Réduction d'échelle statistique automatique (ASD)

Qu'appelle t'on ASD?

L’outil ASD (Automated Statistical Downscaling) est une interface utilisateur graphique conviviale utilisée pour réduire les données de sortie du modèle de circulation générale (MCG) en variables régionales ou locales (Hessami et al., 2008). À l'aide d’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. Les modèles statistiques sont conçus d’après cette information (données locale sur un site déterminé pour le prédictant et données du National Centre for Environmental Prediction (NCEP) à grande échelle pour le prédicteurs) et utilises avec les prédicteurs derives des MCG afin d'obtenir les données météorologiques quotidiennes du site en question pour une période future. MATLAB est nécessaire pour utiliser ASD.

Cet outil a été développé par l’équipe de la Chaire de recherche du Canada en estmination des variables hydrométéorologiques (dirigée par le Prof. Taha Ouarda) à l’INRS-ETE, en collaboration avec la division de recherche en impacts et adaptation (DRAR) d’Environnement Canada (Dr. Philippe Gachon). L’équipe de développement comprend également le Prof. Masoud Hessami de l’université de Kerman (Iran) et André St-Hilaire de l’INRS-ETE.

Pour plus de détails sur le logiciel, veuillez consulter le document d’introduction d’ASD (en anglais) et le Guide de l’utilisateur (en anglais) pour plus d’information sur la méthodologie.

Comment préparer les données à utiliser dans ASD Version 1.1?

Il est préférable de créer un nouveau répertoire pour chaque site dans lequel vous voulez effectuer une réduction d'échelle à l'aide d’ASD. Ce répertoire devrait contenir à la fois les données observées quotidiennement (c. à d. le prédictant) et les observations (c. à d. les données NCEP; voir Kalnay et al., 2006) et les prédicteurs dérivés du MCG.

Vous devrez entrer les renseignements relatifs au prédictant, mais les renseignements concernant le prédicteurs du MCCG2 et HadCM3 sont disponibles sur le site internet du Réseau canadien des scénarios de changements climatiques (RCSCC) et les prédicteurs MCCG3 sont disponibles au téléchargement ici.

Les fichiers prédicteurs téléchargés depuis le site internet du RCSCC (en format zip) sont conformes à la nomination et le format utilisés dans ASD (pareillement à 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 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 même 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-être dresser un répertoire distinct pour chaque MCG, afin de ne pas mêler les ensembles de données observées. Vous devrez procéder à un calibrage à l'aide d’ASD pour chaque MCG utilisant les prédicteurs dérivés du NCEP, étant donné que les prédicteurs observés,et donc les relations statistiques, diffèreront légèrement d'un MCG à l'autre.

Les données observées quotidiennes stockées dans la base de données climatiques historiques ajustées pour le Canada, sont disponibles au travers en contactant Lucie Vincent (lucie.vincent@ec.gc.ca) pour les données sur la température et Eva Mekis (eva.mekis@ec.gc.ca) pour les données sur les précipitations. Ces fichiers de données doivent être convertis en colonne unique (c. à d. valeurs de données uniquement) pour qu'elles soient compatibles avec ASD. Pour la remise en forme, vous pouvez utiliser un langage de programmation tel que FORTRAN ou, dans le cas d'un tableur, Microsoft Excel. Après la remise en forme adéquate des données, assurez-vous que l’ASD reconnaîtra le code qui détecte les valeurs de données manquantes. Pour ce faire, entrez le code exact dans la fenêtre Miss Value Identifier (Identificateur de valeur manquante) située dans l'écran Setting/Parameters (Configuration/Paramètres). (Voir le document d’introduction à ASD v1.1. pour un supplément d'information).

Si vous avez des questions ou des commentaries concernant l’outil ASD, veuillez contacter Masoud Hessami (masoud.hessami@gmail.com) ou Philippe Gachon (philippe.gachon@ec.gc.ca).

Pour les problèmes techniques, veuillez contacter Patrice Constanza (constanza.patrice@ouranos.ca).

Information additionnelles

• 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, 65pp.
• 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. (2009). Évaluation de méthodes de mise à l'échelle statistique: reconstruction des extrêmes et de la variabilité du régime de mousson au Sahel. Master Thesis, Dept of Earth and Atmospheric Sciences, UQÀM, Montréal. [Supervised by P. Gachon].