METHODOLOGIES

Liens rapides vers les sections méthodologiques:

Les principales sources de données utilisées proviennent des réanalyses ERA5 (Hersbach et al., 2020), disponibles à une résolution d’environ 31 km et couvrent la période de 1950 à aujourd’hui. Elles sont fournies via le data store du projet Européen Copernicus (C3S, 2017). La plupart des données utilisées sont disponibles aux heures.

Les données de réanalyse globale sont produites en combinant des observations et des modèles météorologiques à l’aide de techniques d’assimilation de données, afin de permettre une description la plus réaliste possible des phénomènes météorologiques et du climat des dernières décennies. Ces réanalyses globales servent donc à reproduire les conditions météorologiques dans le passé et sont souvent utilisées comme référence, en particulier pour comparer ou valider les simulations des MCGs dans les conditions historiques récentes (cf. définition et information fournies par le centre ECMWF : Site du centre ECMWF).

Les prévisions proviennent des simulations réalisées à partir du nouveau modèle MRCC6 (Modèle régional du climat canadien version 6), développé au centre ESCER (UQAM), qui est basé sur le modèle HRDPS (High Resolution Deterministic Prediction System) et la physique de GEM5 (McTaggart et al., 2019).

L’Indice Forêt Météo (IFM, Forest Fire Weather Index en Anglais - FWI), développé par le Service canadien des forêts (Wang et al., 2015), est utilisé et calculé à partir des données ERA5. Initialement, cet indice se calcule sur une saison en fonction des observations météorologiques disponibles à midi heure locale, soit à partir des variables de température, d'humidité relative, de vitesse du vent et des précipitations sur 24 heures, ainsi que des conditions d'humidité du combustible de la veille tel que défini dans Van Wagner et Pickett (1985). Cette méthode a été modifiée par une approche plus physique en prenant en compte, à la place de l'heure fixée à midi heure locale, l'heure ou le soleil est au zénith (équation du midi solaire, voir explication plus bas).

Le calcul de des IFM se fait suivant une librairie python composée de six fonctions dérivées du Code R utilisé pour le calcul du Canadian Forest Fire Danger Rating System (cffdrs R). Cette librairie peut être utilisée pour une station météorologique, et a été adaptée afin de travailler sur des données de modèles ou sur grille au format Netcdf.

Tous les codes développés en langage python ont été adaptés pour travailler sur des données quotidiennes de stations (format ascii ou texte) et des variables météorologiques au format Netcdf, incluant les simulations du MRCC6.

La fonction principale de cette librairie utilise en entrée une série chronologique de données contenant des variables d'observations météorologiques quotidiennes prises à 17h00 UTC ou à l’échelle quotidienne:

Ces valeurs initiales standard pour ICL, IH et IS sont définies comme suit:

Les valeurs initiales par défaut (c'est-à-dire "démarrage" : ICL = 85, IH = 6, IS = 15) fournissent un ensemble raisonnable de conditions pour la plupart des conditions printanières au Canada, dans le nord des États-Unis et en Alaska. Dans un premier temps pour le Québec, on démarre le calcul de l’IFM trois (3) jours après la disparition complète de la neige (SWE=0) au niveau local, ce paramètre correspondant au démarrage de la saison des feux est nommé Onset. Un autre indice cumulatif est utilisé, l'Indice de Gravité (IG ou Severity Rating index, SR) qui se calcule en fonction de l’Indice Forêt Météo (IFM). Cet indice est cumulable, en utilisant la formule suivante :

Amélioration du calcul de l'Onset et de la fin de saison des feux :

Une première version du calcul de l’Onset a été effectuée en prenant uniquement compte la présence du couvert neigeux. L’Onset correspondait au troisième jour après le 1er jour sans neige au sol. Cette première configuration, bien adaptée à la province du Québec où le couvert neigeux est bien présent chaque année, n’était pas adaptée aux provinces de l’ouest du Canada, où le couvert neigeux n’est pas garanti en hiver. Après discussions avec RNCAN, il a été décidé d’ajouter divers seuils physiques afin de mieux estimer l’Onset selon chaque province.

Désormais l’Onset est déterminé:

En calculant la climatologie de l’Onset (cf. figure ci-dessous) pour la période 1950-2020, on remarque que la fonte du couvert neigeux est effective dès mi-février dans le sud de l’Alberta et début mars pour le sud de l’Ontario. Il s’en suit une fonte graduelle de la neige suivant un gradient partant du sud vers le nord pour le reste du Canada.

Autre paramètre calculé, la fin de la saison de feux, est considérée comme terminée après 3 jours consécutifs où la température maximale est inférieure ou égale à 5°C. Ces nouveaux critères permettront d’obtenir précisément chaque année la durée de la saison de feux de forêt peu importe l’endroit au Canada (Wotton and Flannigan, 1993; McElhinny et al, 2020).

Ajustement hivernale de l'indice de sécheresse IS :

Parmi les trois codes d'humidité du combustible (c.-à-d. ICL, IH et IS) qui composent le système IFM, seul l’IS (DC en anglais) nécessite de récupérer ou de tenir compte des valeurs de la saison précédente. En effet, au Canada, on suppose que l’ICL et l’IH atteignent la saturation en humidité des précipitations hivernales au moment de la fonte printanière. Malgré cela, il s'agit d'une hypothèse raisonnable car toutes erreurs dans ces conditions de départ présumées disparaissent rapidement. Cependant, si les chutes de neige (ou d'autres précipitations hivernales) ne sont pas assez importantes, la couche de combustible suivie par le code de sécheresse IS peut ne pas atteindre complètement la saturation, lors de la fonte des neiges au printemps si celle-ci est peu importante. En raison du long temps de réponse de cette couche de combustible (53 jours dans des conditions normales), une erreur importante dans cette condition de départ au printemps peut affecter l’IS pour le début de la saison de feux. Un ajustement, appelé ajustement hivernale de l’IS (ou Overwintering DC en anglais) est alors appliqué pour les zones les plus sèches du Canada. Les équations pour l’ajustement sont :

Humidité à la fin de l’automne de l’IS :

Humidité au début du printemps de l’IS:

IS obtenu pour le début de la saison des feux:

Dans les régions où les précipitations hivernales sont de 200 mm ou plus, comme au Québec, la recharge en humidité est totale et l’ajustement de l’IS est inutile. En conséquence, pour chaque année de l’étude, la précipitation totale hivernale (rw) a été calculée afin de délimiter les zones ou l’ajustement IS hivernal sera effectué. La figure ci-dessous montre la climatologie de cette valeur de rw, soit les valeurs de précipitation totale hivernale (entre le 1er septembre et l’Onset) à travers le Canada. L’ajustement hivernal est appliqué uniquement à l’intérieur des isolignes de contour en vert (i.e. là où la précipitation totale < 200 mm, calculées annuellement).

Amélioration de la méthode de calcul des IFM avec le midi solaire :

La méthode de calcul initiale se base sur l’utilisation des paramètres météorologiques au midi local pour chaque fuseau horaire présent au Canada et provoque, notamment pour les simulations à haute résolution, divers biais et artefacts, notamment:

Pour résoudre les biais et artefact présents avec la méthode du midi local, une nouvelle méthode axée sur une approche plus « physique », i.e entièrement basée sur la propriété d’élévation du soleil, a été développée. Cette dernière, appelée méthode du midi solaire, consiste à calculer les indices de feux météo à chaque maille en prenant l'heure où le soleil atteint le zénith (i.e, position la plus élevée du jour dans le ciel). Afin d’obtenir le midi solaire, il faut appliquer à l’heure légale de 12h une correction de longitude (1° de longitude correspond à un décalage horaire de 4mn). Puis, une correction dite « d’équation du temps » est appliquée, cette dernière correspond au fait que la Terre ne se déplace pas toujours à la même vitesse sur son orbite, la Soleil peut donc apparaître au zénith avec un décalage pouvant aller jusqu’à +-16mn par rapport à l’heure légale. L’évolution de ce décalage est montrée pour Montréal sur la figure 2. L’équation finale est :

Equation du midi solaire:

Les sorties des modèles et des réanalyses étant sur une base horaire, le midi solaire est calculé pour chaque point de grille et une proportion de proximité temporelle est appliquée entre les deux champs temporels les plus proches. Par exemple, si pour un point de grille le midi solaire du jour est calculé à 18h20 UTC, la valeur du champ sera composée de 33% du champ de 19h UTC et 66% du champ de 18h UTC. Il en ressort un calcul graduel des différents indices, sans présence de biais ou d’artefact sur l’ensemble du Canada.

Afin de vérifier en continue la fiabilité du modèle de calcul des indices de feux-météo, une comparaison journalière automatisée a été développée avec les données de stations météorologiques du réseau du CWFIS (https://cwfis.cfs.nrcan.gc.ca ) pour l’ensemble du Canada. Ainsi, en moyenne, les valeurs d’IFM de près de 600 stations météorologiques sont comparées avec le calcul des IFM via la méthode du midi solaire effectué au centre ESCER (voir les dernières comparaison ici : IFM ).

L’échelle spatiale pour l’analyse des variables et indices est réalisée à deux niveaux :

1. Les analyses à haute résolution spatiale, réalisées à la résolution d’origine de la grille de la réanalyse ERA5 (~31 km) et où les valeurs sont représentées pour chaque point de grille couvrant l’ensemble des terres émergées du Canada.;
2. Les analyses qui résument les variables et indices sous forme de statistiques spatiales (médiane spatiale, par exemple) à l’échelle des territoires prédéterminés suivants:
1. L’ensemble du Canada
2. Les provinces canadiennes
3. Les écozones terrestres du Canada
4. Les zones de protection de la SOPFEU (pour le Québec seulement)

Les écozones terrestres du Canada sont définies par le Cadre écologique national pour le Canada (cf. Groupe de travail sur la stratification écologique, 1996) et représentent le niveau supérieur, parmi quatre niveaux, de la classification des écosystèmes. Au total, quinze écozones terrestres subdivisent le Canada, représentant de manière très généralisée les grandes unités écologiques du pays. Ces unités sont caractérisées par des facteurs biotiques et abiotiques en interaction et en adaptation constantes (Wiken, S.D.; pour plus de détails, voir Wiken 1986). Les écozones ont été redéfinies, dans certains cas, selon les limites des écoprovinces (deuxième niveau de classification des écosystèmes) afin d’obtenir des secteurs plus homogènes du point de vue de leur étendue longitudinale.

Les zones de protection de la SOPFEU constituent une subdivision de l’ensemble du territoire forestier québécois pour organiser la protection des forêts contre les incendies et incluent deux zones principales pour lesquelles les critères d’intervention varient : la zone intensive et la zone nordique. La délimitation entre les deux zones se situe entre les 50e et 52e parallèles (SOPFEU, 2020).

Les tendances des valeurs mensuelles, saisonnières et annuelles des variables et indices de chaque point de la grille à environ 31 km ont été calculées pour les trois périodes suivantes : de 1950 à 2020, de 1971 à 2020, et de 1991 à 2020, sachant que l’accroissement des températures s’est accélérée au cours des trois dernières décennies à l’échelle globale (WMO, 2018). Il est donc d’intérêt d’analyser si des changements plus récents (3 dernières décennies) sont en cours par rapport aux tendances couvrant les cinquante dernières années, ou l’ensemble des soixante-dix dernières années. Les tendances sont calculées par décennie (estimateur de pente de Sen (SS) par année multiplié par 10) avec un seuil de signification statistique de 90 % (p-value ≤ 0,1).

Les tendances sont calculées avec la librairie python pymannkendall (version 1.4.1) à partir d’un test non-paramétrique de Mann-Kendall modifié (Mann, 1945; Kendall, 1948; Yue et Wang, 2002) qui permet de tenir compte des autocorrélations dans les séries (Douglas et al., 2000; Khaliq et al., 2008 et 2009). La méthodologie emploie une approche itérative en trois étapes où les autocorrélations au sein des séries temporelles sont d’abord « pré-blanchies » (von Storch 1995; Kulkarni and von Storch, 1995).

Les anomalies interannuelles absolues, relatives et standardisées des différentes variables et indices mensuels, saisonniers et annuels, sont calculées comme suit:

Anomalie absolue:

Anomalie relative:

Anomalie standardisée:

Où \(\text{Xi}\) est la valeur pour l'année d'intérêt, \(\text{Xi_clim}\) est la moyenne climatologique sur la période de référence de 1991 à 2020 et \(\text{Xi_std}\) est l'écart-type sur la période de référence de 1991 à 2020.

Toutes les anomalies sont calculées par rapport à la climatologie la plus récente (période de 1991 à 2020). L'anomalie absolue (Équation 1) est donnée dans les mêmes unités que la variable ou l'indice étudié, l'anomalie relative (Équation 2) est donnée en pourcentage, puis l'anomalie standardisée (Équation 3) est donnée en écarts-type. L'anomalie standardisée (Équation 2) permet davantage de rendre compte du caractère extrême ou atypique de l’observation (International Research Institute for Climate and Society (IRI), 2020) et permet de comparer des anomalies entre variables ou indices, sans égard à la variabilité propre de la variable.

Les anomalies de la plupart des indices et variables météorologiques mensuels sont calculées et représentées sous forme de cartes à 1 km de résolution sur l’ensemble du BVRO en utilisant les données Daymet, pour les mois de mars, avril et mai 2017 et sont également calculées pour les indices saisonniers. Les valeurs des indices moyennés sur l’ensemble du BVRO, incluant les anomalies standardisées des indices hydrologiques à la centrale de Carillon, sont également représentées sous forme d’histogramme, ce pour les mois de mars, avril et mai de toutes les années d’intérêt, en incluant les indices saisonniers.

Un blocage atmosphérique est une situation météorologique souvent associée à une zone persistante de haute pression, où le flux zonal ouest-est est temporairement supprimé et remplacé par un flux méridional. Certains blocages atmosphériques, plus continentaux en été qu’en hiver, prennent place et peuvent être associés à l’occurrence de vagues de chaleur, comme ce fut le cas en juin 2021 dans l’ouest Canadien.

Afin de mieux comprendre l’influence des blocages atmosphériques sur les indices de feux-météo et de manière plus générale, sur les variables météorologiques au sol, un système de suivi de ces blocages a été développé afin d’identifier et d’estimer les propriétés (durée, intensité, étendue) des blocages passés et actuels. Ce suivi jour par jour des blocages a été réalisé avec la réanalyse ERA5 pour la période 1950 à aujourd’hui, en utilisant la hauteur du géopotentiel à 500 hPa.

La détection des blocages atmosphériques suit les conditions préalables de Tibaldi et Molteni, 1990, avec les modifications d’automatisation de Wiedenmann, 2002. En plus d’identifier la présence d’un centre de blocage atmosphérique, l’étendue, la forme et l’intensité de ce blocage ont été évaluées à partir de son centre, en appliquant un seuil d'amplitude variant selon les saisons et basé sur une moyenne climatologique quotidienne dont la variabilité a été filtrée selon la méthode de Miller et al, 2020.

L'ensemble du code écrit en python, est entièrement automatisé tous les jours à 2h du matin (heure de Montréal). Il récupère automatiquement les dernières données d'ERA5 (décalage d'environ 6 jours avec le jour actuel)

1. Copernicus Climate Change Service (C3S), ERA5: Fifth generation of ECMWF atmospheric reanalyses of the global climate. Copernicus Climate Change Service Climate Data Store (CDS), (2017), Site du centre ECMWF

2. de Groot W.J., Wotton B.M. and Flannigan M.D., Wildland re danger rating and early warning systems,chapter 11, pp. 207-228. Elsevier, Amsterdam, NL. (2015)

3. Douglas, E., Vogel, R., Kroll, C., Trends in foods and low fows in the United States: impact of spatial correlation, J Hydrol, 240(1–2):90–105, (2000)

4. Hersbach, H. et al, The ERA5 global reanalysis, Q. J. R. Meteorol. Soc. https://doi.org/10.1002/qj.3803., (2020)

5. International Research Institute for Climate and Society (IRI), Climatologies and Standardized Anomalies, Site de l'IRI (2020)

6. Kendallm M.G., Rank correlation methods, Grifn, Oxford, (1948)

7. Khaliq M.N., Ouarda T.B.M.J., Gachon P. and Sushama L., Temporal evolution of low-fow regimes in Canadian rivers, Water Resour Res, 44(8):W08436. https://doi.org/10.1029/2007WR006132, (2008)

8. Khaliq, M.N. et al, Identification of hydrological trends in the presence of serial and cross correlations: A review of selected methods and their application to annual flow regimes of Canadian rivers, Journal of Hydrology, 368:117-130, (2009)

9. Kulkarni A, von Storch H, Monte Carlo experiments on the efect of serial correlation on the Mann Kendall test of trend, Meteorol Z, 4(2):82–85, (1995)

10. Mann H.B., Nonparametric tests against trend, Econom J Econom Soc, 13(3):245–259, (1945)

11. McElhinny, M, Justin F. Beckers, Chelene Hanes, Mike Flannigan, and Piyush Jain, A high-resolution reanalysis of global fire weather from 1979 to 2018 – overwintering the Drought Code, Earth Syst. Sci. Data, 12, 1823–1833, (2020)

12. McTaggart-Cowan, R., Vaillancourt, P. A., Zadra, A., Chamberland, S., Charron, M., Corvec, S., Milbrandt, J. A., Paquin-Ricard, D., Patoine, A., Roch, M., Separovic, L., & Yang, J., Modernization of Atmospheric Physics Parameterization in Canadian NWP, Journal of Advances in Modeling Earth Systems, 11(11), 3593–3635. https://doi.org/10.1029/2019MS001781, (2019)

13. Miller, R.L., Lackmann, G.M. and Robinson, W.A., A New Variable-Threshold Persistent Anomaly Index: Northern HemisphereAnomalies in the ERA-Interim Reanalysis, American Meteorological Society, 43-62. https://doi.org/10.1175/MWR-D-19-0144.1, (2020)

14. Tibaldi, S. and Molteni, F., On the operational predictability of blocking, Geophysical Research Letters, 42(3):343-365. https://doi.org/10.1034/j.1600-0870.1990.t01-2-00003.x, (1990)

15. Van Wagner, C.E., Pickett, T.L., Equations and FORTRAN program for the Canadian Forest Fire Weather Index System,Canadian Forestry Service, Petawawa National Forestry Institute, Chalk River, Ontario. Forestry Technical Report 33. 18 p., (1985)

16. WMO, The State of the Global Climate 2020., Rapport du WMO 2020, (2021)

17. Von Storch, H., Misuses of statistical analysis in climate research.In: von Storch H, Navarra A (eds) Analysis of climate variability: applications of statistical techniques, Springer, Berlin, pp 11–26, (1995)

18. Wang, Y. et al, Updated source code for calculating fire danger indices in the Canadian Forest Fire Weather Index System, RNCAN, (2015)

19. Wiedenmann, J. M., Lupo, A. R., Mokhov, I. I., & Tikhonova, E. A., The Climatology of Blocking Anticyclones for the Northern and Southern Hemispheres: Block Intensity as a Diagnostic, Journal of Climate, 15(23), 3459-3473, (2002)

20. Wotton, M. and Flannigan, M., Length of the fire season in a changing climate, Forestry Chronicle, 69(2):187-192, (1993)

21. Yue, S. and Wang, C.Y., Applicability of prewhitening to eliminate the influence of serial correlation on the Mann-Kendall test, Water Resources Research, 38(6):1-7, (2002)