Outils de mise à l'échelle

Réduction d'échelle statistique automatique (ASD)

Avant d'utiliser ASD, version 1.1

Qu'appelle t'on ASD?

L'outil de réduction d'échelle statistique automatique (ASD) est une interface utilisateur graphique conviviale utilisée pour réduire les données de sortie du modèle de circulation générale (MCG) en variables régionales ou locales (p. ex. Hessami et coll., 2008). Ce modèle a été conçu par le professeur Masoud Hessami (originaire d'Iran), en partenariat avec l'Institut national de la recherche scientifique – Eau, Terre et Environnement (INRS-ETE) et Environnement Canada (EC). Le modèle ASD est exécuté sur toutes les plates formes qui supportent MATLAB, ce qui signifie que vous avez besoin de MATLAB pour exécuter le ASD. Pour une introduction plus détaillée, veuillez consulter le document Brève introduction à ASD et le Guide de l'utilisateur (version 1.1). Tous deux donnent des précisions sur ce modèle.

Le ASD est un hybride conçu à partir du modèle du générateur stochastique de climat et des méthodes de réduction d'échelle fondée sur la régression. Il permet de concevoir rapidement divers scénarios isolés et peu coûteux faisant intervenir des variables météorologiques en surface dans des conditions de forçage climatique actuelles et futures. À l'aide de ASD, l'utilisateur peut déterminer les variables climatiques à grande échelle (les prédicteurs) qui expliquent en grande partie la variabilité du climat (le prédictant) dans un site particulier; puis concevoir des modèles statistiques d'après cette information. Les modèles statistiques sont dressés à l'aide des données observées quotidiennement – pour le prédictant, il s'agit des données climatiques locales relatives à un site déterminé, et pour les prédicteurs, il s'agit des données du National Centre for Environmental Prediction (NCEP) à grande échelle. On associe ensuite ces modèles aux prédicateurs dérivés du MCG afin d'obtenir les données météorologiques quotidiennes du site en question pour une période future.

Comment puis je me procurer le ASD?

Une fois la procédure d'enregistrement terminée, un mot de passe vous est envoyé par courriel, ce qui vous permet de télécharger le logiciel. La page contient également un manuel que vous pouvez consulter gratuitement.


Comment dois je m'y prendre pour préparer mes propres données afin de les utiliser avec le ASD, version 1.1?

Il est préférable de concevoir un nouveau répertoire pour chaque site dans lequel vous voulez effectuer une réduction d'échelle à l'aide de ASD. Ce répertoire devrait contenir à la fois les données observées quotidiennement (c. à d. le prédictant) et les prédicteurs (NCEP, c. à d. National Centre for Environmental Prediction, Kalnay et coll., 2006) dérivés du MCG. Vous devrez entrer les renseignements relatifs au prédictant, mais les renseignements concernant le prédicteur sont disponibles dans le site Web de Réseau canadien des scénarios de changements climatiques (RCSCC) (voir Réduction d'échelle statistique). Les prédicteurs CGCM2 sont disponibles au téléchargement [ici] et les prédicteurs CGCM3 [ici].

Si vous voulez obtenir les données observées quotidiennement qui sont stockées dans la base de données climatiques historiques ajustées pour le Canada, adressez vous à Lucie Vincent (lucie.vincent@ec.gc.ca) pour les données sur la température et à Eva Mekis (eva.mekis@ec.gc.ca) pour les données sur la précipitation. Ces fichiers de données sont présentés en rangée, c. à d. que chaque rangée contient des données quotidiennes se rapportant à un mois de chaque année. Vous devrez convertir ces données en colonne unique (c. à d. valeurs de données uniquement) pour qu'elles soient compatibles à ASD. N'incluez pas d'information sur les données. Examinez les données présentées dans l'exemple de Blogsville pour vous assurer d'avoir compris ce que vous devez faire. Pour la remise en forme, vous pouvez utiliser un langage de programmation tel que FORTRAN ou, dans le cas d'un tableur, tel que Microsoft Excel. Après la remise en forme adéquate des données, assurez vous que le ASD reconnaîtra le code qui détecte les valeurs de données manquantes dans l'ensemble de données (une valeur limite pour la détermination des valeurs manquantes, c. à d. valeur manquante, toutes les valeurs inférieures à la valeur limite seront qualifiées de valeurs manquantes). Pour ce faire, entrez le code exact dans la fen&ecric;tre Miss Value Identifier (Identificateur de valeur manquante) située dans l'écran Setting/Parameters (Configuration/Paramètres). (Référez vous au document Introduction à ASD, V1.1., pour un supplément d'information).

Les fichiers prédicteurs téléchargés à partir du RCSCC sont compressés et les fichiers contenus dans le fichier auto décompactable sont conformes à la règle d'affectation des noms et au format utilisés dans le ASD (à l'instar du SDSM). Ce fichier auto décompactable contient à la fois les variables observées et les variables dérivées du MCG. Décompressez ces fichiers dans le répertoire de site approprié en vous assurant de préserver la structure du sous répertoire. Vous aurez téléchargé ces fichiers compressés en fonction du MCG que vous voulez utiliser. À l'heure actuelle, les prédicteurs dérivés du MCG qui sont disponibles sont ceux qui sont issus des expériences menées avec le MCCG2, le MCCG3 et le HadCM3. L'ensemble de données disponible est très limité étant donné que la constitution des prédicteurs repose sur les données quotidiennes du MCG, et que les centres de modélisation climatique n'archivent pas tous les données quotidiennes qu'ils tirent de leurs expériences sur les changements climatiques. Les prédicteurs observés issus des réanalyses du NCEP sont intégrés à chaque fichier compressé, en m&ecric;me temps que les prédicteurs dérivés du MCG. Les prédicteurs observés sont interpolés à la grille du MCG en question; par conséquent, ils diffèrent légèrement d'un MCG à l'autre. Si vous utilisez plus d'un MCG dans chaque site pour procéder à la réduction d'échelle, vous devriez peut &ecric;tre dresser un répertoire distinct pour chaque MCG, afin de ne pas m&ecric;ler les ensembles de données observées. Pour toutes les fois que vous aurez constitué des prédicteurs dérivés du NCEP, vous devrez procéder à un calibrage à l'aide de ASD pour chaque MCG, étant donné que les prédicteurs observés et, partant, les relations statistiques, diffèreront légèrement d'un MCG à l'autre.

Comment dois je m'y prendre pour utiliser le ASD?

Toutes les précisions relatives à l'utilisation de ASD sont données dans le document Introduction à ASD V1.1 et dans les lignes directrices.

Pour toute question ou rétroaction concernant le ASD, veuillez communiquer avec masoud.hessami@gmail.com ou Philippe Gachon

Lectures supplémentaires:

Modèle ASD

  • Hessami, M., P. Gachon, T. Ouarda, and A. St-Hilaire, 2008: Automated regression-based Statistical Downscaling Tool. Environmental Modelling & Software, 23, 813-834.
  • Barrow, E. (2007): Assessing the Performance of the Automated Statistical Downscaling (ASD) Model in the Prairie Provinces. Environment Canada, Adaptation and Impacts Research Division, internal Report, 65p.
  • Gachon, P., St-Hilaire A., Ouarda T.B.M.J., Nguyen V.T.V., Lin C., Milton J., Chaumont D., Goldstein J., Hessami M., Nguyen T.D., Selva F., Nadeau M., Roy P., Parishkura D., Major N., Choux M. and Bourque A. (2005): A first evaluation of the strength and weaknesses of statistical downscaling methods for simulating extremes over various regions of eastern Canada. Sub-component, Climate Change Action Fund (CCAF), Environment Canada, Final report, Montréal, Québec, Canada, 209 pp. (available from the 1st author).
  • Parishkura, D. (2008): Évaluation de méthodes de mise à l'échelle statistique: reconstruction des extr&ecric;mes et de la variabilité du régime de mousson au Sahel. Master Thesis, Dept of Earth and Atmospheric Sciences, UQÀM, Montréal, in final review. [Supervised by P. Gachon].

Prédicteurs (réanalyses)

  • Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., Saha, S., White, G., Woollen, J., Zhu, Y., Chelliah, M., Ebisuzaki, W., Higgins, W., Janowiak, J., Mo, K.C., Ropelewski, C., Wang, J., Leetmaa, A., Reynolds, R., Jenne, R., and Joseph, D., (1996) The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society 77, 437-471.

Personne ressource administrative

Dr. Philippe Gachon (Ph.D)
Research Scientist
Adaptation & Impacts Research Division (AIRD) Environment Canada @ McGill University Department of Civil Engineering and Applied Mechanics
817 Sherbrooke Street West
Montréal, Québec, Canada, H3A 2K6
Téléphone: 514-398-2930
Fax: 514-398-7361
Courriel: philippe.gachon@ec.gc.ca ou philippe.gachon@mail.mcgill.ca

Pr. Masoud R. Hessami K.
Assistant Professor Shahid Bahonar University of Kerman Department of Civil Engineering Kerman 76169-133, Iran
Téléphone: +98 341 322-0054
Fax: +98 341 322-0054
Courriel: masoud.hessami@gmail.com
http://www.uk.ac.ir/hessami

Problèmes techniques ? Cliquez ici.