CMIP
Le Projet d'Intercomparaison des Modèles Couplés (CMIP en anglais) est un projet du Programme Mondial de Recherches sur le Climat (WCRP). Ce projet vise à coordonner les simulations climatiques entre les différents groupes de recherche (Eyring et al., 2016), ce qui permet une meilleure estimation et compréhension des différences entre les modèles. Il permet également de mesurer l'incertitude liée à la différence entre l'estimation du changement anthropique dans les différents modèles. Nous utilisons ici les modèles de l'expérimentation CMIP6. Nous fournissons les sorties corrigées des NASA Global Daily Downscaled Projections de l'archive NEX-GDDP (NEX-GDDP-CMIP6). Ces données ont été produite en corrigeant le biais des modèles CMIP6 avec le Global Meteorological Forcing Dataset (GMFD) comme référence d'observation (Thrasher et al., 2022). Il en résulte des simulations au pas de 0.25 degré sur tout le globe, selon des scénarios différents : historique, SSP126, SSP245, SSP370 et SSP585.
Thrasher, B., Wang, W., Michaelis, A., Melton, F., Lee, T., & Nemani, R. (2022). NASA Global Daily Downscaled Projections, CMIP6. In Scientific Data (Vol. 9, Issue 1). Springer Science and Business Media LLC. doi:10.1038/s41597-022-01393-4
Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., and Taylor, K. E.: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016, 2016.
Thrasher, B., Wang, W., Michaelis, A., Melton, F., Lee, T., & Nemani, R. (2022). NASA Global Daily Downscaled Projections, CMIP6. In Scientific Data (Vol. 9, Issue 1). Springer Science and Business Media LLC. doi:10.1038/s41597-022-01393-4
Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., and Taylor, K. E.: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016, 2016.
ISIMIP
Les indicateurs multi-sectoriels sont ici fournis sur l'échelle 1950-2100 suivant différents scénarios RCP d'émissions de gaz à effet de serre (van Vuuren et al. 2011). Ces indicateurs illustrent le changement dans des secteurs comme l'agriculture, l'hydrologie, les extrêmes climatiques et la santé. Ils comprennent : l'indice de feuillage ; les rendements de maïs, soja, blé et riz sous un scénario (simplifié) d'irrigation totale ; des indicateurs de risque d'inondation et de sécheresse ; un indicateur d'incendie ; un indice de stress calorique (indicateur de santé). Cet ensemble non exhaustif d'indicateurs a été développé au sein du projet européen HABITABLE qui vise à comprendre et quantifier les liens entre impacts du réchauffement et déplacements humains. Nos indicateurs sont donc utilisés pour fournir des informations inter-sectorielles sur les risques à venir (changements négatifs, comme des rendements en baisse) ou bénéfiques (par exemple un stress calorique moindre).
Les indicateurs ont été extraits et calculés à partir du protocole 2b du Projet d'Intercomparaison des Modèles d'Impact Multi Sectoriels (ISIMIP2b; Frieler et al. 2017) qui consistent en un ensemble de données d'impact climatiques couvrant plusieurs secteurs et échelles. ISIMIP2b fournit des simulations historiques et futures à partir de plusieurs combinaisons de modèles d'impact sectoriels globaux (modèles de rendement, hydrologiques) avec des modèles de circulation générale (GCMs de la phase 5 du CMIP; Taylor et al. 2012).
Frieler, K., Lange, S., Piontek, F., Reyer, C. P. O., Schewe, J., Warszawski, L., Zhao, F., Chini, L., Denvil, S., Emanuel, K., Geiger, T., Halladay, K., Hurtt, G., Mengel, M., Murakami, D., Ostberg, S., Popp, A., Riva, R., Stevanovic, M., Suzuki, T., Volkholz, J., Burke, E., Ciais, P., Ebi, K., Eddy, T. D., Elliott, J., Galbraith, E., Gosling, S. N., Hattermann, F., Hickler, T., Hinkel, J., Hof, C., Huber, V., Jägermeyr, J., Krysanova, V., Marcé, R., Müller Schmied, H., Mouratiadou, I., Pierson, D., Tittensor, D. P., Vautard, R., van Vliet, M., Biber, M. F., Betts, R. A., Bodirsky, B. L., Deryng, D., Frolking, S., Jones, C. D., Lotze, H. K., Lotze-Campen, H., Sahajpal, R., Thonicke, K., Tian, H., and Yamagata, Y.: Assessing the impacts of 1.5°C global warming – simulation protocol of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP2b), Geosci. Model Dev., 10, 4321–4345. (2011) doi:10.5194/gmd-10-4321-2017
Taylor, K. E., Stouffer, R. J. & Meehl, G. A. An overview of CMIP5 and the experiment design. Bull. Am. Meteorol. Soc. 93, 485–498. (2012) doi:10.1175/BAMS-D-11-00094.1
van Vuuren, D.P., Edmonds, J., Kainuma, M. et al. The representative concentration pathways: an overview. Climatic Change 109, 5 (2011). doi:10.1007/s10584-011-0148-zREADME ISIMIP
Les indicateurs ont été extraits et calculés à partir du protocole 2b du Projet d'Intercomparaison des Modèles d'Impact Multi Sectoriels (ISIMIP2b; Frieler et al. 2017) qui consistent en un ensemble de données d'impact climatiques couvrant plusieurs secteurs et échelles. ISIMIP2b fournit des simulations historiques et futures à partir de plusieurs combinaisons de modèles d'impact sectoriels globaux (modèles de rendement, hydrologiques) avec des modèles de circulation générale (GCMs de la phase 5 du CMIP; Taylor et al. 2012).
Frieler, K., Lange, S., Piontek, F., Reyer, C. P. O., Schewe, J., Warszawski, L., Zhao, F., Chini, L., Denvil, S., Emanuel, K., Geiger, T., Halladay, K., Hurtt, G., Mengel, M., Murakami, D., Ostberg, S., Popp, A., Riva, R., Stevanovic, M., Suzuki, T., Volkholz, J., Burke, E., Ciais, P., Ebi, K., Eddy, T. D., Elliott, J., Galbraith, E., Gosling, S. N., Hattermann, F., Hickler, T., Hinkel, J., Hof, C., Huber, V., Jägermeyr, J., Krysanova, V., Marcé, R., Müller Schmied, H., Mouratiadou, I., Pierson, D., Tittensor, D. P., Vautard, R., van Vliet, M., Biber, M. F., Betts, R. A., Bodirsky, B. L., Deryng, D., Frolking, S., Jones, C. D., Lotze, H. K., Lotze-Campen, H., Sahajpal, R., Thonicke, K., Tian, H., and Yamagata, Y.: Assessing the impacts of 1.5°C global warming – simulation protocol of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP2b), Geosci. Model Dev., 10, 4321–4345. (2011) doi:10.5194/gmd-10-4321-2017
Taylor, K. E., Stouffer, R. J. & Meehl, G. A. An overview of CMIP5 and the experiment design. Bull. Am. Meteorol. Soc. 93, 485–498. (2012) doi:10.1175/BAMS-D-11-00094.1
van Vuuren, D.P., Edmonds, J., Kainuma, M. et al. The representative concentration pathways: an overview. Climatic Change 109, 5 (2011). doi:10.1007/s10584-011-0148-zREADME ISIMIP
Indices climatiques
Pour analyser les impacts du changement climatique dans des applications diverses, un ensemble d'indices climatiques est produit. Il est calculé par les librairies ICCLIM à partir des sorties corrigées des modèles CMIP6. Les séries temporelles de ces indices sont fournies à la même échelle spatiale que les sorties CMIP6 ; les indices sont calculés au pas de temps annuel dans les simulations historiques et futures. Les indices climatiques sont ceux recommandés par les équipes de la Expert Team on Climate Change Detection and Indices (ETCCDI) de l'OMM et du WCRP.
Zhang, X., Alexander, L., Hegerl, G.C., Jones, P., Tank, A.K., Peterson, T.C., Trewin, B. and Zwiers, F.W. (2011), Indices for monitoring changes in extremes based on daily temperature and precipitation data. WIREs Clim Change, 2: 851-870. doi:10.1002/wcc.147
Zhang, X., Alexander, L., Hegerl, G.C., Jones, P., Tank, A.K., Peterson, T.C., Trewin, B. and Zwiers, F.W. (2011), Indices for monitoring changes in extremes based on daily temperature and precipitation data. WIREs Clim Change, 2: 851-870. doi:10.1002/wcc.147
CORDEX corrigé du biais
Ce jeu de données fournit des simulations climatiques régionales corrigées du biais issues du domaine CORDEX-Africa. Il est actuellement limité à l'Afrique ; d'autres domaines CORDEX seront ajoutés à l'avenir.
CORDEX (Coordinated Regional Climate Downscaling Experiment) est une initiative du Programme Mondial de Recherches sur le Climat (WCRP) qui coordonne la production de projections climatiques régionales à l'échelle mondiale. Les simulations CORDEX soutiennent les études d'impact, de vulnérabilité et d'adaptation au changement climatique en fournissant une information climatique à l'échelle régionale, dérivée de simulations de modèles climatiques globaux.
Les données diffusées ici ont été corrigées du biais à l'Institut Pierre-Simon Laplace (IPSL) à l'aide de la méthode Cumulative Distribution Function transform (CDF-t). CDF-t est une approche statistique de correction du biais conçue pour corriger la distribution des variables des modèles climatiques tout en tenant compte de l'évolution de leurs distributions simulées entre les périodes historique et future. Pour CORDEX-Africa, les températures maximales et minimales journalières (tasmax, tasmin) ont été corrigées à l'aide d'ERA5, et les précipitations (pr) à l'aide de CHIRPS v2.
Le flux de traitement de la correction est mis en œuvre à l'aide de SBCK (Statistical Bias Correction Kit), une bibliothèque open source. SBCK propose des implémentations en Python et en R de plusieurs méthodes statistiques de correction du biais, dont CDF-t.
Références
Michelangeli, P.-A., Vrac, M., and Loukos, H. (2009). Probabilistic downscaling approaches: Application to wind cumulative distribution functions. Geophysical Research Letters, 36, L11708. https://doi.org/10.1029/2009GL038401
SBCK: Statistical Bias Correction Kit. Open-source software repository. https://github.com/yrobink/SBCK
CORDEX (Coordinated Regional Climate Downscaling Experiment) est une initiative du Programme Mondial de Recherches sur le Climat (WCRP) qui coordonne la production de projections climatiques régionales à l'échelle mondiale. Les simulations CORDEX soutiennent les études d'impact, de vulnérabilité et d'adaptation au changement climatique en fournissant une information climatique à l'échelle régionale, dérivée de simulations de modèles climatiques globaux.
Les données diffusées ici ont été corrigées du biais à l'Institut Pierre-Simon Laplace (IPSL) à l'aide de la méthode Cumulative Distribution Function transform (CDF-t). CDF-t est une approche statistique de correction du biais conçue pour corriger la distribution des variables des modèles climatiques tout en tenant compte de l'évolution de leurs distributions simulées entre les périodes historique et future. Pour CORDEX-Africa, les températures maximales et minimales journalières (tasmax, tasmin) ont été corrigées à l'aide d'ERA5, et les précipitations (pr) à l'aide de CHIRPS v2.
Le flux de traitement de la correction est mis en œuvre à l'aide de SBCK (Statistical Bias Correction Kit), une bibliothèque open source. SBCK propose des implémentations en Python et en R de plusieurs méthodes statistiques de correction du biais, dont CDF-t.
Références
Michelangeli, P.-A., Vrac, M., and Loukos, H. (2009). Probabilistic downscaling approaches: Application to wind cumulative distribution functions. Geophysical Research Letters, 36, L11708. https://doi.org/10.1029/2009GL038401
SBCK: Statistical Bias Correction Kit. Open-source software repository. https://github.com/yrobink/SBCK
