Découvrir les couches bioclimatiques du Living Atlas ArcGIS

Lors de la conférence SIG2022, nous avons réalisé différentes démonstrations basées sur des données climatiques mondiales pour montrer différentes capacités d'analyse d'ArcGIS autour des enjeux du changement climatique. Vous avez été nombreux à me poser des questions sur ces données utilisées. Voici donc quelques infos sur ces jeux de données ArcGIS relatifs au changement climatique.

Pour réaliser nos démos, nous avons utilisé de nouveaux modèles bioclimatiques très précis désormais disponibles dans ArcGIS Living Atlas. Ces couches prêtes à l'emploi facilitent de nombreuses analyses climatiques sans avoir besoin de rechercher et de traiter de grandes quantités de données.

L'étude des changements climatiques peut sembler simple à tout professionnel SIG; cependant, une fois que vous êtes confronté à plusieurs scénarios d'émissions, à des dizaines de modèles climatiques différents, à des centaines de variables, à des téraoctets de données, la tâche devient rapidement ardue.

A travers les contenus du Living Atlas ArcGIS, Esri a entrepris de démystifier et de simplifier le processus d'analyse climatique avec une nouvelle série de données climatiques multidimensionnelles.

Avant d'entrer dans les détails des données disponibles dans Living Atlas, passons en revue quelques notions de base sur les données climatiques en général :

La plupart des analyses climatiques consistent à comparer les conditions de base aux conditions d'un scénario climatique futur à une date ultérieure. Par conséquent, toutes les données climatiques du Living Atlas sont accompagnées de conditions de référence ou « historiques » et de conditions pour les scénarios et décennies futurs. Les scénarios climatiques futurs incluent à la fois les décennies futures (2050, 2090) et les scénarios d'émissions futures qui représentent différentes trajectoires empruntées par les êtres humains pour réduire les émissions en termes de vitesse et d'échelle de réduction des émissions. Ces scénarios, basés sur une série de décisions socio-économiques, sont appelés "Shared Social Pathways" (SSP) et remplacent le terme « Representative Concentration Pathways" (RCP) utilisé dans les modèles climatiques plus anciens. Les émissions correspondant à ces SSP vont des plus optimistes (réduction rapide et intense des émissions) aux plus terrifiantes ("business as usual" ou pas d'effort significatif pour réduire les émissions). La SSP2-4.5 est généralement considérée comme la cible si les objectifs d'émissions de la COP26 de l'ONU fixés en 2021 sont atteints.

Quantité de réchauffement en degrés Celsius pour chacun des trois scénarios d'émissions inclus.  Le scénario idéal SSP2-4.5 conduirait à un réchauffement de 2 °C tandis que le scénario le plus catastrophique conduirait à un réchauffement global de 4 °C.

Pour ces différentes périodes et scénarios, les couches proposent plusieurs variables climatiques. Une variable peut être quelque chose comme "la température quotidienne moyenne", "le nombre de jours au-dessus de 35°C", "les précipitations du trimestre le plus sec" ou encore "les températures du mois le plus froid"... 

Il existe des dizaines d'organisations et d'initiatives différentes produisant des modèles climatiques légèrement différents. Aucun modèle n'est parfait, et certains sont meilleurs que d'autres pour prédire des événements tels que des températures extrêmes ou des modèles spatiaux de précipitations. Par conséquent, il est courant de créer des modèles d'ensemble qui font la moyenne de plusieurs modèles ensemble pour réduire les erreurs. Les méthodes de pondération et de calcul de la moyenne des ensembles différents.

Maintenant que nous avons établi quelques informations générales, passons aux deux principaux types de données disponibles dans Living Atlas…

Distribution des précipitations en 20250 avec un scénario SSP2-4.5 durant le trimestre le plus chaud (WorldClim)

Pour l'analyse du climat global, le Living Atlas a récemment mis à disposition 19 variables bioclimatiques de WorldClim en utilisant les données CMIP6 des Nations Unies. La publication des données CMIP6 correspond au dernier rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) publié fin 2021. CMIP6 présente des modèles climatiques de pointe plus avancés et précis que ceux publiés avec CMIP5 il y a près de dix ans. Les données sont disponibles pour le monde entier à une résolution de 2,5 minutes (environ 5 km), et des projections climatiques existent dans une série de périodes futures (2021-2040, 2041-2060, 2061-2080 et 2081-2100) et de scénarios d'émissions ( SSP2-4.5, SSP3-7.0 et SSP5-8.5). Une moyenne de référence historique de 1970 à 2000 est disponible dans Living Atlas à des fins de comparaison.

Alors que WorldClim fournit des données pour 24 modèles climatiques mondiaux différents, les données disponibles dans le Living Atlas sont basées sur un ensemble de 13 modèles différents (Mahoney et al. 2022). Chaque variable est moyennée avec un poids égal pour créer cet ensemble. Sur les 19 variables bioclimatiques, 11 sont liées à des températures moyennes (c.-à-d. "Température moyenne du trimestre le plus sec"), extrêmes ("Température maximale du mois le plus chaud") ou à d'autres variables de température ("Saisonnalité de la température"). Les variables restantes sont consacrées aux précipitations totales par année, mois et trimestre, et à la saisonnalité des précipitations. Le but des données bioclimatiques est de fournir une image complète et holistique du bioclimat à utiliser dans la modélisation et les prévisions bioclimatiques.

Pour afficher et comparer rapidement les différences de climat entre les décennies et les scénarios d'émissions, vous pouvez ouvrir les données WorldClim dans ArcGIS Online dans Map Viewer Classic. Dans votre couche d'intérêt, sélectionnez le "Filtre multidimensionnel" dans le menu déroulant. Le filtre vous permet de sélectionner le scénario d'émissions et une année ou une plage de dates. Sélectionnez un scénario d'émissions et une année, puis cliquez sur "Appliquer" pour afficher votre sous-ensemble filtré de la couche multidimensionnelle.

Processus de création de sous-ensembles de données climatiques multidimensionnelles dans ArcGIS Online.  Commencez par accéder au filtre multidimensionnel, puis sélectionnez le scénario d'émissions et la date.

L'utilisation des données multidimensionnelles dans ArcGIS Pro vous offre un peu plus de fonctionnalités pour l'analyse. Dans la plupart des cas, vous souhaiterez créer un sous-ensemble des rasters multidimensionnels afin de ne travailler qu'avec une seule dimension (une année, un scénario d'émissions, une variable). Le sous-ensemble est un processus simple, et c'est le moyen le plus sûr d'extraire une seule dimension sans faire accidentellement la moyenne de plusieurs années ou scénarios d'émissions ensemble. L'outil de sous-ensemble se trouve dans la barre d'outils multidimensionnelle sous la gestion des données.

Voir l'exemple ci-dessous pour subdiviser les données WorldClim en un scénario d'émissions (SSP2-4.5) et une année (2050). La sélection de l'option "par valeurs" comme définition dimensionnelle est le moyen idéal pour créer un sous-ensemble à une dimension sur le temps. Le raster résultant ne sera pas multidimensionnel et ne contiendra que les données du sous-ensemble sélectionné.

Avec votre sous-ensemble de données correspondant à votre scénario d'émissions et à votre année, vous êtes maintenant prêt à commencer une analyse plus approfondie.

Traitement pour créer des sous-ensembles de données multidimensionnelles dans ArcGIS Pro.  Sélectionnez l'onglet multidimensionnel, la gestion des données, puis le sous-ensemble.  Dans le sous-ensemble, sélectionnez le scénario d'émissions et la date.

Ces nouveaux ajouts à Living Atlas fournissent des modèles climatiques à haute résolution faisant autorité et vous pourrez les utiliser pour une variété de problèmes sociaux et écologiques, ou simplement pour mieux comprendre notre changement climatique. Avec un accès facile aux données climatiques les plus récentes, les utilisateurs sont en mesure de mener des analyses et des enquêtes scientifiques solides dans la facilité des environnements web et de bureau. N'hésitez pas à partager, via les commentaires de cet article, les usages que vous ferez de ces données.