impacts auront une incidence négative sur l'économie de la nation. Notre niveau de confiance diminue à mesure que le système devient plus complexe et que plus de variables entrent en jeu.

Dans les cas où nous avions moins confiance dans notre capacité à bien comprendre les données, nous avons analysé la plus récente littérature évaluée par les pairs et nous avons contacté des experts de partout au Canada afin de mieux soutenir nos travaux. Cependant, nous ne serons jamais en mesure de prévoir les impacts futurs avec une certitude absolue. En dépit de cela, nous croyons fermement que la société a besoin d’aller de l'avant et d’étudier les risques de changements climatiques malgré la présence d'incertitude. En effet, c'est l'un des objectifs de notre travail : entamer des discussions sur la façon dont le climat est susceptible de changer, ce que les impacts de ces changements peuvent être et comment nous devons réagir.

Les indices et variables climatiques spécifiques

Les précipitations

Les précipitations sont beaucoup plus difficiles à modéliser que la température. Par conséquent, nous avons un niveau de confiance relativement faible en ce qui a trait aux projections de précipitation pour un moment ou un point spécifique. Le niveau de confiance est par contre plus élevé lorsque les projections sont agrégées afin de produire des moyennes des précipitations totales mensuelles, saisonnières et annuelles à plus long terme.

Notez que la fourchette des valeurs de précipitations prévues dans les modèles utilisés pour créer nos valeurs d’ensembles est relativement élevée par rapport à la fourchette des valeurs des températures projetées, ce qui est typique dans toutes les études sur les modèles climatiques.

Jours de précipitations fortes

L'Atlas climatique démontre relativement peu de changement dans le nombre de jours de précipitations fortes (JPF) dans le futur; toutefois, il y a beaucoup d'incertitude concernant la façon dont les modèles climatiques reflètent ces évènements intenses et souvent localisés (comme un orage).

Néanmoins, les spécialistes du climat ont très confiance que le nombre d’évènements de précipitations fortes, particulièrement les évènements de pluies fortes, sera plus fréquent et plus intense dans le futur, au fur et à mesure que l'atmosphère devient plus énergique (chaude) et humide. En effet, il y a déjà plusieurs preuves démontrant que les tempêtes de pluie sont de plus en plus fréquentes et intenses dans de nombreuses régions du monde, y inclus l’Amérique du Nord.

Nous avons donc peu de confiance envers les valeurs JPF. Plus précisément, il est probable que les projections sous-estiment la fréquence et l'intensité des évènements de fortes précipitations. Nous avons plus confiance dans les moyennes à long terme des précipitations totales mensuelles, saisonnières et annuelles représentées dans l'Atlas climatique.

La température moyenne

En météorologie, la température moyenne quotidienne reflète la moyenne de toutes les mesures de température effectuées en une journée (généralement la moyenne des mesures horaires sur 24 heures). En recherche climatologique, il est commun de calculer la température moyenne quotidienne comme étant la moyenne des températures minimales et maximales quotidiennes. Sur des échelles temporelles, les deux méthodes de calcul de la moyenne quotidienne peuvent donner des résultats légèrement différents.

Puisque nous avions seulement accès à la modélisation des températures maximales et minimales quotidiennes, nous définissons la température moyenne quotidienne comme étant la moyenne de la température minimale et maximale quotidienne. Toutes les valeurs de la température moyenne dans l'Atlas (incluant les valeurs historiques observées) ont été calculées en utilisant la même méthode, les rendant cohérentes et comparables.

La date du premier gel d'automne, la date de la dernière gelée du printemps, saison sans givre

Les températures que nous utilisons pour calculer la durée de la saison sans gel sont basées sur des observations standards de station météo qui sont enregistrées par des capteurs situés à 1,2 m au-dessus du sol. Toutefois, les températures minimales au niveau ou près du niveau du sol, où les plantes sortent du sol et se développent, peuvent varier énormément par rapport à la température normale de l'air à la surface du sol. Ainsi, la méthode standard consistant à identifier la présence/absence de gel est une approximation. Comme les températures minimales mesurées au niveau du sol sont souvent plus froides que celles mesurées à 1,2 m au-dessus du sol, la durée estimée de la saison sans gel présentée ici est probablement légèrement plus longue que la réelle durée de la saison sans gel au niveau du sol.