Performance of stochastic weather generators LARS-WG and AAFC-WG for reproducing daily extremes of diverse Canadian climates

Les générateurs stochastiques de conditions météorologiques, beaucoup utilisés pour produire des données météorologiques de synthèse, sont une des techniques permettant de développer des scénarios climatiques locaux à partir des changements climatiques de grande échelle simulés par les modèles du climat du globe. Comme les modèles des impacts du changement climatique peuvent être plus sensibles aux changements des extrêmes du climat qu’à ceux des moyennes climatologiques, il est nécessaire de connaître la capacité des techniques de génération stochastique à reproduire ces extrêmes. L’étude présente une évaluation de deux générateurs stochastiques, le LARS WG et l’AAFC WG, sous l’angle de la reproduction des extrêmes climatiques observés. Les valeurs quotidiennes extrêmes (plus haute températures maximale quotidienne, plus basse température minimale quotidienne et précipitation quotidienne maximale) ont été analysées par mois et par année, ainsi que pour la saison de croissance (du 1er mai au 30 septembre), pour neuf stations réparties au Canada. L’évaluation reposait sur des tests statistiques concernant les propriétés statistiques de base et les valeurs de récurrence tirées des distributions ajustées des valeurs extrêmes généralisées. Les résultats ont montré que les générateurs de conditions météorologiques LARS WG et AAFC WG pouvaient reproduire de façon satisfaisante les propriétés statistiques des valeurs extrêmes des précipitations quotidiennes, y compris les valeurs de récurrence sur 10, 20 et 50 ans. Cependant, leur performance pour les valeurs extrêmes quotidiennes des températures n’était pas aussi bonne que pour les précipitations, en particulier celle du LARS WG. Celui ci avait en outre plus de difficulté à reproduire les températures extrêmement basses que les températures extrêmement hautes. Les anomalies de valeurs de récurrence étaient souvent dues à ce que les valeurs estimées à partir des données de synthèse étaient plus extrêmes que celles tirées des données d’observation.