Cet ensemble de données représente les traceurs radio-isotoptopiques de roches sélectionnées dans la province de la Saskatchewan, au Canada.Cet ensemble de données représente la compilation de traceurs radio-isotoptopiques pour des roches sélectionnées dans la province de la Saskatchewan, au Canada. **Remarque : Tous les ensembles de données publiés par la Commission géologique de la Saskatchewan, y compris ceux disponibles par le biais du Saskatchewan Mining and Petroleum GeoAtlas, proviennent de l'Enterprise GIS Data Warehouse. Ils sont donc identiques et partagent le même calendrier de rafraîchissement.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Réseaux de transport (transport) Moyens et aides pour le transport des personnes et des marchandises. Par exemple, des ressources décrivant les routes, les aéroports et les pistes d'atterrissage, les routes maritimes, les tunnels, les cartes marines, la localisation des véhicules ou des navires, les cartes aéronautiques et les voies ferrées.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Les entités transport sont dérivées du Réseau routier national (RRN) et du Réseau ferroviaire national (RFN) du Canada. Ces données décrivent notamment les routes, les sentiers, les ponts, les voies ferrés ainsi que leurs informations accessoires. Plus précisément, les entités transport regroupent les installations nautiques, les segments ferroviaires, les jonctions ferroviaires, les gares, les croisements ferroviaires, les panneaux de point milliaire, les structures ferroviaires, les traverses ferroviaires, les segments routiers, les traverses routières, les jonctions routières, les passages obstrués, les postes de péage, les téléphériques, les passerelles, les sentiers, les repères de navigation, les marinas et les pistes d’envol.La série multiéchelle CanVec est disponible en fichiers téléchargeables prédécoupés et selon un découpage personnalisable par l'utilisateur à l'aide d'un outil d'extraction de données géospatiales.Ressources connexes (Liens Cartes Ouvertes):[Données topographiques du Canada - Série CanVec](https://ouvert.canada.ca/data/fr/dataset/8ba2aa2a-7bb9-4448-b4d7-f164409fe056)

Avis - Remplacement des services Web anglais et français (WMS et ESRI REST) par un service bilingue.Le produit Réseau routier national (RRN) est distribué sous forme de treize jeux de données provinciaux ou territoriaux et est composé de deux entités linéaires (Segment routier et Segment de liaison par transbordeur) et de trois entités ponctuelles (Jonction, Passage obstrué et Poste de péage) auxquelles est associée une série d'attributs descriptifs dont, entre autres : Numéro première maison, Numéro dernière maison, Corps nom rue, Nom de lieu, Classification routière fonctionnelle, État revêtement, Nombre de voies, Type de structure, Numéro de route, Nom de route, Numéro de sortie. Le développement de l'édition 2.0 du RRN a été réalisé à l'aide de rencontres individuelles et des ateliers nationaux avec les producteurs de données intéressés des gouvernements fédéraux, provinciaux, territoriaux et municipaux. En 2005, le RRN édition 2.0 a été adopté à tour de rôle par les membres du Comité mixte des organismes intéressés à la géomatique (CMOIG) et les membres du Conseil canadien de géomatique (COCG). Son contenu s'appuie en grande partie sur la norme ISO 14825 de ISO/TC 204.

RAILLINE_OFFICIAL est l'une des couches importantes du réseau routier amélioré de la Saskatchewan (SURN) et du réseau routier national (NRN). Le RAILLINE_OFFICIAL fournit les informations de Railine aux clients qui ont besoin d'une description précise, relativement à jour et détaillée du réseau ferroviaire de la Saskatchewan.La couche de données RAILLINE_OFFICIAL a été développée par le ministère des Autoroutes et des Infrastructures de la Saskatchewan et contient la version OFFICIELLE du réseau ferroviaire de la province. La couche RAILLINE_OFFICIAL présente la géométrie linéaire du CN, du CP et de la ligne de chemin de fer provinciale/d'intérêt local en Saskatchewan. Cette version du réseau est celle utilisée pour le mappage, les requêtes et le traçage.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Transport Features comprend, entre autres, le réseau routier national (NRN) et le réseau ferroviaire national (NRWN). Les entités liées aux caractéristiques de transport sont les suivantes : installation nautique, segment de voie, jonction de voie, gare, franchissement de voie, poteau de signalisation, structure de la voie, ferry ferroviaire, segment de route, ferry routier, jonction de route, passage bloqué, point de péage, téléphérique, passerelle, sentier, aide à la navigation, marina et piste. CanVec est un produit de référence cartographique numérique de Ressources naturelles Canada (RNCan). Il provient des meilleures sources de données disponibles couvrant le territoire canadien, offre des informations topographiques de qualité en format vectoriel et est conforme aux normes géomatiques internationales. CanVec est un produit multisource provenant principalement de la Base nationale de données topographiques (NTDB), du processus de cartographie du Nord mené par le Centre canadien de cartographie et d'observation de la Terre (CCMEO), des données de l'Atlas du Canada, de l'initiative GeoBase et de la mise à jour des données à l'aide de la couverture d'imagerie par satellite (par exemple Landsat 7, Spot, Radarsat, etc.).Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca)

Transport Features comprend, entre autres, le réseau routier national (NRN) et le réseau ferroviaire national (NRWN). Les entités liées aux caractéristiques de transport sont les suivantes : installation nautique, segment de voie, jonction de voie, gare, franchissement de voie, poteau de signalisation, structure de la voie, ferry ferroviaire, segment de route, ferry routier, jonction de route, passage bloqué, point de péage, téléphérique, passerelle, sentier, aide à la navigation, marina et piste. CanVec est un produit de référence cartographique numérique de Ressources naturelles Canada (RNCan). Il provient des meilleures sources de données disponibles couvrant le territoire canadien, offre des informations topographiques de qualité en format vectoriel et est conforme aux normes géomatiques internationales. CanVec est un produit multisource provenant principalement de la Base nationale de données topographiques (NTDB), du processus de cartographie du Nord mené par le Centre canadien de cartographie et d'observation de la Terre (CCMEO), des données de l'Atlas du Canada, de l'initiative GeoBase et de la mise à jour des données à l'aide de la couverture d'imagerie par satellite (par exemple Landsat 7, Spot, Radarsat, etc.).Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@gov.yk. ca] (mailto : geomatics.help@yukon.ca)

Description:Cet ensemble de données est constitué de trois simulations du modèle des écosystèmes de l’océan canadien du Pacifique Nord-Est (NEP36-CanOE), à savoir une configuration du NEMO (Nucleus for European Modelling of the Ocean), V3.6. La simulation historique est une estimation du climat moyen pour la période allant de 1986 à 2005. Les simulations futures permettront de projeter le climat moyen pour la période allant de 2046 à 2065 pour des profils représentatifs d’évolution de concentration (RCP) de 4,5 (scénario d’atténuation modérée) et de 8,5 (scénario d’absence d’atténuation). Chaque simulation est forcée par une climatologie de champs de forçage atmosphérique calculée sur ces périodes de 20 ans, et les vents sont augmentés d’une variabilité à haute fréquence, ce qui introduit une petite quantité de variabilité interannuelle. La moyenne des sorties du modèle est calculée sur trois années successives de simulation (les trois dernières, suivant une période d’équilibre); l’écart-type entre les trois années est disponible sur demande. Pour chaque simulation, l’ensemble de données comprend le flux de dioxyde de carbone air-mer, les champs en 3D mensuels pour la température potentielle, la salinité, la densité potentielle, l’alcalinité totale, le carbone inorganique dissous, le nitrate, l’oxygène, le pH, la chlorophylle totale, l’état de saturation de l’aragonite, la production primaire totale, et les valeurs maximales et minimales mensuelles pour l’oxygène, le pH et la température potentielle. Les données comprennent 50 niveaux verticaux à une résolution spatiale de 1/36 degrés, et un masque est fourni pour indiquer les régions où ces données doivent être utilisées avec prudence ou pas du tout. Pour une description plus détaillée, veuillez vous référer à Holdsworth et al. 2021.Méthodes:Cette étude utilise une méthode de réduction d’échelle à plusieurs étapes pour réduire de façon dynamique les projections climatiques globales à une résolution de 1/36° (1,5 − 2,25 km). Nous avons choisi d’utiliser le modèle du système terrestre canadien de deuxième génération (CanESM2), car les projections mises à l’échelle à haute résolution de l’atmosphère dans la région d’intérêt sont accessibles dans la 4e version du modèle régional canadien du climat (CanRCM4). Nous avons utilisé des anomalies de CanESM2 avec une résolution d’environ 1° aux limites ouvertes et le modèle régional atmosphérique, CanRCM4 (Scinocca et al. 2016), pour les conditions de limite de surface. CanRCM4 est un modèle atmosphérique seulement avec une résolution de 0,22°. Il a été utilisé pour la mise à l’échelle des projections climatiques obtenues à l’aide de CanESM2 pour l’Amérique du Nord et les océans qui la bordent.Le modèle utilisé est très coûteux sur le plan informatique en raison du nombre assez élevé de points dans le domaine (715 × 1 021 × 50) et du modèle biogéochimique relativement complexe (19 traceurs). Par conséquent, plutôt que de réaliser des simulations interannuelles pour les périodes historiques et futures, nous avons mis en œuvre une nouvelle méthode qui est fondée sur des données climatologiques de l’atmosphère avec des vents augmentés pour forcer l’océan. Nous démontrons que l’augmentation des vents avec des anomalies horaires offre une représentation plus réaliste de la répartition de l’eau douce que l’utilisation de données climatologiques seulement.La section 2.1 décrit le modèle océanique utilisé pour estimer le climat historique et prévoir l’état océanique selon des scénarios climatiques futurs. Les périodes sont quelque peu arbitraires; celle allant de 1986 à 2005 a été choisie parce que les simulations historiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) se terminent en 2005, puisqu’aucune estimation des émissions acceptée par la communauté n’était disponible après cette date (Taylor et al. 2009); celle allant de 2046 à 2065 a été choisie parce qu’elle se situait assez loin dans l’avenir pour que les changements dans les champs moyens sur 20 ans soient clairement dus à la modification du forçage des GES (contrairement à la variabilité interne du modèle) (p. ex. Christian 2014), mais dans un horizon suffisamment près pour être considérée comme pertinente aux fins de gestion.Bien qu’il soit vrai qu’une période de 30 ans au lieu de 20 ans représente la valeur canonique permettant le calcul de la moyenne de la variabilité naturelle, en pratique, la différence entre une moyenne de 20 ans et de 30 ans est faible (p. ex. si nous faisons la moyenne de périodes successives d’un passage de contrôle non forcé, l’écart entre les moyennes de 20 ans sera légèrement plus élevé que celles de 30 ans). De plus, on craint que les périodes de calcul plus longues ne conviennent pas dans un climat déréglé (Livezey et al. 2007; Arguez et Vose 2011). Nous avons choisi des périodes de 20 ans parce qu’elles permettent le calcul d’un cycle annuel moyen avec peu d’influence de la variabilité naturelle, tout en réduisant au minimum l’aliénation des variations séculaires dans les moyennes. Puisque les points milieux des deux périodes sont séparés de 60 ans, la contribution de la variabilité naturelle dans les différences entre les simulations historiques et futures est négligeable (Hawkins et Sutton 2009; Frölicher et al. 2016).La section 2.2 décrit comment les données climatologiques découlant des observations ont été utilisées aux fins de l’initialisation et comment les conditions de limites ouvertes ont été utilisées dans le cadre des simulations historiques et de la collecte de données pseudo-climatologiques aux fins des scénarios futurs. La disponibilité limitée des observations signifie que les années utilisées pour ces données climatologiques diffèrent quelque peu des périodes historiques et futures. La section 2.3 décrit en détail les champs de forçage atmosphérique et la méthode que nous avons élaborée pour générer des vents présentant une variabilité de haute fréquence réaliste tout en continuant d’utiliser les moyennes climatologiques quotidiennes des données de CanRCM4. La section 2.4 montre l’équilibrage des principales variables modélisées par rapport aux conditions de forçage.Sources de donnéesRésultats produits par le modèleIncertitudes:Les données climatologiques historiques ont été évaluées à l’aide de données climatologiques observationnelles générées à partir de stations ayant une longue série chronologique de données s’étalant sur la période visée, ce qui comprend des données sur la conductivité, la température et la profondeur (CTP) et sur les profils de nutriments, des données provenant des phares et des bouées, ainsi que des données satellitaires sur la température de la surface de la mer. Le modèle représente les conditions historiques avec un biais acceptable. La résolution de ce modèle est insuffisante pour représenter les détroits et les canaux étroits de la région, alors l’ensemble de données comprend un masque de précaution qui les exclut.

Description:Cet ensemble de données est constitué de trois simulations du modèle des écosystèmes de l’océan canadien du Pacifique Nord-Est (NEP36-CanOE), à savoir une configuration du NEMO (Nucleus for European Modelling of the Ocean), V3.6. La simulation historique est une estimation du climat moyen pour la période allant de 1986 à 2005. Les simulations futures permettront de projeter le climat moyen pour la période allant de 2046 à 2065 pour des profils représentatifs d’évolution de concentration (RCP) de 4,5 (scénario d’atténuation modérée) et de 8,5 (scénario d’absence d’atténuation). Chaque simulation est forcée par une climatologie de champs de forçage atmosphérique calculée sur ces périodes de 20 ans, et les vents sont augmentés d’une variabilité à haute fréquence, ce qui introduit une petite quantité de variabilité interannuelle. La moyenne des sorties du modèle est calculée sur trois années successives de simulation (les trois dernières, suivant une période d’équilibre); l’écart-type entre les trois années est disponible sur demande. Pour chaque simulation, l’ensemble de données comprend le flux de dioxyde de carbone air-mer, les champs en 3D mensuels pour la température potentielle, la salinité, la densité potentielle, l’alcalinité totale, le carbone inorganique dissous, le nitrate, l’oxygène, le pH, la chlorophylle totale, l’état de saturation de l’aragonite, la production primaire totale, et les valeurs maximales et minimales mensuelles pour l’oxygène, le pH et la température potentielle. Les données comprennent 50 niveaux verticaux à une résolution spatiale de 1/36 degrés, et un masque est fourni pour indiquer les régions où ces données doivent être utilisées avec prudence ou pas du tout. Pour une description plus détaillée, veuillez vous référer à Holdsworth et al. 2021. Les données disponibles ici sont les résultats de l’exécution de NEP36-CanOE_RCP 8,5; une projection du climat pour la période allant de 2046 à 2065 pour le scénario sans atténuation, RCP de 8,5.Méthodes :Cette étude utilise une méthode de réduction d’échelle à plusieurs étapes pour réduire de façon dynamique les projections climatiques globales à une résolution de 1/36° (1,5 − 2,25 km). Nous avons choisi d’utiliser le modèle du système terrestre canadien de deuxième génération (CanESM2), car les projections mises à l’échelle à haute résolution de l’atmosphère dans la région d’intérêt sont accessibles dans la 4e version du modèle régional canadien du climat (CanRCM4). Nous avons utilisé des anomalies de CanESM2 avec une résolution d’environ 1° aux limites ouvertes et le modèle régional atmosphérique, CanRCM4 (Scinocca et al. 2016), pour les conditions de limite de surface. CanRCM4 est un modèle atmosphérique seulement avec une résolution de 0,22°. Il a été utilisé pour la mise à l’échelle des projections climatiques obtenues à l’aide de CanESM2 pour l’Amérique du Nord et les océans qui la bordent.Le modèle utilisé est très coûteux sur le plan informatique en raison du nombre assez élevé de points dans le domaine (715 × 1 021 × 50) et du modèle biogéochimique relativement complexe (19 traceurs). Par conséquent, plutôt que de réaliser des simulations interannuelles pour les périodes historiques et futures, nous avons mis en œuvre une nouvelle méthode qui est fondée sur des données climatologiques de l’atmosphère avec des vents augmentés pour forcer l’océan. Nous démontrons que l’augmentation des vents avec des anomalies horaires offre une représentation plus réaliste de la répartition de l’eau douce que l’utilisation de données climatologiques seulement.La section 2.1 décrit le modèle océanique utilisé pour estimer le climat historique et prévoir l’état océanique selon des scénarios climatiques futurs. Les périodes sont quelque peu arbitraires; celle allant de 1986 à 2005 a été choisie parce que les simulations historiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) se terminent en 2005, puisqu’aucune estimation des émissions acceptée par la communauté n’était disponible après cette date (Taylor et al. 2009); celle allant de 2046 à 2065 a été choisie parce qu’elle se situait assez loin dans l’avenir pour que les changements dans les champs moyens sur 20 ans soient clairement dus à la modification du forçage des GES (contrairement à la variabilité interne du modèle) (p. ex. Christian 2014), mais dans un horizon suffisamment près pour être considérée comme pertinente aux fins de gestion.Bien qu’il soit vrai qu’une période de 30 ans au lieu de 20 ans représente la valeur canonique permettant le calcul de la moyenne de la variabilité naturelle, en pratique, la différence entre une moyenne de 20 ans et de 30 ans est faible (p. ex. si nous faisons la moyenne de périodes successives d’un passage de contrôle non forcé, l’écart entre les moyennes de 20 ans sera légèrement plus élevé que celles de 30 ans). De plus, on craint que les périodes de calcul plus longues ne conviennent pas dans un climat déréglé (Livezey et al. 2007; Arguez et Vose 2011). Nous avons choisi des périodes de 20 ans parce qu’elles permettent le calcul d’un cycle annuel moyen avec peu d’influence de la variabilité naturelle, tout en réduisant au minimum l’aliénation des variations séculaires dans les moyennes. Puisque les points milieux des deux périodes sont séparés de 60 ans, la contribution de la variabilité naturelle dans les différences entre les simulations historiques et futures est négligeable (Hawkins et Sutton 2009; Frölicher et al. 2016).La section 2.2 décrit comment les données climatologiques découlant des observations ont été utilisées aux fins de l’initialisation et comment les conditions de limites ouvertes ont été utilisées dans le cadre des simulations historiques et de la collecte de données pseudo-climatologiques aux fins des scénarios futurs. La disponibilité limitée des observations signifie que les années utilisées pour ces données climatologiques diffèrent quelque peu des périodes historiques et futures. La section 2.3 décrit en détail les champs de forçage atmosphérique et la méthode que nous avons élaborée pour générer des vents présentant une variabilité de haute fréquence réaliste tout en continuant d’utiliser les moyennes climatologiques quotidiennes des données de CanRCM4. La section 2.4 montre l’équilibrage des principales variables modélisées par rapport aux conditions de forçage.Sources de données:Résultats produits par le modèleIncertitudes:Ces projections climatiques sont ramenées à une plus petite échelle à partir d’un modèle climatique mondial unique (CanESM2/CanESM4), car le coût des ensembles est actuellement prohibitif. Notre conception expérimentale emploie des données de forçage climatologique pour chaque période de sorte que les différences entre elles sont presque entièrement dues au forçage anthropique et la variabilité naturelle a peu d’incidence.

Description:Cet ensemble de données est constitué de trois simulations du modèle des écosystèmes de l’océan canadien du Pacifique Nord-Est (NEP36-CanOE), à savoir une configuration du NEMO (Nucleus for European Modelling of the Ocean), V3.6. La simulation historique est une estimation du climat moyen pour la période allant de 1986 à 2005. Les simulations futures permettront de projeter le climat moyen pour la période allant de 2046 à 2065 pour des profils représentatifs d’évolution de concentration (RCP) de 4,5 (scénario d’atténuation modérée) et de 8,5 (scénario d’absence d’atténuation). Chaque simulation est forcée par une climatologie de champs de forçage atmosphérique calculée sur ces périodes de 20 ans, et les vents sont augmentés d’une variabilité à haute fréquence, ce qui introduit une petite quantité de variabilité interannuelle. La moyenne des sorties du modèle est calculée sur trois années successives de simulation (les trois dernières, suivant une période d’équilibre); l’écart-type entre les trois années est disponible sur demande. Pour chaque simulation, l’ensemble de données comprend le flux de dioxyde de carbone air-mer, les champs en 3D mensuels pour la température potentielle, la salinité, la densité potentielle, l’alcalinité totale, le carbone inorganique dissous, le nitrate, l’oxygène, le pH, la chlorophylle totale, l’état de saturation de l’aragonite, la production primaire totale, et les valeurs maximales et minimales mensuelles pour l’oxygène, le pH et la température potentielle. Les données comprennent 50 niveaux verticaux à une résolution spatiale de 1/36 degrés, et un masque est fourni pour indiquer les régions où ces données doivent être utilisées avec prudence ou pas du tout. Pour une description plus détaillée, veuillez vous référer à Holdsworth et al. 2021.Les données disponibles ici sont les résultats de l’exécution de NEP36-CanOE_RCP 4,5; une projection du climat pour la période allant de 2046 à 2065 pour le scénario d’atténuation modérée, RCP de 4,5. Méthodes:Cette étude utilise une méthode de réduction d’échelle à plusieurs étapes pour réduire de façon dynamique les projections climatiques globales à une résolution de 1/36° (1,5 − 2,25 km). Nous avons choisi d’utiliser le modèle du système terrestre canadien de deuxième génération (CanESM2), car les projections mises à l’échelle à haute résolution de l’atmosphère dans la région d’intérêt sont accessibles dans la 4e version du modèle régional canadien du climat (CanRCM4). Nous avons utilisé des anomalies de CanESM2 avec une résolution d’environ 1° aux limites ouvertes et le modèle régional atmosphérique, CanRCM4 (Scinocca et al. 2016), pour les conditions de limite de surface. CanRCM4 est un modèle atmosphérique seulement avec une résolution de 0,22°. Il a été utilisé pour la mise à l’échelle des projections climatiques obtenues à l’aide de CanESM2 pour l’Amérique du Nord et les océans qui la bordent.Le modèle utilisé est très coûteux sur le plan informatique en raison du nombre assez élevé de points dans le domaine (715 × 1 021 × 50) et du modèle biogéochimique relativement complexe (19 traceurs). Par conséquent, plutôt que de réaliser des simulations interannuelles pour les périodes historiques et futures, nous avons mis en œuvre une nouvelle méthode qui est fondée sur des données climatologiques de l’atmosphère avec des vents augmentés pour forcer l’océan. Nous démontrons que l’augmentation des vents avec des anomalies horaires offre une représentation plus réaliste de la répartition de l’eau douce que l’utilisation de données climatologiques seulement.La section 2.1 décrit le modèle océanique utilisé pour estimer le climat historique et prévoir l’état océanique selon des scénarios climatiques futurs. Les périodes sont quelque peu arbitraires; celle allant de 1986 à 2005 a été choisie parce que les simulations historiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) se terminent en 2005, puisqu’aucune estimation des émissions acceptée par la communauté n’était disponible après cette date (Taylor et al. 2009); celle allant de 2046 à 2065 a été choisie parce qu’elle se situait assez loin dans l’avenir pour que les changements dans les champs moyens sur 20 ans soient clairement dus à la modification du forçage des GES (contrairement à la variabilité interne du modèle) (p. ex. Christian 2014), mais dans un horizon suffisamment près pour être considérée comme pertinente aux fins de gestion.Bien qu’il soit vrai qu’une période de 30 ans au lieu de 20 ans représente la valeur canonique permettant le calcul de la moyenne de la variabilité naturelle, en pratique, la différence entre une moyenne de 20 ans et de 30 ans est faible (p. ex. si nous faisons la moyenne de périodes successives d’un passage de contrôle non forcé, l’écart entre les moyennes de 20 ans sera légèrement plus élevé que celles de 30 ans). De plus, on craint que les périodes de calcul plus longues ne conviennent pas dans un climat déréglé (Livezey et al. 2007; Arguez et Vose 2011). Nous avons choisi des périodes de 20 ans parce qu’elles permettent le calcul d’un cycle annuel moyen avec peu d’influence de la variabilité naturelle, tout en réduisant au minimum l’aliénation des variations séculaires dans les moyennes. Puisque les points milieux des deux périodes sont séparés de 60 ans, la contribution de la variabilité naturelle dans les différences entre les simulations historiques et futures est négligeable (Hawkins et Sutton 2009; Frölicher et al. 2016).La section 2.2 décrit comment les données climatologiques découlant des observations ont été utilisées aux fins de l’initialisation et comment les conditions de limites ouvertes ont été utilisées dans le cadre des simulations historiques et de la collecte de données pseudo-climatologiques aux fins des scénarios futurs. La disponibilité limitée des observations signifie que les années utilisées pour ces données climatologiques diffèrent quelque peu des périodes historiques et futures. La section 2.3 décrit en détail les champs de forçage atmosphérique et la méthode que nous avons élaborée pour générer des vents présentant une variabilité de haute fréquence réaliste tout en continuant d’utiliser les moyennes climatologiques quotidiennes des données de CanRCM4. La section 2.4 montre l’équilibrage des principales variables modélisées par rapport aux conditions de forçage.Sources de données :Résultats produits par le modèleIncertitudes :Ces projections climatiques sont ramenées à une plus petite échelle à partir d’un modèle climatique mondial unique (CanESM2/CanESM4), car le coût des ensembles est actuellement prohibitif. Notre conception expérimentale emploie des données de forçage climatologique pour chaque période de sorte que les différences entre elles sont presque entièrement dues au forçage anthropique et la variabilité naturelle a peu d’incidence.