Les valeurs des écarts de température moyens par rapport à la normale sont calculées en soustrayant la température moyenne mensuelle normale de la température mensuelle moyenne du mois. La température mensuelle moyenne est calculée en obtenant la valeur moyenne des températures quotidiennes moyennes pour un mois. Si le mois est plus froid que la normale, la valeur calculée est négative et si elle est plus chaude, la valeur est positive.

La température maximale représente la valeur de température la plus élevée enregistrée (°C) à chaque endroit pour une période donnée. Les périodes comprennent les 24 heures précédentes et les 7 jours précédents à partir de la date disponible, pour laquelle un jour climatique commence à 0600 UTC.

Les données de maximum et minimum annuels des moyennes quotiennes sont le maximum et le minimum des valeurs de moyennes quotidiennes pour une année donnée.

Ce service indique le ratio des personnes âgées de 0 à 14 ans et de 65 ans et plus (enfants et aînés) par rapport aux personnes âgées de 15 à 64 ans (en âge de travailler) par division de recensement. Les données consistent en une extraction personnalisée à partir du Recensement de 2016 – Données-échantillon (100 %).Ces données se rapportent à la population totale selon l’âge. « Âge » fait référence à l’âge au dernier anniversaire de naissance avant la date de référence, soit avant le 10 mai 2016. Pour obtenir de plus amples renseignements, veuillez vous reporter à « Âge » dans le Dictionnaire du Recensement de la population de 2016.Pour obtenir de plus amples renseignements, veuillez vous reporter à « Âge » dans le Dictionnaire du Recensement de la population de 2016.Pour avoir une représentation cartographique de l'écoumène avec cet indicateur socio-économique, il est recommandé d’ajouter comme première couche, le service web « RNCan - Écoumène de la population 2016 par division de recensement », accessible dans la section des ressources de données plus bas.

Des ensembles multimodèles à échelle statistiquement réduite des changements projetés des températures moyennes (°C) ont été générés à une résolution spatiale de 10 km pour la période 1951-2100, à partir des résultats de 24 modèles climatiques mondiaux (MCM) de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). L’échelle des températures moyennes quotidiennes issues des MCM a été statistiquement réduite par la méthode des analogues avec correction de biais et cartographie des quantiles, version 2 (BCCAQv2). Un ensemble de données historiques interpolées sur les températures moyennes pour le Canada (ANUSPLIN) a servi de cible pour la réduction d’échelle. Les changements des températures moyennes sont projetés par rapport à la période de référence 1986-2005. Des moyennes annuelles et saisonnières des changements projetés des températures moyennes par rapport à 1986-2005 sont incluses. Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles à échelle statistiquement réduite de changements projetés des températures moyennes sont accessibles pour la période historique 1901-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Des moyennes sur 20 ans des changements projetés des températures moyennes (°C) ont aussi été calculées pour quatre périodes (2021-2040, 2041-2060, 2061-2080 et 2081-2100), par rapport à la période de référence 1986-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5. Elles sont accessibles en une variété de formats. La médiane des changements projetés sur l’ensemble des modèles climatiques du CMIP5 est incluse. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Des ensembles multimodèles à échelle statistiquement réduite des températures moyennes ont été générés à une résolution spatiale de 10 km pour la période 1951-2100, à partir des résultats de 24 modèles climatiques mondiaux (MCM) de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). L’échelle des températures moyennes quotidiennes issues des MCM a été statistiquement réduite par la méthode des analogues avec correction de biais et cartographie des quantiles, version 2 (BCCAQv2). Un ensemble de données historiques interpolées sur les températures moyennes pour le Canada (ANUSPLIN) a servi de cible pour la réduction d’échelle. Les 5e, 25e, 50e, 75e et 95e percentiles des ensembles à échelle statistiquement réduite des températures moyennes (°C) mensuels, saisonniers et annuels sont accessibles pour la période historique 1951-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a été démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permetttrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

La couche de température maximale montre la température maximale [° C] modélisée à une hauteur de 100 m au-dessus du sol, à chaque point de la grille, sur la période de trois ans du 1er janvier 2008 au 31 décembre 2010. Les valeurs sont présentées par tranches de 1,5 ° C chacune. De plus amples détails, y compris les données pour les années individuelles, peuvent être obtenus en cliquant sur le point représentant l'emplacement du point de la grille.

La sécheresse est un déficit de précipitation sur une période prolongée, habituellement une saison ou davantage, qui entraîne une pénurie d’eau ayant des effets néfastes sur la flore, la faune et la population. L'indice d’humidité climatique (IHC) exprime la différence entre les précipitations annuelles et l’évapotranspiration potentielle, c’est-à-dire la perte potentielle d’eau par évaporation d’un milieu couvert de végétation. Un IHC positif révèle des conditions humides et des précipitations suffisantes au maintien d’une forêt à couvert fermé. À l’opposé, un IHC négatif reflète des conditions climatiques sèches, qui peuvent au mieux soutenir des zones discontinues de type forêt-parc. L’IHC est bien adaptée pour évaluer les conditions d'humidité dans les régions sèches comme les provinces des Prairies et a été utilisé pour d'autres études écologiques.L’évapotranspiration potentielle moyenne annuelle (PET) a été estimée pour des périodes de 30 ans au moyen de l’équation Penman-Monteith modifiée de Hogg (1997), selon des données de température mensuelles réparties sur une grille de 10 km. Les données qui figurent sur les cartes sont des moyennes sur 30 ans. Les valeurs historiques de l’IHC (1981 à 2010) ont été créées en établissant la moyenne de l’IHC annuel calculé au moyen des données mensuelles interpolées de température et de précipitations produites à partir des rapports des stations climatiques. Pour les années à venir, la projection des valeurs de l’IHC a été basée sur des valeurs mensuelles de température et de précipitations dont l’échelle a été réduite et qui ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), pour de multiples scénarios RCP de forçage radiatif.Couche de données fournie: Indice d’humidité climatique (IHC) - Projection des valeurs à venir au moyen du scénario RCP 8.5 faite pour la période de 2011 à 2040.Référence : Hogg, E.H. 1997. Temporal scaling of moisture and the forest-grassland boundary in western Canada. Agricultural and Forest Meteorology 84,115–122.

Les anomalies de température mensuelles, saisonnières et annuelles ont été interpolées à partir des données homogénéisées (c.-à-d. les ensembles de données DCCAH) de températures de l’air de surface quotidiennes minimales, maximales et moyennes (en degrés Celsius), à une résolution de 50 km sur l’ensemble du Canada. Les données homogénéisées de température comportent des ajustements aux données initialement enregistrées aux stations afin de compenser les discontinuités causées par des facteurs non climatiques, par exemple le remplacement d’un instrument ou la relocalisation d’une station. Les anomalies correspondent à la différence entre la température d’une année ou saison donnée et une valeur de référence (définie comme la moyenne de la période de référence, soit de 1961 à 1990). Les anomalies de température annuelles et saisonnières ont été calculées pour la période qui s’étend de 1948 à 2017. Les données seront mises à jour chaque année.

Des ensembles multimodèles de changements de température moyenne (°C) projetés (aussi appelés anomalies) ont été générés pour la période 1901-2100 à partir d’un ensemble de 29 modèles climatiques mondiaux de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Les changements de température moyenne projetés sont établis par rapport à la période de référence 1986-2005. Les 5e, 25e, 50e, 75e et 95e percentiles des ensembles de changements de température moyenne projetés sont accessibles pour la période historique 1901-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Des moyennes sur 20 ans des changements de température moyenne (°C) ont aussi été calculées pour quatre périodes (2021-2040, 2041-2060, 2061-2080 et 2081-2100), à partir des scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5, par rapport à la période de référence 1986-2005. Elles sont accessibles en une variété de formats. La médiane des changements projetés sur l’ensemble des modèles climatiques du CMIP5 est incluse. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a été démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.