Note sur les variables « prédicteurs » de SDSM et ASD (Variables atmosphériques à grande échelle)

Les deux modèles de réduction d'échelle statistique, SDSM (Wilby et al., 2002) et ASD (réduction d'échelle statistique automatique; Hessami et al., 2007) calculent les relations statistiques au moyen des techniques de régression linéaire multiple entre les variables à grande échelle (prédicteurs) et le climat local (predictand). Ces relations sont établies au moyen des données météorologiques observées et, si l'on présume que ces relations resteront valables à l'avenir, elles peuvent servir à obtenir des données locales à échelle réduite pour une période future, en établissant les relations avec les variables prédicteurs issues des MCG.

Aussi bien les variables prédicteurs observées (ou réanalysées) que celles qui sont issues d'un MCG ont été normalisées par leur moyenne et leurs écarts types sur 19611990, c'estàdire que la moyenne et l'écart type relatifs à la période 19611990 ont été calculés et que l'on a soustrait la moyenne de chaque valeur quotidienne avant de la diviser par l'écart type. Étant donné que les MCG ne simulent pas toujours bien le climat d'une région donnée, il peut y avoir de gros écarts entre la situation observée et la situation simulée par un MCG (c.àd. une distorsion ou une erreur du MCG) qui risquent de contrevenir aux hypothèses statistiques qui se rattachent à SDSM et donner de piètres résultats si les données prédicteurs n'ont pas été normalisées. Grâce au processus de normalisation, les distributions des variables prédicteurs observées et des variables issues d'un MCG concordent mieux que celles des données brutes observées et des données brutes issues d'un MCG. Les variables prédicteurs fournies ici ont été normalisées sur l'ensemble de la période 19611990. Parmi les autres options, il peut y avoir la normalisation selon la saison, ce qui peut améliorer les résultats de SDSM, en particulier dans les régions où il y a un régime climatique saisonnier distinctif. En raison du gros volume de données qui entrent en jeu, il est impossible de fournir un certain nombre d'ensembles de données prédicteurs qui ont été préparés à l'aide d'options de normalisation différentes. Toutefois, en obtenant les données brutes observées et les données brutes issues d'un MCG, il devient possible de construire ses propres ensembles de données prédicteurs au moyen de différentes options de normalisation, si c'est ce que l'on souhaite faire.

Les variables prédicteurs observées à grande échelle sont extraites de l'ensemble de données de réanalyse du NCEP (Kalnay et al., 1996). Pour une description complète du projet d'où provient cet ensemble de données, nous vous invitons à visiter la page d'accueil du projet de réanalyse du NCEP/NCAR CDAS. Les données de base ont été fournies par le NOAA-CIRES Climate Diagnostics Center, à Boulder, CO, ÉtatsUnis, à partir duquel vous pourrez obtenir une description complète des données. Vous trouverez également sur ces sites des données brutes qui permettent d'établir d'autres variables prédicteurs. Pour avoir accès aux données brutes de NCEP qui ont servi à établir les variables prédicteurs fournies ici, il suffit de cliquer sur le lien. Si vous voulez établir vos propres variables prédicteurs, n'oubliez pas de suivre la convention d'appellation que vous trouverez dans le guide d'utilisation de SDSM pour vous assurer que vos fichiers sont bien reconnus par SDSM.

Nota: Les valeurs quotidiennes du NCEP représentent la moyenne de quatre valeurs relevées à 0Z, 6Z, 12Z et 18Z (temps universel/temps moyen de Greenwich). Vous devez veiller à ce que l'heure d'observation des données prévues, que vous devez fournir vousmême, corresponde bien à l'heure des valeurs quotidiennes du NCEP. Il peut être nécessaire de reculer (les fonctions d'avancement et de recul existent dans SDSM) les données prédicteurs du NCEP pour qu'elles correspondent plus étroitement à l'heure des données prévues observées.

Les données prédicteurs issues du NCEP ont été interpolées sur la même grille que le MCG de sorte que pour chaque MCG différent, les données prédicteurs issues du NCEP seront légèrement différentes et vous devrez donc réétalonner SDSM chaque fois que vous passerez à un MCG différent. L'interpolation s'est faite de cette manière en raison du fait que nous faisons davantage confiance aux données à plus haute résolution interpolées à une résolution plus grossière, qu'aux données à résolution grossière interpolées (c.-à-d. MCG) à une résolution plus haute.

Les données prédicteurs fournies ici peuvent légèrement varier d'un MCG à l'autre selon les données disponibles, même si en général nous nous évertuons à fournir les données prédicteurs suivantes :

**Renvoie à différents niveaux atmosphériques : la surface (p_), la hauteur de 850 hPa (p8) et la hauteur de 500 hPa (p5). [1] Pour calculer la divergence, voir la note relative à l'erreur dans les valeurs calculées dans le HadCM3 et le MCCG1, car de nouveaux calculs sans approximation géostrophique ont été effectués pour le MCCG2. On a testé d'autres variables prédicteurs pertinentes pour améliorer la réduction d'échelle des précipitations, notamment dans l'étude de Choux (2005).

Des variables prédicteurs existent pour les MCG suivants :

• MCCG2 (Centre canadien de modélisation et d'analyse du climat, deuxième version du Modèle canadien couplé de climat global; par exemple Flato et Boer, 2001; expériences A2 et B2 (scénarios du SRES). Cliquer ici pour avoir accès aux variables prédicteurs du MCCG2.
• HadCM3 (Hadley Centre for Climate Prediction and Research du R.U.; par exemple Gordon et al., 2000; Pope et al., 2000) expériences A2 et B2 (scénarios SRES). Nota: Pour ces expériences, les variables calculées au moyen de l'approximation géostrophique ne sont pas disponibles pour les trois bandes de latitude centrées sur l'équateur, c'estàdire les mailles centrées sur 0° 2,5°N et 2,5°S. Les équations géostrophiques ne fonctionnent pas à l'équateur et la forme de l'algorithme qui sert à calculer les variables géostrophiques est telle qu'il est impossible de calculer les valeurs pour les points de grille adjacents à la maille centrée sur l'équateur. Pour ces trois bandes de latitude, les fichiers de variables calculées contiennent le code de valeur manquante (-999). Cliquer ici pour avoir accès aux variables prédicteurs du HadCM3.

Haute de la page

---

Références

Haute de la page

---