Les modèles régionaux de climat (MRCs) permettent de simuler les écoulements atmosphériques sur une région limitée de la surface terrestre. Pilotés à leurs frontières latérales par des données à basse résolution provenant de modèles mondiaux (MCGs), ils permettent d'augmenter considérablement la résolution spatiale des simulations en vue de répondre au besoin grandissant d'évaluer les impacts régionaux reliés aux changements climatiques. Plusieurs études ont démontré que la taille du domaine régional est un paramètre pouvant affecter considérablement les résultats des simulations. En effet, le domaine doit être assez grand pour permettre le développement des fines échelles qui n'existent pas dans les conditions aux frontières latérales. D'un autre côté, une simulation effectuée sur un trop grand domaine peut montrer d'importantes différences avec les données de pilotage si aucun forçage des grandes échelles n'est appliqué à l'intérieur du domaine régional. Les effets reliés à la taille du domaine d'intégration d'une simulation MRC sont évalués selon le cadre expérimental du "Grand-Frère". L'expérience consiste d'abord à générer une simulation climatique à haute résolution (-45 km) sur un domaine continental couvrant la majorité de l'Amérique du Nord, sur 196x196 points de grille. Cette simulation de référence, le Grand-Frère (GF), est ensuite traitée à l'aide d'un filtre passe-bas ayant la propriété de conserver les plus grandes échelles de l'écoulement (approximativement ≥ 2160 km). La série de données ainsi obtenue, le Grand-Frère Filtré (GFF), possède un niveau de détails similaire à celui des données provenant des MCGs. On utilise alors le GFF pour piloter quatre simulations, les Petits-Frères (PFs), à l'aide du même modèle mais sur des domaines plus restreints et de tailles différentes qu'on notera PFl à PF4, et qui ont des dimensions respectives de 144x144, 120x120, 96x96 et 72x72 points de grille. Les résultats des PFs sont comparés avec le GF en cumulant les statistiques climatiques (moyenne temporelle et écart-type) sur quatre mois d'hiver, au-dessus d'une zone commune correspondant pratiquement à la province canadienne du Québec. De manière générale, les patrons (pression, vent, humidité relative et taux de précipitation) des PFs s'améliorent en corrélation spatiale par rapport au GF lorsque le domaine est réduit de 144x144 à 72x72. Cette tendance a aussi été observée pour la moyenne temporelle des fines échelles de l'écoulement. Toutefois, il a été observé que l'intensité de la variabilité transitoire (écart-type) de ces échelles pouvait être compromise par la proximité des frontières latérales par rapport à la zone d'intérêt. En effet, d'importantes sous-estimations ont été détectées, particulièrement du côté entrant du domaine, ce qui suggère l'existence d'une distance de "spin-up" se devant d'être parcourue par l'écoulement avant que celui-ci démontre des particularités de fines échelles. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Modèle régional de climat, Sensibilité à la taille du domaine, Petites échelles, Protocole du Grand-Frère.

L'objectif de la mise à l'échelle dynamique par les Modèles Régionaux du Climat (MRC) est de générer une variabilité spatio-temporelle de fine échelle à partir des champs à faible résolution. La plupart des MRC sont définis comme un problème de conditions aux frontières, où les Conditions aux Frontières Latérales (CFL) sont définies à partir des champs de pilotage à faible résolution. La variabilité interne des modèles régionaux met en question l'unicité de sa solution. Une petite différence, aux petites échelles des spectres des champs simulés, se propage vers les échelles plus grandes, et ajoute une composante aléatoire au signal forcé. Au même moment, l'advection de l'information prescrite par les conditions aux frontières latérales vers l'intérieur du domaine contraint la partie forcée de la solution du modèle. Par conséquent la variabilité spatio-temporelle générée par les MRC se compose d'une composante reproductible associée au forçage externe, i.e. le forçage exercé par l'extérieur sur l'atmosphère simulée, et d'une composante non-reproductible, associée à la variabilité interne. La présente étude examine comment un MRC partage sa variabilité spatio-temporelle entre les deux composantes. L'analyse est basée sur un ensemble de 20 simulations, effectuée par le Modèle Régional Canadien du Climat (MRCC) pour une saison d'été. Les simulations sont pilotées par les réanalyses NCEP. La composante reproductible est identifiée par la moyenne d'ensemble tandis que la composante non-reproductible est échantillonnée à partir des déviations des membres de l'ensemble par rapport à la moyenne d'ensemble. Quand les champs instantanés sont étudiés, les résultats montrent que la variabilité interne dépend fortement de l'échelle spatiale; les plus petites échelles sont les plus affectées. Aux grandes échelles de l'ordre de 1000km, la composante reproductible est beaucoup plus grande que la composante non-reproductible. Par contre, aux échelles de l'ordre de 100km, la composante non-reproductible n'est plus négligeable. Les profils verticaux de la reproductibilité indiquent que, dans l'ensemble étudié, le forçage par la surface ne contraint pas la circulation du modèle considérablement. La distribution géographique montre, pour les grandes échelles de toutes les variables, le même patron spatial de la reproductibilité: La reproductibilité est en général grande à proximité des frontières d'entrée et elle diminue en aval. La distribution spatiale de reproductibilité des petites échelles suit principalement celle des grandes échelles, mais les valeurs sont considérablement plus petites. De même, la variation temporelle de la reproductibilité des petites échelles est relativement bien synchronisée avec celle de la reproductibilité de grandes échelles. Cela implique que les reproductibilités des grandes et petites échelles sont liées. L'analyse des moyennes saisonnières montre que la composante reproductible domine le spectre entier. Cependant, aux échelles plus petites que 200km, la composante non-reproductible devient non négligeable. Additionnement, la variabilité spatiale du MRCC aux grandes échelles est en moyenne légèrement surestimée par rapport aux analyses objectives près de la surface. Par contre, elle est sous-estimée dans la troposphère supérieure. Ceci justifie le besoin d'appliquer le pilotage des grandes échelles à l'intérieur du domaine du MRCC. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Modèles Régionaux du Climat, Variabilité interne, « Dynamical downscaling ».

Deux méthodes de mise à l'échelle statistique sont évaluées sur une station située au Burkina Faso afin de générer une information climatique pertinente au niveau local, en terme de climat moyen et des principales caractéristiques de variabilité et d'extrême du régime de précipitation. Les deux méthodes de régression multi-linéaire SDSM et ASD analysées reposent sur le principe que des relations empiriques entre certaines variables atmosphériques à grande échelle issues des réanalyses ou des Modèles Climatiques globaux (MCGs), variables dénommées prédicteurs, et des paramètres climatiques locaux (ex. précipitation) peuvent être établies. En mode réanalyse, le travail a consisté, d'une part, à partir de variables synoptiques de NCEP, à analyser (i) l'intérêt d'utiliser une gamme plus vaste de prédicteurs dérivés et sur plus de niveaux verticaux dans l'atmosphère, et (ii) l'intérêt d'utiliser une sélection des prédicteurs sur une base mensuelle versus annuelle. D'autre part, en mode climat, à partir de variables synoptiques issues de deux MCGs (CGCM2 et HadCM3), l'évaluation a porté sur l'utilisation de ces modèles climatiques mondiaux afin de générer une information climatique plausible et utile à l'échelle locale dans le but ultime de générer des scénarios climatiques pertinents pour les études d'impacts en milieu sahélien. En mode réanalyse, le fait de considérer un plus vaste ensemble de prédicteurs et plus de niveaux atmosphériques, a permis de réduire les biais de l'ensemble des critères statistiques/climatiques comme la moyenne quotidienne, la variabilité intra-saisonnière, les indices d'intensité et d'extrêmes, et l'indice des dates de début, de fin et de longueur de mousson. De plus, avec cette nouvelle configuration, les deux modèles de mise à l'échelle sont en mesure de reconstruire une partie des changements observés dans le régime de précipitation (i.e. diminution de la quantité totale de pluie et de la fréquence du nombre d'événements pluvieux). Si dans la majorité des cas ASD performe mieux que SDSM avec un choix restreint de prédicteurs, les différences entre les modèles diminuent en utilisant un plus grand choix de prédicteurs, et en sélectionnant ceux-ci sur une base mensuelle. Dans ce dernier cas, les incertitudes sur la valeur médiane et la moyenne des indices de précipitation, notamment au coeur de la saison pluvieuse et à la fin de celle-ci, sont réduites par rapport aux autres simulations. Avec les prédicteurs des MCGs, notamment le modèle HadCM3, la simulation de l'ensemble des indices est systématiquement améliorée par rapport aux valeurs équivalentes issues des variables brutes des MCGs, aussi bien avec SDSM que ASD, notamment l'occurrence des jours de pluie, la variabilité intra-saisonnière, les indices d'intensité et d'extrêmes. Par contre l'utilisation des prédicteurs CGCM2 dans la mise à l'échelle statistique ne permet pas d'améliorer systématiquement tous les indices analysés par rapport aux données brutes de ce MCG. Quoi qu'il en soit, notre étude a permis de montrer qu'avec des prédicteurs relativement bien reproduits à grande échelle par les modèles globaux, les distributions quotidiennes de précipitation étaient plus plausibles à l'échelle locale, en dépit des difficultés à simuler adéquatement les extrêmes (i.e. largement surestimés surtout avec le CGCM2). Dans l'avenir, d'autres analyses devront inclure des prédicteurs des modèles globaux ou régionaux, telles que suggérés avec les réanalyses NCEP (i.e. autres niveaux, variables et résolution temporelle), ainsi qu'à l'aide d'autres méthodes non-linéaires en lien avec les particularités physiques à l'échelle régionale et locale. Ceci contribuera ultimement à générer des scénarios plus plausibles à ces échelles, d'autant que la mousson Ouest Africaine est influencée naturellement par des téléconnections variées à l'échelle globale et régionale. L'usage de cette information climatique pour des applications locales pourrait ainsi être amélioré, en lien avec les besoins des études d'impacts et de vulnérabilité dans le domaine agropastoral, humain et de la modélisation environnementale. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : ASD, SDSM, NCEP, MCG, Variabilité interannuelle, Mousson ouest africaine, Prédicteurs, Indices de précipitations, Mise à l'échelle statistique.

L'Arctique montre la plus grande vulnérabilité de toutes les régions de la Terre aux changements climatiques. Pour cette raison, il est très important de simuler avec précision les différents modes climatiques de cette région. Une expérience testant huit modèles différents montre de grandes différences entre des simulations effectuées par ces modèles au-dessus l'Arctique (Rinke et al. 2006). La sensibilité des résultats de modèles régionaux à la taille du domaine est un phénomène bien connu aussi (Leduc et Laprise, 2009): le domaine doit être suffisamment grand pour permettre le développement de fines échelles, mais suffisamment petit pour que les conditions aux frontières latérales (CFL) contrôlent l'intégration. Pour examiner la variabilité interne (VI) du Modèle Régional Canadien du Climat (MRCC) et l'influence de la taille de domaine sur une simulation, nous avons choisi d'utiliser l'approche de l'expérience du Grand-Frère (EGF) (« Big-Brother Experiment », BBE; Denis et al. 2002). EGF permet ici de comparer les simulations effectuées sur les différentes tailles de domaine et d'étudier comment cela affecte les résultats. Aussi, pour un domaine donné, la VI peut être étudiée par l'introduction de petites différences dans les conditions initiales dans un ensemble des simulations. L'avantage qui provient de l'utilisation de EGF est la possibilité d'étudier le comportement de la petite échelle du climat, c'est-à-dire de la valeur ajoutée d'un MRC, qui est absente dans les CFL, et d'évaluer la nature et la magnitude de la VI pour le domaine d'étude. Les résultats de notre expérience sont en accord avec les conclusions des études précédentes: la VI est plus importante sur un domaine d'intégration plus grand. L'évolution temporelle de la VI pour deux tailles de domaine est bien différente et dépend fortement de la situation synoptique. La variance transitoire est fortement sous-estimée par la moyenne de l'ensemble au-dessus d'un domaine plus grand. Néanmoins, le modèle sous-estime la petite échelle pour le plus petit LB, surtout en altitude dans la région caractérisée par les vents plus forts, tandis que le plus grand domaine permet au modèle le développement d'une solution moins dépendante des conditions aux frontières latérales. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Modèle régional du climat, Expérience « Big-Brother », Sensibilité à la taille du domaine, Ensemble des simulations, Variabilité interne.

La sensibilité du Modèle Régional Canadien du Climat (MRCC) à la taille du domaine et à la technique de pilotage spectral (SN) est étudiée. Nous savons déjà que le domaine d'intégration du MRCC doit être suffisamment grand pour permettre le développement complet des petites échelles. Si l'intégration est réalisée sur un très grand domaine, elle conduit à d'importantes déviations, à moins qu'un pilotage des grandes échelles soit appliqué. La technique du pilotage spectral consiste à forcer les grandes échelles pas seulement aux frontières latérales, mais aussi à l'intérieur du domaine d'intégration. L'influence des différentes tailles de domaines et l'intensité du pilotage de grande échelle est étudiée avec le cadre expérimental du « Grand-Frère ». Elle consiste premièrement à établir une simulation de référence, nommée « Grand-Frère », GF, sur un grand domaine en haute résolution (~45km). Cette simulation est ensuite filtrée en enlevant les petites échelles. Les données résultantes (grandes échelles : ~2160km) sont utilisées pour piloter le même modèle, intégré à la même haute résolution, mais sur un domaine plus petit issu que le domaine BB (appelé « Petit-Frère », PF). Nous avons effectué 5 simulations de PF avec 196x196, 160x160, 140x140, 120x120 et 100x100 points de grille. Les statistiques du climat entre les simulations de GF et celles de PF sont comparées sur un domaine commun de 86x86 points de grille. Trois expériences sont réalisées : deux avec différentes intensités de pilotage (0 à 5%; 5%) et une sans le pilotage spectral. Avec l'application du pilotage de grande échelle, on note l'augmentation de la corrélation spatiale entre les simulations de PF et leur référence avec l'augmentation de la taille du domaine. Pour chaque étude, les diagrammes de Taylor montrent l'augmentation de la corrélation temporelle des caractéristiques à petites échelles, de quelques dizaines de pourcentages pour les plus grands domaines, avec les valeurs les plus hautes du coefficient de pilotage. ______________________________________________________________________________

Ce travail s'inscrit dans le cadre de recherche sur les maladies vectorielles de Lyme et Virus du Nil au sein de l'Agence de Santé Publique du Canada (ASPC) ayant pour finalité d'évaluer et de cartographier les risques sanitaires associés à ces maladies infectieuses liées au climat aux échelles municipales, provinciales et fédérale. Dans ce contexte, cette recherche vise à démontrer la faisabilité, la pertinence et les enjeux de recourir aux méthodes de réduction d'échelle pour obtenir à une haute résolution spatio-temporelle (100/30 m et 1 jour) avec au plus des marges d'erreur de 2 unités, des déterminants climatiques et microclimatiques (DCMC) en milieu hétérogène du Canada. Un cadre méthodologique d'application des méthodes de réduction d'échelle, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), a été proposé pour estimer la température de surface (LST) de MODIS 1000 m à 100/30 m. Des expérimentations basées sur cette approche ont été effectuées sur trois sites au Québec à différentes époques. Les résultats, spatialement représentatifs, ont été validés avec les températures de l'air et celles prises par de Landsat 08 avec des marges d'erreur autour de 2°C. L'analyse des résultats démontre la capacité effective des méthodes de réduction d'échelle à discriminer la LST dans l'espace. Toutefois, dans le contexte du projet de l'ASPC, ces résultats sont non concluants à 100/30 m en l'absence d'une plus-value significative au plan spatial de LST. Cette analyse a conduit à discuter des enjeux temporels, spatiaux, méthodologiques et de gestion de gros volumes de données en lien avec la réduction d'échelle dans le contexte du projet. / This research is part of the Public Health Agency of Canada's (PHAC) research on Lyme and West Nile Virus vector-borne diseases, which aims to assess and map the health risks associated with these climate-related infectious diseases at the municipal, provincial and federal levels. In this context, this research aims to demonstrate the feasibility, relevance and challenges of using downscaling methods to obtain high spatial and temporal resolution (100/30 m and 1 day), with margins of error of no more than 2 units, of climatic and microclimatic determinants (CMDs) in a heterogeneous Canadian environment. A methodological framework for the application of downscaling methods, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), has been proposed to estimate the surface temperature (LST) from MODIS 1000 m to 100/30 m. Experiments with our approach were carried out at three sites in Quebec at different times. The spatially representative results were validated with air and Landsat 08 temperatures with error margins around 2°C. The analysis of our results demonstrates the effective capacity of downscaling methods to discriminate LST in space. However, in the context of the ASPC project, these results are inconclusive at 100/30 m in the absence of a significant, expected increase in the spatial accuracy of LST. This analysis led to a discussion of the temporal, spatial, methodological and large data volume management issues related to downscaling in the context of the project.

Ce travail s'inscrit dans le cadre de recherche sur les maladies vectorielles de Lyme et Virus du Nil au sein de l'Agence de Santé Publique du Canada (ASPC) ayant pour finalité d'évaluer et de cartographier les risques sanitaires associés à ces maladies infectieuses liées au climat aux échelles municipales, provinciales et fédérale. Dans ce contexte, cette recherche vise à démontrer la faisabilité, la pertinence et les enjeux de recourir aux méthodes de réduction d'échelle pour obtenir à une haute résolution spatio-temporelle (100/30 m et 1 jour) avec au plus des marges d'erreur de 2 unités, des déterminants climatiques et microclimatiques (DCMC) en milieu hétérogène du Canada. Un cadre méthodologique d'application des méthodes de réduction d'échelle, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), a été proposé pour estimer la température de surface (LST) de MODIS 1000 m à 100/30 m. Des expérimentations basées sur cette approche ont été effectuées sur trois sites au Québec à différentes époques. Les résultats, spatialement représentatifs, ont été validés avec les températures de l'air et celles prises par de Landsat 08 avec des marges d'erreur autour de 2°C. L'analyse des résultats démontre la capacité effective des méthodes de réduction d'échelle à discriminer la LST dans l'espace. Toutefois, dans le contexte du projet de l'ASPC, ces résultats sont non concluants à 100/30 m en l'absence d'une plus-value significative au plan spatial de LST. Cette analyse a conduit à discuter des enjeux temporels, spatiaux, méthodologiques et de gestion de gros volumes de données en lien avec la réduction d'échelle dans le contexte du projet. / This research is part of the Public Health Agency of Canada's (PHAC) research on Lyme and West Nile Virus vector-borne diseases, which aims to assess and map the health risks associated with these climate-related infectious diseases at the municipal, provincial and federal levels. In this context, this research aims to demonstrate the feasibility, relevance and challenges of using downscaling methods to obtain high spatial and temporal resolution (100/30 m and 1 day), with margins of error of no more than 2 units, of climatic and microclimatic determinants (CMDs) in a heterogeneous Canadian environment. A methodological framework for the application of downscaling methods, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), has been proposed to estimate the surface temperature (LST) from MODIS 1000 m to 100/30 m. Experiments with our approach were carried out at three sites in Quebec at different times. The spatially representative results were validated with air and Landsat 08 temperatures with error margins around 2°C. The analysis of our results demonstrates the effective capacity of downscaling methods to discriminate LST in space. However, in the context of the ASPC project, these results are inconclusive at 100/30 m in the absence of a significant, expected increase in the spatial accuracy of LST. This analysis led to a discussion of the temporal, spatial, methodological and large data volume management issues related to downscaling in the context of the project.