Contrôle des variables 

L’écran Screen Variables aide l’utilisateur à choisir la réduction d’échelle appropriée des variables prédicteurs pour la calibration du modèle. Trois options sont disponibles pour cette tâche - analyse de corrélation saisonnière, analyse de corrélation partielle et diagrammes de dispersion - mais c’est en définitive à l’utilisateur qu’il appartient de décider si oui ou non les relations établies sont physiquement pertinentes en ce qui concerne le site et le prédictand en question. Si vous n’êtes pas déjà sur l’écran Screen Variables, vous pouvez y avoir accès en cliquant sur le bouton Analyse en haut du menu principal et sur Screen Variables dans le menu déroulant qui apparaît à l’écran. Cliquer sur le bouton Select Predictand File et le parcourir jusqu’à l’endroit exact du fichier du prédictand (p. ex. température maximale quotidienne observée au site en question).

De même, repérer et sélectionner les variables prédicteurs souhaitées en identifiant le répertoire dans le menu déroulant au milieu de l’écran. Une liste des variables prévisionnelles disponibles est donnée dans la fenêtre Predictor Variables. Cliquer sur l’un quelconque des noms de fichiers de cette liste pour sélectionner un fichier (qui sera surligné en bleu) et une définition de la variable sélectionnée apparaîtra dans la fenêtre Predictor Description. Également sur cet écran, vous devez Sélectionner la période d’analyse (c.-à-d. annuelle, saisonnière ou mensuelle), préciser si oui ou non le processus est conditionnel (comme il l’est pour les précipitations dont l’intensité dépend du nombre de journées pluvieuses) ou inconditionnel (comme pour les températures), et le niveau de signification statistique souhaité pour vérifier la signification des corrélations entre les variables prédicteurs et les prédictands.

Lorsque vous aurez effectué vos choix, cliquer sur le bouton Analyse pour déterminer le pourcentage de variance expliquée par les paires spécifiques de prédicteurs/pré ;dictand. L’écran Results illustre la corrélation la plus forte pour chaque mois en rouge, alors que les blancs indiquent des rapports non significatifs au seuil sélectionné. Également sur cet écran, en cliquant sur le bouton Correlation, vous pouvez analyser les corrélations entre les variables et les corrélations partielles qui aident à identifier la part relative propre à chaque variable prédicteur. Les corrélations entre les différentes variables prédicteurs; et le prédictand peuvent se solder par une valeur de corrélation réduite - les statistiques de corrélation partielle indiquent quelles variables prédicteurs sont le plus étroitement associées au prédictand une fois qu’on a éliminé l’influence des autres variables prédicteurs. Vous pouvez également utiliser le bouton Scatter sur cet écran pour évaluer visuellement le comportement entre les variables et déterminer si oui ou non il faut transformer les données ainsi que l’importance des valeurs singulières. Veuillez consulter le mode d’emploi pour une analyse plus approfondie de ces options. Une fois que vous aurez terminé le contrôle des variables, vous aurez répertorié les variables prédicteurs qui semblent le mieux expliquer la variance dans les données. Cliquer sur Next pour vous rendre à l’écran Calibrate Model, ou sélectionner Calibrate Model sur le menu déroulant lorsque vous cliquez sur l’option Analyse en haut de cet écran.

Calibrer le modèle 

Ce processus a pour effet de construire les modèles de réduction d’échelle en fonction des équations de régression linéaire multiple, compte tenu des prédictands quotidiens (p. ex. température maximale au site en question) et des variables prédicteurs atmosphériques à l’échelle régionale. Sur cet écran, vous devez sélectionner Predictand File, déterminer le chemin des répertoires jusqu’aux variables prédicteurs observées et surligner les variables prédicteurs qui ont été jugées importantes dans la section Screen Variables, déterminer la résolution temporelle du modèle de réduction d’échelle en cliquant sur Monthly, Seasonal ou Annual dans la case Model Type et préciser si oui ou non le processus de réduction d’échelle doit être conditionnel en vérifiant l’option appropriée dans la case Process. Enfin, vous devez sélectionner un sous-ensemble de données disponibles correspondant au modèle en modifiant soit les dates Fit Start ou Fit End dans la section Data avant de sélectionner un fichier de sortie sur lequel seront consignés les paramètres du modèle. Les données qui ne servent pas à calibrer le modèle peuvent servir à valider le modèle de manière indépendante. À nouveau, consulter le mode d’emploi pour d’autres précisions sur ces options. Lorsque vous aurez opéré vos choix, cliquer sur le bouton Calibrate en haut de l’écran et une fois le processus de calibration terminé, une case de dialogue apparaîtra à l’écran vous indiquant dans quelle mesure la variance dans le prédictand local s’explique par le forçage régional (la valeur du R2) et l’erreur standard du modèle. Cliquer sur OK pour revenir à l’écran Calibrate Model. D’après les résultats obtenus au processus de calibration, peut-être voudrez-vous passer directement à l’écran Weather Generator (cliquer sur Next), ou retourner à l’écran Screen Variables pour savoir si oui ou non vous avez sélectionné les variables prédicteurs qui conviennent le mieux ou s’il est nécessaire de transformer certaines des variables que vous avez sélectionnées.

Générateur de données météorologiques 

Une fois les modèles de régression calibrés, l’étape suivante du processus de réduction d’échelle de SDSM consiste à utiliser ces modèles pour générer des séries de données météorologiques quotidiennes synthétiques en utilisant les variables prédicteurs atmosphériques dans le processus Weather Generator. Cette opération permet à l’utilisateur de vérifier les modèles calibrés en les utilisant avec les données indépendantes exclues du processus de calibration, et de faire la synthèse des séries chronologiques artificielles représentatives des conditions climatiques actuelles. Si vous ne vous trouvez pas déjà sur l’écran Weather Generator, cliquer sur le bouton Analyse en haut de l’écran et sélectionner Weather Generator sur le menu déroulant. En premier lieu, vous devez sélectionner le fichier des paramètres appropriés - cliquer sur le bouton Select Parameter File et parcourir jusqu’à la fenêtre Open File jusqu’à ce que vous ayez repéré le répertoire et le fichier que vous recherchez. Cliquer sur le nom du fichier, par exemple TMAX.PAR. Puis préciser l’emplacement des fichiers de variables prédicteurs en sélectionnant le répertoire voulu dans la fenêtre Select Predictor Directory. Cliquer sur le bouton Save to .OUT File dans la fenêtre Select Output File et entrer un nom de fichier approprié pour les données synthétiques générées à cette étape dans la fenêtre Open File et enregistrer ce fichier dans le répertoire approprié. Cliquer sur le bouton View Details et les fichiers utilisés dans la calibration du modèle apparaissent dans la fenêtre ci-dessous.

Pour générer des données synthétiques afin de les vérifier, entrer la période de l’ensemble de données indépendantes dans les cases Synthesis Start et Synthesis Length. Si vous souhaitez générer des données synthétiques pour l’ensemble de la période de données observées, c’est-à-dire utiliser le relevé complet des variables prédicteurs, entrer alors les valeurs Record Start et Record Length dans les cases Synthesis Start et Synthesis Length respectivement. Enfin, vous devez décider du nombre d’ensembles de données synthétiques qui sont nécessaires (jusqu’à concurrence de 100) et entrer cette valeur dans la case Ensemble Size. Chaque membre de l’ensemble est considéré comme une représentation tout aussi plausible du climat local résultant de l’utilisation du même ensemble de variables prédicteurs dans les modèles calibrés. Vous trouverez d’autres précisions sur cette option dans le mode d’emploi. Lorsque vous aurez opéré toutes les sélections sur cet écran, cliquer sur le bouton Synthesize en haut du menu et au bout de quelques secondes, la case du dialogue Synthesis Completed apparaîtra à l’écran. Cliquer sur OK pour revenir à l’écran Weather Generator. Cliquer sur Next pour passer à Analyse Model Output.

Analyse des données 

Un certain nombre de statistiques, notamment la moyenne, le maximum, le minimum, la variance, les extrêmes au-dessus/au-dessous des valeurs seuils, les centiles, le pourcentage de journées pluvieuses et la durée des périodes de journées pluvieuses/sèches peuvent être calculées à la fois pour les données observées et les données synthétiques à l’aide de SDSM pour chaque mois civil, saison ou année afin d’évaluer soit les données observées soit les données dont l’échelle a été réduite. Si vous ne vous trouvez pas déjà sur l’écran Analyse Data, cliquer sur le bouton Analyse en haut de n’importe quel écran et sélectionner Analyse Data sur le menu déroulant. En premier lieu, sélectionner Data Source, cliquer sur Modelled ou Observed pour l’analyse des données synthétiques ou des données observées respectivement. Puis cliquer sur le bouton Select Input File et parcourir jusqu’au répertoire et au fichier exacts dans la fenêtre Open File qui apparaît à l’écran. Cliquer sur le nom du fichier approprié. Si vous utilisez des données synthétiques, cliquer sur le bouton View Details dans la fenêtre Modelled Scenario pour vous assurer que les données de base sur l’expérience de réduction d’échelle sont exactes. Puis préciser la période d’analyse en entrant les dates appropriées Analysis Start et Analysis End si elles diffèrent des dates Standard Data Start et Standard Data End que contiennent les réglages globaux (voir 2 ci-dessus).

Vous pouvez analyser les membres d’un ensemble individuel ou obtenir un diagnostic moyen pour tous les membres d’un ensemble en ne cochant pas ou en cochant la case Use Ensemble Mean?, respectivement dans la fenêtre Ensemble Size. Si vous souhaitez analyser des ensembles individuels, vous devez alors entrer le numéro du membre de l’ensemble dans la case Ensemble Member. Vous devez également préciser l’emplacement des résultats de l’analyse - cliquer sur le bouton Save Summary File As dans la fenêtre Select Output File et entrer un nom de fichier convenable dans le répertoire qui convient dans la fenêtre Open File qui apparaît à l’écran. Enfin, vous devez sélectionner les statistiques à calculer d’après les données d’entrée - cliquer sur le bouton Statistics en haut du menu et cocher jusqu’à huit statistiques à analyser. Cliquer sur Back pour revenir à l’écran Analyse Data puis sur le bouton Analyse en haut du menu. Au bout de quelques instants, l’écran des résultats apparaîtra. SDSM permet à l’utilisateur de comparer graphiquement les résultats des données dont l’échelle a été réduite et des données observées pour se faire une idée de la performance du modèle en ce qui concerne la comparaison des résultats. Vous trouverez d’autres précisions sur cette option et sur les options de réglage de la présentation des graphiques dans le mode d’emploi.

Génération de scénarios 

Voici la dernière étape du processus de réduction d’échelle de SDSM qui permet à l’utilisateur de produire des ensembles de séries de données météorologiques quotidiennes synthétiques à l’aide des variables prédicteurs atmosphériques quotidiennes fournies par un modèle climatique global (MCG). Ces variables prédicteurs doivent avoir le même format que les variables prédicteurs observées, c’est-à-dire qu’elles doivent être normalisées par rapport à la période de référence et qu’elles doivent être disponibles pour toutes les variables utilisées dans la calibration du modèle. La procédure de génération de scénarios est identique à l’opération Weather Generator (voir 6 ci-dessus), si ce n’est qu’il se peut qu’il faille préciser différentes dates de MCG et répertoires sources pour les variables prédicteurs.

Cliquer sur le bouton Analyse en haut de n’importe quel écran et sélectionner Generate Scenario sur le menu déroulant. En premier lieu, vérifier les options dans le menu Settings en cliquant sur le bouton Settings (symbole de clé) en haut de l’écran et vérifier Year Length et les dates Standard Start et Standard End dans la fenêtre Data. La plupart des MCG suivent une année civile de 365 jours, à l’exception de HadCM2 et HadCM3 qui ont une année de 360 jours. Apporter tous les changements nécessaires et cliquer ensuite sur Back pour revenir à l’écran Generate Scenario. Cliquer ensuite sur le bouton Select Parameter File et le parcourir jusqu’au répertoire et au fichier exacts pour sélectionner le fichier des paramètres du modèle de réduction d’échelle qui convient dans la fenêtre Open File. Cliquer sur View Details et les fichiers utilisés dans le processus de calibration sont énumérés à l’écran (aussi bien les prédictands que les variables prédicteurs). Sous l’en-tête GCM Directory, sélectionner le répertoire qui convient pour connaître l’emplacement des valeurs prédicteurs de MCG. Décider ensuite du nombre d’ensembles que vous voulez générer et entrer ce nombre dans la case Ensemble Size. Enfin, cliquer sur le bouton Save to .OUT File dans la fenêtre Select Output File et parcourir jusqu’au répertoire approprié avant d’entrer le numéro de fichier qui convient pour les données générées dans la fenêtre Open File qui apparaît à l’écran. Cliquer ensuite sur le bouton Générer en haut de l’écran et au bout de quelques secondes, une case de dialogue Scenario Generated apparaît à l’écran. Cliquer sur OK pour revenir à l’écran Generate Scenario. Vous pouvez examiner la sortie en utilisant l’opération Compare Results, sur laquelle vous trouverez d’autres précisions dans le mode d’emploi.

Autres lectures