Modèles climatiques

CMIP6

ISIMIP3b

Pour le portail web « Climate Impacts Online », on a utilisé les données climatiques d’entrée ISIMIP3b corrigées des biais, issues du projet ISIMIP (Inter-Sectoral Impact Model Intercomparison Project). Cet ensemble de données repose sur les résultats originaux des modèles climatiques globaux (MCG) issus des archives du CMIP6. Pour plus d’informations sur cet ensemble de données, consultez le siteSite web de l'ISIMIP
Pour la correction des biais et la réduction d'échelle statistique, la méthode ISIMIP3BASD et l'ensemble de données d'observation W5E5 v2.0 ont été utilisés (Lange, 2019a ; Lange, 2020).

Les données portent sur trois périodes :

• - Période préindustrielle (1601-1849)
• - Données historiques (1850-2014)
• - Avenir (2015-2100)

• - piControl (Expérience de contrôle pré-industrielle)
• - historique
• - ssp126 (SSP1–RCP2.6)
• - ssp370 (SSP3–RCP7.0)
• - ssp585 (SSP5–RCP8.5)

Modèles en détail

Le modèle climatique GDFL-ESM4, qui fait partie du projet CMIP6, a été publié en 2018. Il se compose de :
Aérosols : interactif (incluant l’effet indirect des aérosols), atmosphère : GFDL-AM4.1 (cube-sphère (c96) – résolution horizontale nominale de 1 degré ; 360 × 180 longitude/latitude ; 49 niveaux ; niveau supérieur : 1 Pa), chimie atmosphérique : GFDL-ATMCHEM4.1 (chimie atmosphérique complète), terres émergées : GFDL-LM4.1 (modèle de terres émergées avec un nouveau modèle de dynamique de la végétation prenant explicitement en compte l’âge et la structure en hauteur des plantes ainsi que les micro-organismes du sol, avec des données quotidiennes sur les feux, les cultures, les pâturages et le pâturage), glace terrestre : GFDL-LM4.1, océan : GFDL-OM4p5 (GFDL-MOM6, tripolaire – résolution nominale de 0,5 degré ; 720 × 576 longitude/latitude ; 75 niveaux ; cellule de grille supérieure : 0-2 m), chimie de la glace océanique : GFDL-COBALTv2, glace marine : GFDL-SIM4p5 (GFDL-SIS2.0, tripolaire - résolution nominale de 0,5° ; 720 x 576 en longitude/latitude ; 5 couches ; 5 catégories d'épaisseur), avec transfert radiatif et dynamique de grille C pour la compatibilité avec MOM6. Le modèle a été exécuté par la National Oceanic and Atmospheric Administration, Geophysical Fluid Dynamics Laboratory, Princeton, NJ 08540, USA (NOAA-GFDL) dans ses résolutions nominales natives : aérosols : 100 km, atmosphère : 100 km, chimie atmosphérique : 100 km, terres : 100 km, glace terrestre : 100 km, océan : 50 km, chimie océanique : 50 km, glace de mer : 50 km.
Source:WDC Climate - GDFL-ESM4

Le modèle climatique IPSL-CM6A-LR a été publié en 2017 et fait également partie du projet CMIP. Le modèle comprend les composants suivants : « atmosphère : LMDZ (NPv6, N96 ; 144 × 143 longitude/latitude ; 79 niveaux ; niveau supérieur : 80 000 m), terre : ORCHIDEE (v2.0, mode Eau/Carbone/Énergie), océan : NEMO-OPA (eORCA1.3, tripolaire principalement à 1° ; 362 × 332 longitude/latitude ; 75 niveaux ; cellule de grille supérieure : 0-2 m), ocnBgchem : NEMO-PISCES, glace de mer : NEMO-LIM3. Le modèle a été exécuté par l’Institut Pierre Simon Laplace, Paris 75252, France (IPSL) dans ses résolutions nominales natives : atmosphère : 250 km, terre : 250 km, océan : 100 km, ocnBgchem : 100 km, glace de mer : 100 km. »
Source:WDC Climate - GDFL-ESM4

Le modèle MPI-ESM est composé des modèles de circulation générale couplés pour l'atmosphère et l'océan, ECHAM6 (spectral T127 ; 384 x 192 longitude/latitude ; 95 niveaux ; niveau supérieur 0,01 hPa) et MPIOM (tripolaire TP04, environ 0,4° ; 802 x 404 longitude/latitude ; 40 niveaux ; cellule de grille supérieure 0-12 m), et des modèles de sous-systèmes pour les terres émergées et la végétation JSBACH3.20 et pour la biogéochimie marine HAMOCC6. Il est exploité par l'Institut Max Planck de météorologie, Hambourg 20146, Allemagne (MPI-M) dans ses résolutions nominales natives : « aérosols : 100 km, atmosphère : 100 km, terres émergées : 100 km, glace terrestre : aucune, océan : 50 km, biogéochimie océanique : 50 km, glace de mer : 50 km ».
Source:WDC Climate - GDFL-ESM4

Le modèle MRI-ESM2.0 a été publié en 2017 et est géré par l'Institut de recherche météorologique de Tsukuba, Ibaraki 305-0052, Japon (MRI). Il comprend les composants suivants : « aérosol : MASINGAR mk2r4 (TL95 ; 192 x 96 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), atmosphère : MRI-AGCM3.5 (TL159 ; 320 x 160 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), atmosphère chimique : MRI-CCM2.1 (T42 ; 128 x 64 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), terre : HAL 1.0, océan : MRI.COM4.4 (tripolaire principalement 0,5 degré de latitude/1 degré de longitude avec un raffinement méridien jusqu’à 0,3 degré dans un rayon de 10 degrés au nord et au sud de l’équateur ; 360 x 364 longitude/latitude ; 61 niveaux ; cellule de grille supérieure 0-2 m) ». ocnBgchem : MRI.COM4.4, seaIce : MRI.COM4.4. Le modèle a été exécuté avec les résolutions nominales natives : aérosols : 250 km, atmosphère : 100 km, atmosChem : 250 km, terres : 100 km, océan : 100 km, ocnBgchem : 100 km, seaIce : 100 km.
Source:WDC Climate - GDFL-ESM4

UKESM1 est composé du modèle océanique NEMO et du modèle de glace de mer CICE, ainsi que du modèle de surface terrestre JULES, avec la végétation dynamique TRIFFID. De plus, le modèle simule la chimie atmosphérique et les aérosols à l'aide d'UKCA, la biogéochimie marine avec MEDUSA et les calottes glaciaires dynamiques avec le modèle BISICLES.UKESM - UKESM1

Sources :

Modèle SWIM

Un modèle distinct a été utilisé pour générer les données relatives aux variables du secteur de l'eau dans cette région : le modèle intégré « Soil and Water » (SWIM).

À quoi sert ce modèle ?

SWIM a été spécialement développé pour étudier les impacts du changement climatique et de l’évolution de l’occupation des sols à l’échelle régionale, là où ces impacts se manifestent et où les mesures d’adaptation sont mises en œuvre. Le modèle simule des processus interdépendants à la méso-échelle, tels que la formation du ruissellement, la croissance des plantes et des cultures, les cycles des nutriments et du carbone, ainsi que l’érosion. Il fournit de nombreux résultats, tels que le débit des cours d’eau, le rendement des cultures, ainsi que les concentrations et les charges en nutriments. Cette approche permet de simuler l’ensemble des processus interdépendants au sein d’un cadre modélisé unique, avec un pas de temps quotidien, en utilisant les données disponibles au niveau régional (climat, occupation des sols et sol) et en tenant compte des rétroactions. La configuration du modèle et le post-traitement sont pris en charge par une interface SIG (basée sur GRASS). Le modèle utilise un schéma de désagrégation à trois niveaux : bassin – sous-bassins – hydrotopes. Les résultats sont présentés sous forme de séries chronologiques et de cartes pour un certain nombre de variables. SWIM est un modèle de complexité intermédiaire à l’échelle du bassin versant et à l’échelle régionale, car il est a) plus complet que les modèles purement hydrologiques et les modèles précipitations-ruissellement grâce à une représentation plus fiable des processus interdépendants liés à l’hydrologie, à la végétation et aux nutriments ; b) il s'appuie sur des données régionales couramment disponibles et peut être paramétré plus facilement que des modèles hydrologiques plus complexes.

Qui s'en occupe ?

SWIM est géré et développé par le groupe régional de modélisation hydrologique du département de recherche n° 2, sur le dépôt de code source GitLab propre au PIK. Le développement est coordonné par Michel Wortmann, Stefan Liersch et Fred Hattermann.

En quoi ce modèle se distingue-t-il des autres modèles de la communauté ?

Sources :

Modèles agricoles

Les données agricoles relatives aux variables de rendement des cultures proviennent des données de production agricole ISIMIP3b. Les données présentées constituent un ensemble issu de 11 modèles agricoles différents. Elles sont issues de modèles de cultures mondiaux, qui simulent la croissance des cultures à l'échelle mondiale à partir d'hypothèses généralisées concernant le climat, le sol et les conditions de gestion. Les environnements régionaux variant d’une région à l’autre, ces modèles sont généralement calibrés à l’aide de données locales afin d’améliorer leur précision. Les résultats présentés ici n’ont pas fait l’objet d’un calibrage régional et peuvent donc ne pas refléter avec exactitude les niveaux de rendement de cette zone. Ils doivent être interprétés comme illustrant des tendances mondiales ou à grande échelle plutôt que comme des valeurs locales exactes.
Vous trouverez ci-dessous des informations détaillées sur chacun des modèles agricoles utilisés comme données d'entrée.

Modèle d'impact - CYGMA1p74

CYGMA est un modèle global de culture sur grille. Ce modèle fonctionne avec une résolution de 0,5° en longitude et latitude et un pas de temps journalier. Le développement de la culture y est modélisé comme une fraction des degrés-jours de croissance cumulés par rapport aux besoins thermiques de la culture. Pour le blé, seul le blé de printemps est considéré, car le processus de vernalisation n'est actuellement pas intégré au modèle. La croissance et la sénescence des feuilles sont calculées en fonction de la fraction de la saison de croissance, à partir de la forme prédéfinie de la courbe d'indice de surface foliaire. Les rendements sont calculés à partir du rayonnement photosynthétiquement actif intercepté par le couvert végétal, de l'efficience d'utilisation du rayonnement (EUR), des effets de la fertilisation au CO₂ sur l'EUR et de la fraction de l'accroissement total de la biomasse allouée à la composante récoltable. Le sous-modèle du bilan hydrique du sol, couplé au sous-modèle de couverture neigeuse, est utilisé pour calculer l'évapotranspiration réelle. Pour le blé, seul le blé de printemps est pris en compte, car le processus de vernalisation n'est actuellement pas intégré au modèle. La croissance et la sénescence foliaires sont calculées en fonction de la fraction de la saison de croissance, selon la forme prédéfinie de la courbe d'indice de surface foliaire. Les rendements sont calculés à partir du rayonnement photosynthétiquement actif intercepté par le couvert végétal, de l'efficience d'utilisation du rayonnement (EUR), des effets de la fertilisation au CO₂ sur l'EUR et de la fraction de l'accroissement total de la biomasse allouée à la composante récoltable. Le sous-modèle du bilan hydrique du sol, couplé au sous-modèle de couverture neigeuse, est utilisé pour calculer l'évapotranspiration réelle. Cinq types de stress différents sont considérés : déficit en azote (N), chaleur, froid, déficit hydrique et excès d'eau. Le type de stress dominant au cours d'une journée diminue l'accroissement potentiel journalier de la surface foliaire pendant la phase de croissance végétative et le rendement pendant la phase de croissance reproductive. Dans le modèle, la croissance et le rendement du soja sont moins sensibles au stress lié à une carence en azote que ceux des autres cultures étudiées, car le soja est une légumineuse fixatrice d'azote. Tous les types de stress, à l'exception de la carence en azote, dépendent des conditions météorologiques quotidiennes, et la tolérance de chaque culture à ces stress augmente avec le niveau de connaissances. Ce niveau de connaissances est un indicateur économique calculé en additionnant les dépenses publiques annuelles de recherche et développement (R&D) agricoles de chaque pays depuis 1961, pondérées par un taux d'obsolescence. Il représente le niveau moyen de technologies et de pratiques agronomiques des agriculteurs d'un pays. Pour plus de détails sur la modélisation, voir Iizumi et al. (2017).

Modèle d'impact - CROVER

CROVER est l'un des 15 modèles suivant le protocole ISIMIP3a/b qui constituent la base des simulations des résultats du secteur agricole ISIMIP3a/b ; pour une description technique complète des données de simulation ISIMIP3a du secteur agricole, voir ce lien DOI :https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Modèle d'impact - EPIC-IIASA

Le système de modélisation des cultures global et maillé « EPIC-IIASA », basé sur EPIC, est utilisé pour évaluer les principaux systèmes agricoles mondiaux en réponse à des interventions de gestion telles que les pratiques culturales, la fertilisation et l’irrigation, ou encore les options d’agriculture biologique et de conservation, ainsi qu’aux changements environnementaux, notamment le changement climatique et la dégradation des sols. De plus, EPIC-IIASA permet de comparer les systèmes de gestion des terres cultivées et leurs effets sur des indicateurs environnementaux comme la disponibilité en eau, les teneurs en azote et en phosphore dans le sol et les émissions de gaz à effet de serre.
S’appuyant sur le modèle climatique intégré de politique environnementale et sur des ensembles de données mondiaux ou régionaux relatifs au climat, aux sols, à la couverture terrestre et à l’utilisation des terres, EPIC-IIASA permet d’analyser de nombreux types de cultures et leur gestion dans diverses conditions météorologiques, topographiques et pédologiques. Il étudie les compromis entre la croissance et le rendement des plantes, d’une part, et les impacts environnementaux et la durabilité, d’autre part.
Par exemple, EPIC-IIASA peut estimer, en fonction du type de sol et des conditions climatiques locales, la mesure dans laquelle les nutriments provenant des engrais, comme l'azote (N), sont lessivés vers les cours d'eau avoisinants. Ce problème est de plus en plus préoccupant, car à l'échelle mondiale, deux cinquièmes de l'azote utilisé en agriculture sont perdus pour les écosystèmes, entraînant des conséquences environnementales néfastes.
EPIC-IIASA permet d'analyser les options d'agriculture durable, notamment la lutte contre l'érosion des sols, la gestion des résidus de récolte, l'amélioration des stocks de carbone organique du sol et la réduction des émissions de gaz à effet de serre. Les applications mondiales et régionales d'EPIC-IIASA contribuent à informer sur le potentiel des systèmes agricoles à atteindre les objectifs mondiaux en matière de climat et de sécurité alimentaire.

Modèle d'impact - ISAM

Le modèle ISAM (Integrated Science Assessment Model) est un modèle couplé biogéochimique et biogéophysique doté d'une résolution spatiale de 0,5° × 0,5° et de multiples résolutions temporelles allant d'une demi-heure à un an. Il simule les bilans de carbone, d'azote, d'énergie et d'eau de divers écosystèmes terrestres par le biais de la photosynthèse, de l'hydrologie de surface, du transfert radiatif, de la répartition du carbone et de la respiration de l'écosystème (Barman et al., 2014a, 2014b ; Yang et al., 2009). De plus, ISAM intègre les processus de croissance des cultures vivrières C3 et C4 (maïs, soja, blé et riz) et des graminées bioénergétiques (miscanthus, graminées à feuilles caduques et alamo), évalués à l'échelle locale, régionale et mondiale (Gahlot et al., 2020 ; Lin et al., 2017 ; Niyogi et al., 2015 ; Song et al., 2013, 2015, 2016). Parmi les caractéristiques importantes, propres à ISAM et essentielles au calcul des rendements, figurent : (i) des schémas dynamiques de phénologie et d'allocation du carbone spécifiques à chaque culture (Song et al., 2013, 2015), prenant en compte la sensibilité des différentes cultures aux conditions environnementales extrêmes ; (ii) des structures de végétation dynamiques, qui permettent de mieux appréhender la variabilité saisonnière de l'indice de surface foliaire (ISF), de la hauteur de la canopée et de la profondeur racinaire. (iii) processus de distribution dynamique des racines à la profondeur qui améliorent l’absorption d’eau du sol et la transpiration simulées par les racines.

Modèle d'impact - LDNDC

LandscapeDNDC est l'un des 15 modèles suivant le protocole ISIMIP3a/b qui constituent la base des simulations des résultats du secteur agricole ISIMIP3a/b ; pour une description technique complète des données de simulation ISIMIP3a du secteur agricole, voir ce lien DOI :https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Modèle d'impact - LPJ-GUESS

Le modèle est la version adaptée aux cultures de LPJ-GUESS, décrite dans Lindeskog et al. (2013). Il s'inspire de LPJmL (Bondeau et al., 2007), mais s'en distingue par plusieurs aspects importants : il n'est pas calibré sur les rendements observés à l'échelle nationale, il utilise un nouveau schéma phénologique et calcule dynamiquement les unités thermiques potentielles (UTP) nécessaires à la maturité de la culture. Les dates de semis sont calculées dynamiquement selon Waha et al. (2012). La somme des UTP nécessaires au développement complet d'une culture dans une cellule de la grille est calculée à partir d'une moyenne mobile sur 10 ans des sommes d'UTP accumulées depuis la date de semis jusqu'à la fin d'une période d'échantillonnage (de 190 à 245 jours), elle-même dérivée des dates limites de semis et de récolte par défaut (Lindeskog et al., 2013). Les cultures sont récoltées à maturité. Cette variation dynamique du PHU en fonction du climat suppose une adaptation parfaite du cultivar au climat ambiant. La limitation en azote n'est pas explicitement prise en compte dans cette version du modèle.

Modèle d'impact - LPJmL

LPJmL est un modèle dynamique global de végétation qui a été étendu pour couvrir les systèmes agricoles et le cycle hydrologique terrestre. Il permet des simulations transitoires de différentes cultures, de systèmes de pâturage et de la dynamique de la végétation naturelle, et peut prendre en compte divers aspects de gestion dans les simulations de cultures.

Modèle d'impact - pDSSAT

pDSSAT est l'un des 15 modèles suivant le protocole ISIMIP3a/b qui constituent la base des simulations des résultats du secteur agricole ISIMIP3a/b ; pour une description technique complète des données de simulation ISIMIP3 du secteur agricole, voir ce lien DOI : https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/
pDSSAT utilise l'environnement pSIMS pour exécuter le modèle de culture DSSAT de manière globale et parallèle. Dans le cadre des phases 3a et 3b (groupes 1 et 2) du projet GGCMI/ISIMIP, nous utilisions la version 4.6 de DSSAT, désormais mise à jour vers la version 4.8 pour les simulations ATTRICI de la phase 3a et du groupe 3 de la phase 3b.

Modèle d'impact - PEPIC

PEPIC est un modèle EPIC (Environmental Policy Integrated Climate) basé sur Python.

Modèle d'impact - PROMET

PROMET est un modèle hydrologique de processus de surface terrestre, enrichi d'un module biophysique dynamique de végétation pour modéliser la croissance des cultures et la formation des rendements. Il utilise des principes physiques et physiologiques de premier ordre pour déterminer la production primaire nette et la respiration, selon les approches de Farquhar et al. (1980) et Ball et al. (1987), combinées à un module phénologique et à une architecture de canopée à deux strates (Yin et al., 2005). PROMET prend en compte la dépendance de la production primaire nette et de la phénologie aux conditions environnementales, notamment la météorologie, la concentration de CO₂ pour les voies C₃ et C₄, ainsi que le stress hydrique et thermique. Le bilan massique et énergétique de la canopée et du sol sous-jacent est calculé itérativement à chaque pas de temps de simulation. Le module canopée et phénologique répartit les assimilats dans les différents organes de la plante en fonction de leur stade phénologique. Les assimilats accumulés dans les fruits pendant la période de croissance déterminent la biomasse sèche disponible pour la formation du rendement. La simulation est réalisée à un pas de temps horaire afin de prendre en compte les réactions non linéaires de la croissance des cultures aux conditions environnementales (principalement la lumière, l'eau, la température et le vent). La conversion des données journalières du modèle climatique en valeurs horaires est effectuée par TeddyTool v1.1 (Zabel et Poschlod, 2023). Selon la réaction de la culture considérée aux conditions météorologiques et pédologiques, celle-ci peut mourir de stress hydrique, thermique ou thermique avant la récolte, ou ne pas atteindre sa maturité. Dans les deux cas, il en résulte une perte totale de rendement.

Modèle d'impact - SIMPLACE-LINTUL5

SIMPLACE — un cadre de modélisation et de simulation polyvalent pour des cultures et des agroécosystèmes durableshttps://doi.org/10.1093/insilicoplants/diad006

Scénarios climatiques

Les scénarios dits de concentration représentative (RCP) ont été élaborés pour le cinquième rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC). Ils décrivent différents niveaux d'augmentation du rayonnement induite par les gaz à effet de serre qui pourraient se produire entre 2011 et 2100. Cependant, ils ne comportaient aucun contexte socio-économique. Ces dernières années, une équipe internationale de climatologues, d'économistes et de modélisateurs des systèmes énergétiques a élaboré de nouveaux scénarios qui examinent comment la société, la démographie et l'économie mondiales pourraient évoluer au cours du siècle prochain. Ces scénarios sont connus sous le nom de « scénarios socio-économiques partagés » (SSP). Publiés en 2017 (Riahi et al., 2017), les SSP joueront un rôle majeur dans le sixième rapport d'évaluation du GIEC, prévu pour 2021-2022.

Les scénarios de stabilité du climat (SSP) sont des scénarios de référence qui décrivent l'évolution future en l'absence de nouvelles politiques climatiques, au-delà de celles déjà en vigueur. Ils proposent cinq trajectoires possibles pour le monde. Ces cinq SSP diffèrent principalement par la croissance démographique, l'urbanisation, la croissance économique, les investissements dans l'éducation et la santé, le système énergétique et l'utilisation des sols, le rythme du développement technologique ainsi que par les facteurs de la demande, tels que les changements de mode de vie (Riahi et al., 2017).

Tout comme les RCP, les SSP sont incomplets, car ils ne représentent que des futurs sociaux et n'intègrent pas les impacts du changement climatique. De plus, aucune mesure d'atténuation ou d'adaptation n'y est mise en œuvre (O'Neill et al., 2020). C'est pourquoi ClimateImpactsOnline utilise trois combinaisons SSP-RCP pour visualiser les données climatiques correspondant à différents scénarios socio-économiques et radiatifs.

« Durabilité » SSP1 - 2.6

« Rivalité régionale » SSP3 - 7.0

« Développement fondé sur les énergies fossiles » SSP5 - 8.5

Base de données SSP

Les trajectoires socio-économiques partagées (TSP) : un aperçu (affiche)
Sources :

O'Neill, BC, Carter, TR, Ebi, K. et al. Réalisations et besoins du cadre de scénarios de changement climatique. Nat. Clim. Chang. 10, 1074–1084 (2020). https://doi.org/10.1038/s41558-020-00952-0

Riahi, K. et al., Les trajectoires socio-économiques partagées et leurs implications en matière d'énergie, d'utilisation des terres et d'émissions de gaz à effet de serre : un aperçu, Global Environmental Change, Volume 42, 153-168 (2017). https://doi.org/10.1016/j.gloenvcha.2016.05.009.

Données observationnelles

L'ensemble de données W5E5 comprend des données d'observation et de réanalyse et sert à représenter les données d'observation. Il fait partie du projet ISIMIP3b (Impact Model Intercomparison Project), où il est utilisé pour la correction des biais des évaluations d'impact. Cet ensemble de données inclut les données terrestres WFDE5 et les données océaniques ERA5 (données d'observation et de réanalyse) (Cucchi et al., 2020 ; Hersbach et al., 2020). Les données de précipitations issues de la version 2.3 du Global Precipitation Climatology Project (Adler et al., 2003) constituent une source de données supplémentaire.

La version 1.0 de W5E5 inclut des données pour la période 1979-2017. Cela signifie que pour la décennie 2011-2020, seules six années sont disponibles et que les cartes de différence ne sont relatives qu'aux années 1991-2014. Nous mettrons régulièrement à jour et diffuserons les données supplémentaires de W5E5 pour cette décennie. L'ensemble de données offre une résolution spatiale horizontale de 0,5° et une résolution temporelle journalière.
Les variables incluses dans l'ensemble de données sont les suivantes : humidité relative près de la surface (hurs, %), humidité spécifique près de la surface (huss, kg kg⁻¹), précipitations (pr, kg m⁻² s⁻¹), flux de neige (prsn, kg m⁻² s⁻¹), pression atmosphérique en surface (ps, Pa), pression au niveau de la mer (psl, Pa), rayonnement solaire descendant de grande longueur d'onde (rlds, W m⁻²), rayonnement solaire descendant de courte longueur d'onde (rsds, W m⁻²), vitesse du vent près de la surface (sfcWind, m s⁻¹), température de l'air près de la surface (tas, K), température maximale quotidienne de l'air près de la surface (tasmax, K), température minimale quotidienne de l'air près de la surface (tasmin, K), altitude (orog, m) et masque WFDE5-ERA5 (mask, 1) (Lange, 2019). Les données WFDE5 des variables correspondent, pour les terres et les océans, aux moyennes journalières des données horaires WFDE5. Les variables terrestres hurs, pr, psl, tasmax et tasmin, ainsi que les variables océaniques tasmax et tasmin, sont obtenues par un calcul différent. Ce calcul est décrit sur le site web suivant :WFDE5 au-dessus des terres fusionné avec ERA5 au-dessus de l'océan (W5E5)

En sélectionnant « Observations » dans la section Données historiques de l'onglet Paramètres, vous pouvez visualiser les données observées de l'ensemble de données W5E5.

Sources :

Adler, R. F., Huffman, G. J., Chang, A., Ferraro, R., Xie, P.-P., Janowiak, J., Nelkin, E. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979–Present). Journal of Hydrometeorology, 4(6), 1147–1167. doi:10.1175/1525-7541(2003)004<1147:tvgpcp>2.0.co;2
Cucchi, M., Weedon, G. P., Amici, A., Bellouin, N., Lange, S., Müller Schmied, H., Hersbach, H., & Buontempo, C. (2020). WFDE5: bias-adjusted ERA5 reanalysis data for impact studies. Earth System Science Data, 12(3), 2097–2120. https://doi.org/10.5194/essd-12-2097-2020
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/QJ.3803
Lange, Stefan (2019): WFDE5 over land merged with ERA5 over the ocean (W5E5). V. 1.0. GFZ Data Services. https://doi.org/10.5880/pik.2019.023
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.

Données de simulation historiques

Pour valider les modèles climatiques, les conditions climatiques passées sont simulées et comparées aux données observées. Un indicateur important pour valider la fiabilité des projections climatiques futures issues des modèles est l'évolution temporelle et spatiale simulée de la température moyenne mondiale à la surface, de l'ère préindustrielle à nos jours.

La simulation historique fait partie des éléments requis pour participer au projet CMIP (phase 6). Elle a été ajoutée au projet DECK (Diagnostic, Évaluation et Caractérisation du Climat) afin de mieux distinguer le CMIP de cette phase spécifique, en l'occurrence le CMIP6. Ces simulations servent également de référence pour les projets d'intercomparaison de modèles (MIP) approuvés par le CMIP6.

Les simulations débutent à partir de conditions d'équilibre arbitraires issues de l'expérience de contrôle préindustrielle (piControl). Ensuite, divers forçages temporels, conformes au CMIP6, tels que les émissions de gaz à effet de serre, les forçages liés à l'utilisation des terres, les aérosols, le forçage solaire et autres, sont intégrés aux modèles. Ces derniers génèrent alors une reconstitution des conditions historiques. Les simulations historiques du CMIP6 couvrent la période de 1850 à 2014.

Sources :