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

Méthode de réduction

Le modèle climatique que nous utilisons (à partir d’un ensemble de 12 modèles) a été réduit statistiquement par le Groupement sur les impacts climatique du Pacific (PCIC) d'une résolution mensuelle en une résolution quotidienne à l'aide de la Méthode de désagrégation spatiale corrigée (BCSD). La méthode BCSD est une méthode relativement simple par rapport à, par exemple, la méthode de la réduction dynamique. Puisque le PCIC a commencé avec les valeurs mensuelles, il a utilisé une base de données climatique historique produite par Ressources naturelles Canada (RNCAN) pour simuler une variabilité quotidienne dans les données mensuelles. Les valeurs quotidiennes ont été échantillonnés au hasard à partir de mois historiques dans le jeu de données de RNCAN, puis redimensionnée afin que les moyennes mensuelles correspondent aux projections des modèles climatiques d'origine. De manière importante, cela signifie que les données quotidiennes de l’Atlas climatique reflètent les changements des moyennes mensuelles, et non pas les changements dans la variabilité quotidienne du modèle original. Dans certaines situations, les données réduites peuvent produire des résultats qui sont incompatibles avec le modèle original des données.

Résolution temporelle : le calendrier et la persistance d'événements météorologiques

Une autre conséquence de l'approche réductrice permettant de construire les données de l'Atlas climatique est que la simulation de données quotidiennes limite notre capacité à calculer le nombre de jours consécutif rencontrant un seuil de température ou de précipitation donné. Nos données sont plus adaptées au calcul de la fréquence des conditions de température ou de précipitations sur plusieurs mois, saisons et années.

Par exemple, les données d'un modèle individuel ne doivent pas être utilisées pour calculer la fréquence des vagues de chaleur telle que mesurée par le nombre de jours consécutifs où la température observée atteint un certain seuil, mais nous pouvons plus raisonnablement calculer le nombre total de jours chauds sur une longue période (p. ex. saison, année). De même, les données ne doivent pas être utilisés pour déterminer la persistance des précipitations (ou de jours sans pluie), ce qui signifie que les données ne sont pas bien adaptées pour de nombreuses applications en gestion de l'eau et d’ingénierie qui nécessitent des données quotidiennes.

Ensembles

Sauf indication contraire, les données présentées dans l'Atlas climatique illustre la moyenne de 12 modèles climatiques, ou d’un ensemble, où les données sont statistiquement réduites. Dans les études climatologiques, il est pratique courante d'utiliser les données non pas d'un seul modèle, mais une gamme de modèles, pour représenter l'incertitude associée à la 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, nous représentons la valeur moyenne avec la valeur la plus élevée et la valeur la plus faible parmi les 12 modèles de l’ensemble. Ceci nous permet de mieux illustrer la gamme des projections.

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. Cependant, ces limites saisonnières sont arbitraires et ne correspondent pas nécessairement aux saisons observées par presque n’importe quel canadien. De plus, notre définition des saisons ne tient pas compte des changements à venir qui vont affecter la durée et les limites de nos saisons.

Résolution spatiale et interpolation

Le processus de réduction spatiale utilisé par le PCIC s'appuie sur les données 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. Les données carroyées sont généralement de grande qualité, mais 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 entre les stations météorologiques ; iii) présence de montagnes, ou iv) de grands contrastes de microclimat dans une région donnée. En bref, notre modèle climatique est plus enclin à l'erreur d'interpolation sur les régions montagneuses, les zones avec peu de stations météorologiques et ou les suivis à long terme sont non disponible, en particulier au nord du Canada.

Analyse du plus proche voisin

Pour les municipalités (villes et villages), les variables climatiques ont été obtenues à partir du point le plus proche sur la grille spatiale décomposée en unités de 10 km2. Cependant, ces unités ne correspondent pas nécessairement à la superficie réelle des municipalités qui peut être plus grands que cette air. Ce choix a été fait pour des raisons de simplicité de calcul.

Faire la moyenne 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 de notre serveur internet et informatique, nous ne pourrions pas fournir tous les modèles de données à sa résolution native de 10 km2. Pour la version initiale de l'Atlas climatique, nous avons donc opté pour aréoler les données moyennes à l’échelle :

i) d’une carte topographique du Service national de référence cartographique du Canada (SNRC) à une échelle de 1:250 000;

ii) des provinces et des territoires.

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

Données terrestres seulement

Il est important de noter que le modèle de données est disponible pour les régions terrestres du Canada seulement (y compris les lacs, sans y inclure tous les Grands Lacs, qui s'étendent aux États-Unis). Aucune donnée n'était disponible pour les océans. Un grand nombre des points de grille NTS (Système nationale de référence cartographique) le long des côtes du Canada contiennent de grandes zones de haute mer, parfois avec seulement une infime fraction de la zone à terre. Dans ces cas, la valeur moyenne par unité de ces points de grilles côtières seulement représente des conditions sur la portion terrestre de la grille.

Impacts et confiance

Il est impossible d'affirmer avec certitude qu'un changement climatique 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. Il est tout aussi impossible de prédire avec certitude l’impact d’un changement climatique sur le milieu. De plus, notre niveau de confiance sur les prédictions d’un impact particulier peut être très variable d'un cas à l'autre, selon le type de changement climatique impliqué et la nature de sa relation avec le milieu.

Par exemple, c'est une chose que de calculer le nombre de jours de +30 °C prévus pour l'avenir, mais c'en est une autre d'indiquer comment une augmentation de jours de +30 °C aura probablement une incidence sur la santé humaine, la fréquence des feux de forêt ou l'intensité des orages, et sur d’autre paramètres permettant de calculer l'impact cumulatif de ces impacts sur l'économie. Nous avons plus confiance en affirmant qu'une augmentation du nombre de journées très chaudes augmentera probablement le nombre de coups de chaleur en milieu urbain (à moins que l'adaptation se fasse), mais une confiance plus faible en affirmant que l'augmentation de ces jours chauds augmente la gravité des orages (qui dépendent de certains types de conditions météorologiques). C'est qu’il y a une relation très directe entre les malaises 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 sommes nombreux à avoir une confiance plus fragile 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 nos données, nous avons sondé la littérature scientifique et 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 pour faire face aux risques des changements climatiques face à l'incertitude. En effet, c'est l'un des objectifs de notre travail : d'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 variables climatiques et indices spécifiques

Les précipitations

Les précipitations sont beaucoup plus difficile à modéliser que la température. La réduction statistique utilisée pour produire les valeurs de précipitation présentées dans l'Atlas climatique n’est pas propice pour représenter les événements de précipitations quotidiennes. Par conséquent, nous avons peu confiance en ce type de projections. Plus précisément, il est probable que les projections sous-estiment la fréquence et l'intensité des épisodes de fortes précipitations. Nous avons plus confiance dans les moyennes à long terme basées sur les précipitations totales mensuelles, saisonnières et annuelles présentées dans l'Atlas climatique.

Notez que la gamme des valeurs de précipitations prévues dans les modèles utilisés pour créer nos valeurs regroupées est relativement élevé par rapport à la gamme des valeurs de température, ce qui est typique de tous les modèles climatiques.

Jours de fortes précipitations

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

Néanmoins, les spécialistes du climat sont tout à fait persuadé que le nombre d’événements de fortes précipitations augmentera à l'avenir 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 événements de tempête sont de plus en plus fréquents et intenses dans de nombreuses régions du monde, y inclus en Amérique du Nord.

En outre, la réduction statistique utilisée pour produire les valeurs de précipitations représentées dans l'Atlas climatique n'est pas propice à la représentation des événements de précipitations quotidiennes et la fréquence des Jours de fortes précipitations (JFP). Par conséquent, nous avons peu confiance en la direction des valeurs de JFP. Plus précisément, il est probable que les projections sous-estiment la fréquence et l'intensité des épisodes 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 quotidienne moyenne 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. Les deux méthodes de calcul de la moyenne quotidienne peuvent donner des résultats légèrement différents.

Puisque nous avons eu accès qu’à la modélisation des températures maximales et minimales quotidienne, nous avons calculé la température quotidienne moyenne en fonction de la moyenne de la température max et min tous les jours. Toutes les valeurs de la température moyenne dans l'Atlas (y compris les valeurs historiques observées) ont été calculées en utilisant la même méthode, les rendant cohérentes et comparables.

Jours d'été, journées très chaudes, nuits tropicales

Les valeurs de température quotidienne résumées dans l'Atlas climatique ont été générées à l'aide de la réduction statistique des données mensuelles. Elles ne devraient donc pas être utilisés pour calculer la persistance ou les fréquences des événements de temps chaud (par exemple, la fréquence et la durée des vagues de chaleur).

Journées très froides

Les valeurs de température quotidienne résumées dans l'Atlas climatique ont été générées à l'aide de la réduction statistique des données mensuelles. Elles ne devraient donc pas être utilisées pour calculer la persistance ou du calendrier des journées très froides (p. ex., la fréquence et la durée des vagues de froid).

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

Les valeurs de température quotidienne résumées dans l'Atlas climatique ont été générées à l'aide de la réduction statistique des données mensuelles. Par conséquent, elles ne sont pas idéales pour les estimations de la date moyenne de gel au printemps dernier, la date du premier gel d'automne, et la durée de la saison sans gel.

Toutefois, pour la période de 1950-2005 nous avons comparé les valeurs d’une saison sans gel (valeurs extraites de données de RNCAN dérivé des données météorologiques) avec les valeurs générées par le modèle et nous avons trouvé une corrélation relativement élevée. Par conséquent, nous croyons qu'il est raisonnable d'utiliser le modèle climatique statistique pour estimer la saison sans gel à partir de la projection des données.

Les deux points suivants doivent également être pris en considération par toute personne utilisant nos résultats pour la saison sans gel :

1) Au cours de la période de 1950-2005 nous avons comparé les valeurs observées de saison sans gel (des données de RNCAN) avec les valeurs générées par le modèle et a conclu que les deux valeurs correspondent très bien ; ainsi, nous avons un niveau relativement élevé de confiance que les données statistiques, les données du modèle climatique à échelle réduite sont appropriées pour estimer la durée de la saison sans gel.

2) Les données de température que nous utilisons pour calculer la saison sans gel sont fondées sur des données 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 émergent et se développent, peuvent varier énormément en fonction de la température de l'air à la surface du sol. Ainsi, notre méthode est une approximation de la présence/absence de gel. Comme les températures minimales mesurées au niveau du sol sont souvent plus froides que celles mesurées à 1,2 m au-dessus du sol, notre méthode tend à surestimer la longueur de la saison sans gel.

Les unités thermiques maïs

Les unités thermiques maïs (UTM) sont une mesure de l'accumulation de chaleur lorsque la température est dans la plage optimale pour la croissance du maïs. L’UTM commence seulement à s’accroître lorsqu’une température moyenne de 12,8 °C est observée sur trois jours consécutifs. De même, l’UTM cesse de cumuler ensuite de deux ou plusieurs jours de suite avec des températures minimales de -2 °C ou moins. Dans notre modèle climatique, la réduction statistique des données de températures mensuelles limite notre capacité pour l'analyse de la persistance de la température à travers une série de jours. Toutefois, étant donné que le début et la fin de la saison d’UTM contribuent relativement peu à l'ensemble, nous avons choisi de calculer les UTM. Nous soulignons, cependant, que les valeurs UTM peuvent différer quelque peu des valeurs du modèle UTM affichées dans l'Atlas climatique.