Ce produit montre l'indice de variabilité pour certaines régions de drainage au Canada. La variabilité est mesurée au moyen d’un coefficient de variation (c.v.) qui permet de comparer tous les mois sur une période de 42 ans, et qui permet de mesurer la dispersion ou la variation des valeurs mensuelles d’apport en eau au cours de la période de 1971 à 2013 (et de 1971 à 2012 pour la région de drainage 1). Il s’agit du ratio de l’écart-type à la moyenne ou de l’écart-type divisé par la moyenne, un c.v. élevé signifiant que les données mensuelles affichent une plus grande variabilité. La variabilité mensuelle n’a pas été calculée pour les régions de drainage 5, 7, 8, 16, 17 et 18 et pour la partie de la région de drainage 25 située au Labrador.

Les estimations de la remontée d’eau plus froide sous l’effet du vent sur le plateau néo-écossais le long des côtes de la Nouvelle-Écosse de 1993 à 2022 (inclusivement) sont présentées, calculées à l’aide des températures de l’eau en surface et à 55 m de profondeur du produit Global Ocean Physics Reanalysis (GLORYS12v1) et des vents de surface ERA5. GLORYS12v1 est un produit de modélisation de réanalyse d’assimilation des données, dont la résolution est de résolution de 1/12o, de Mercator Ocean International, mis en œuvre par Copernicus Marine Environment Monitoring Service (CMEMS); (https://doi.org/10.48670/moi-00021). ERA5 est une prévision météorologique produite par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT; https://doi.org/10.24381/cds.adbb2d47). Des estimations quotidiennes sont fournies pour la zone de remontée d’eau et l’intensité (anomalie de température entre les eaux remontées et non remontées), calculées pour la zone d’intérêt (ZI) du plateau néo-écossais. Des estimations annuelles de la durée totale de remontée et de la superficie cumulative pour l’année en question sont fournies, lesquelles sont ensuite réparties en saisons : printemps (de mars à mai), été (de juin à août) et automne (de septembre à novembre). Enfin, des estimations des dates annuelles de début et de fin de la saison de remontée d’eau froide (généralement de mars à novembre) sont estimées. Les données de température de la surface de la mer de GLORYS ont été validées par rapport aux observations in situ effectuées depuis des bouées (https://www.meds-sdmm.dfo-mpo.gc.ca/alphapro/wave/waveshare/metaData/meta_c44258.csv) et à la température de la surface de la mer dérivée par satellite produite par le Centre météorologique canadien. (https://doi.org/10.5067/GHCMC-4FM02 et https://doi.org/10.5067/GHCMC-4FM03. On peut utiliser ces produits pour acquérir des connaissances sur la variabilité interannuelle de la remontée d’eau côtière dans le plateau néo-écossais au cours des 30 dernières années.Citer ces données comme: Tao, J., Casey, M., Lu, Y., and Shen, H. Indices de remontée d’eau tirés du modèle GLORYS12 et du vent de surface ERA5 sur le plateau néo-écossais de 1993 à 2022.Publié en Décembre 2024. Secteur des sciences des écosystèmes et des océans, Région du Maritimes, Pêches et Océans Canada, Darmouth, (N-É) https://open.canada.ca/data/fr/dataset/a2da6bfd-92e3-434e-b9bd-456b7fc9e92b

Écart-type de la hauteur 2015Écart-type de la hauteur des premiers retours lidar (m). Représente la variabilité de la hauteur du couvert. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et al. 2014; Hermosilla et al. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, Matasci et al. (2018). Matasci, G., Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., Bolton, D.K., Tompalski, P., Bater, C.W., 2018b. Three decades of forest structural dynamics over Canada's forested ecosystems using Landsat time-series and lidar plots. Remote Sensing of Environment 216, 697-714. Matasci et al. 2018)

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.

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.

Le bassin d’Émeraude du plateau néo-écossais, au large de la Nouvelle-Écosse (Canada), abrite un agrégat unique au monde d’éponges siliceuses Vazella pourtalesi, répertorié pour la première fois dans la région en 1889. En 2009, Pêches et Océans Canada (MPO) a mis en place deux zones de conservation des éponges afin de protéger ces lits d’éponges contre les activités de pêche de fond. Ensemble, les deux zones de conservation s’étendent sur 259 km2. Afin de déterminer avec certitude dans quelle mesure les lits d’éponges demeurent non protégés, nous avons modélisé la probabilité de présence et l’aire de répartition prévue de V. pourtalesi sur le plateau néo-écossais en utilisant une modélisation par forêts aléatoires sur les enregistrements de présence et d’absence. Avec un degré élevé de précision, la modélisation par forêts aléatoires a prédit la plus forte probabilité d’occurrence de V. pourtalesi dans les bassins intérieurs du centre du plateau néo-écossais, avec des probabilités plus faibles au niveau de l’accore du plateau et dans le chenal de Fundy et le chenal Nord-Est. La température au fond était le déterminant le plus important de sa répartition dans le modèle. Bien que les deux zones de conservation des éponges du MPO protègent certaines des plus importantes concentrations de V. pourtalesi, une grande partie de sa répartition prévue reste non protégée (plus de 99 %). L’examen des conditions hydrographiques dans le bassin d’Émeraude a révélé que les lits d’éponges V. pourtalesi sont associés à une masse d’eau plus chaude et plus saline par rapport au plateau environnant. La reconstitution de la température et de la salinité historiques du fond dans le bassin d’Émeraude a révélé une forte variabilité multidécennale, avec des températures moyennes au fond variant de 8 °C. Nous montrons que cette espèce a persisté face à cette variabilité du climat, ce qui est peut-être indicatif de la façon dont elle répondra aux changements climatiques futurs.Citer ces données comme: Beazley, Lindsay ; Wang, Zeliang ; Kenchington, Ellen ; Yashayaev, Igor ; Rapp Tore, Hans ; Xavier, Joana R. ; Murillo, Francisco Javier ; Fenton, Derek ; Fuller, Susanna(2023). Répartition prévue de l’éponge siliceuse Vazella pourtalesi sur le plateau néo écossais et sa persistance face à la variabilité du climat. Publié en Avril 2023. Secteur des sciences des écosystèmes et des océans, Pêches et Océans Canada, Dartmouth, (N-É). https://open.canada.ca/data/en/dataset/326bfc06-4b48-408f-9a74-1e118665e7b0

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.

Le Programme d’évaluation environnementale régionale de Beaufort – Projet sur les poissons marins (2012-2014) et le Programme d’évaluation des écosystèmes marins de la mer de Beaufort au Canada (ÉÉM-MBC, 2017-présent) menés par Pêches et Océans Canada permettent de réaliser des relevés en mer des poissons et des écosystèmes marins sur le plateau et le talus de la partie canadienne de la mer de Beaufort en août et au début septembre. Les projets sont axés sur l’intégration de l’océanographie, les liens entre les réseaux alimentaires, les couplages physiques et biologiques et les variabilités spatiales et interannuelles, dans le contexte des changements en cours induits par le climat, y compris l’acidification accrue des océans. L’échantillonnage a été effectué à partir du navire de pêche Frosti à des stations le long de transects s’étendant de 20 à 1 000 m. On a collecté le zooplancton à l’aide d’un système de filets de type Bongo ou de filets multiples en conjonction avec un échantillonnage océanographique et biogéochimique.

Description:Des données spatiales sur la répartition des saumons juvéniles du Pacifique sont nécessaires pour appuyer la planification spatiale marine dans la région du Pacifique au Canada. Nous fournissons ici des estimations spatiales de la répartition des poissons juvéniles dans le détroit de Georgia pour les cinq espèces de saumon du Pacifique. Ces estimations ont été générées à l'aide d'un modèle linéaire généralisé spatio-temporel et sont fondées sur des données normalisées de relevés indépendants de la pêche provenant du relevé au chalut mi-eau du saumon juvénile en milieu d'eau du détroit de Georgia effectué de 2010 à 2020. Nous présentons les captures prévues par unité d'effort (CPUE), les variations annuelles de la CPUE et l'incertitude de prévision pour l'été (juin-juillet) et l'automne (septembre-octobre) à une résolution de 0,5 km, couvrant la majeure partie du détroit. Ces résultats montrent que les 75 m de surface de l'ensemble du détroit de Georgia constituent un habitat pour les saumons juvéniles de juin au début d'octobre, mais que les distributions à l'intérieur du détroit diffèrent selon les espèces et selon les saisons. Bien qu'il y ait une variabilité interannuelle des abondances et des distributions, notre analyse identifie les zones qui ont constamment des abondances élevées d'une année à l'autre. Les résultats de cette étude illustrent l'utilisation de l'habitat par les juvéniles dans le détroit de Georgia pour les cinq espèces de saumon du Pacifique et peuvent appuyer les initiatives continues de planification spatiale marine dans la région du Pacifique au Canada.Méthodes:Données des relevés sur les saumons juvénilesCette analyse est fondée sur des enquêtes menées entre 2010 et 2020. Les ensembles qui ont duré entre 12 et 50 minutes et à des profondeurs inférieures ou égales à 60 m (profondeur de la corde) ont été inclus. L'ensemble de données d'enquête qui en résulte se compose de 1 588 ensembles. L'analyse a porté sur les cinq espèces de saumon du Pacifique. Pour le saumon rose, seuls les relevés annuels paires ont été inclus, car ils ont un cycle vital de deux ans et sont effectivement absents du détroit les années impaires.Modèle géostatistique de l'abondance du saumon et prévisionsNous avons estimé la répartition spatiale et l'abondance de chaque espèce de saumon du Pacifique à l'aide de modèles géostatistiques adaptés au sdMTMB (Anderson et al., 2022). Pour chaque espèce, nous avons modélisé le nombre d'individus capturés dans un ensemble, à un endroit et à un moment donné à l'aide d'un modèle d'observation binomial négatif avec un lien logarithmique. Des prévisions ont été faites pour chaque saison de relevé (été et automne) au cours de chaque année de 2010 à 2020 sur une grille de 500 m sur 500 m basée sur une zone tampon de 3 km autour de la coque concave externe des coordonnées du chalut. La coque concave a été calculée à l'aide de la fonction « sf_concave_hull » du package sf en utilisant un rapport de concavité de 0,3, à l'exclusion des trous. Les prévisions ont été faites en tant que prises par unité d'effort (CPUE, pendant 60 minutes) pour les remorquages effectués dans les eaux de surface (c.-à-d. corde de tête à 0 m). Des estimations continues sont fournies à une résolution de 0,5 km dans tout le détroit de Georgia. Ces estimations comprennent 1) la moyenne des prises par unité d'effort (CPUE), 2) le coefficient de variation (CV) d'une année à l'autre de la CPUE comme mesure de la variabilité temporelle, 3) des mesures biscales combinées de la moyenne par rapport au CV des CPUE pour distinguer les zones où l'abondance est constamment élevée par rapport aux zones où elle est élevée en moyenne, mais avec une variabilité élevée d'une année à l'autre, et 4) l'erreur type moyenne dans les CPUE E comme mesure de l'incertitude.Voir Thompson et Neville pour plus de détails sur la méthode.Incertitudes:Bien que les modèles présentaient une incertitude relativement faible et que les profils spatiaux estimés reflétaient la variation spatiale et temporelle de la CPUE dans les relevés, il est important de comprendre les limites de ces prévisions modélisées. Étant donné que les saumons juvéniles sont souvent regroupés, il y a une forte variabilité dans les données de relevé concernant la CPUE. Nos prévisions modélisées représentent la moyenne géométrique des CPUE et indiquent donc une moyenne escomptée, mais elles ne reproduisent pas la forte variabilité entre les traits présente dans les données de relevé. Sur le plan spatial, nos prévisions présentent une faible incertitude dans les zones qui se trouvent au centre de la trajectoire standard du relevé. Toutefois, l’incertitude est plus élevée en marge de la zone de relevé, où il y a moins traits pour étayer ces prévisions.Sources de données:Base de données des relevés des saumons juvéniles du Programme sur les interactions des saumons en milieu marin, Section des effets des écosystèmes régionaux sur les poissons et les pêches, Division des sciences des écosystèmes, Station biologique du Pacifique.Des données sont également disponibles dans les Rapports statistiques canadiens des sciences halieutiques et aquatiques publiés.

La climatologie hydrographique de 1991 à 2020 pour les transects principaux du Programme de monitorage de la zone Atlantique dans la région des Maritimes : détroit de Cabot, Louisbourg, Halifax, banc Browns et chenal Nord-Est, est calculée afin d’appuyer la production de rapports annuels sur la variabilité saisonnière. Des détails sur la couverture des données pour ces transects et les transects annexes occupés depuis le début du programme sont fournis. Les comparaisons avec la période climatologique précédente, de 1981 à 2010, sont résumées dans la mesure du possible.Citer ces données comme:Layton, C. Data of: Climatologie hydrographique de 1991 à 2020 pour les transects du Programme de monitorage de la zone Atlantique dans la région des Maritimes. Publié en Août 2025. Secteur des sciences des écosystèmes et des océans, Pêches et Océans Canada, Dartmouth, (N-É). https://open.canada.ca/data/en/dataset/5f9c5d65-3ce1-4bdd-8b43-34086620d1e3