LES DONNÉES CLIMATIQUES...Une certaine climatologie depuis 30 ans: température de surface, couverture nuageuse, indice de végétation Des contraintes d’exploitation des données

École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 1

LES DONNÉES CLIMATIQUES:

par

Amadou Idrissa Bokoye

Environnement Canada&

Consortium régional Ouranos sur le changement climatique

Montréal (Québec), Canada

De l’échelle globale à l’échelle régionale: Enjeux et application àl’évaluation des impacts du CC dans le contexte africain


• Introduction• Enjeux dans le contexte africain • Types de données climatiques• Cadre structurel et institutionnel• Assurance qualité et techniques d’analyse• Applications• Bases de données climatiques• Conclusions-Débat

Plan


Introduction

Climat ou temps moyen dans une localité ou une région

Facteurs de forçage du climat terrestre

les facteurs cosmiques (Énergie solaire)

les facteurs géographiques (relief, végétation, volcan, ….)


Source : Cyril Langlois, ENS Lyon, Janvier 2003, d'après T. Crowley et J. North, Paleoclimatology, 1991, Oxford University

les facteurs planétaires (paramètres de Milankovitch)


La machine climatique

Source NASA

Hydrosphère

LithosphèreLithosphère

Cryosphère

Atmosphère

Hydrosphère


Cryosphère Hydrosphère


Cryosphère

Atmosphère

Biosphère


Les climats du monde

Crédit M. Elie Allouche


La donnée climatique …un moyen de:

Mesurer l’état du climat sur le long terme à travers des variables de diagnostique

Suivi dans le temps de l’écologie

Diagnostiquer la sensibilité des activités anthropiques à l’aléa climatique

Caractéristiques de la donnée climatique

Une mesure de variable climatique peut-être de nature directe (cause à effet) ou indirecte (par association)

la donnée climatique comporte souvent une marge d’erreur qui peut-être de nature aléatoire ou systématique


Enjeux dans le contexte africain

Nécessité de générer de l’information climatique fiable et des scénarios climatiques plausibles à l’échelle régionale et locale pour répondre aux besoins des projets en impact et adaptation

Nécessité d’une meilleure compréhension des processus physico-chimiques dans l’atmosphère et des interactions sol-végétation-atmosphère à travers la collecte de données sur les différentes composantes du climat de façon àaméliorer les prévisions régionales.

Rendre disponible en ligne les bases de données régionales climatiques avec des protocole d’usage qui n’entravent pas la recherche et le développement (R&D)

Développer des structures régionales pour la gestion et l’intégration des bases de données nationales


Faire le lien entre la R&D régionale et institutionnelle et les établissements de formation nationaux en matière de climatologie appliquée

Promouvoir l’utilisation des données climatiques et environnementales dans le cadre de projets de R&D axés sur la résolution de problèmes liés à l’aléa climatique: maladies à transmission vectorielle, érosion hydrique, ……

S’assurer des retombées positives d’expériences de recherche internationale notamment en terme de formation académique

Assurer une présence effective de l’expertise régionale africaine en matière de diagnostique climatiques dans les forums internationaux


Types de données climatiques

Distinction selon la variable climatique

Distinction selon l’espace et le temps

Distinction selon la méthode de génération

Distinction selon le format d’archivage


Distinction selon la variable d’intérêt

Variables essentielles pour la climatologie

AtmosphèrePression

Température

Humidité

vitesse et direction du vent

Ensoleillement,..

HydrosphèreDébit

Indices océaniques

…

Lithosphère

Température de surface

Humidité du sol

…

CryosphèreHauteur de neige

Couverture de glace

…

Biosphère

Indices de végétation

…


Données de reconstruction

Données d’observations

Données de sorties de modèles

Données indirectes:cerne des arbresdatation au carbone 14carottage glaciaire)Analyse de sédiments marins ou lacustres (Shanahan et al.,

2009)

Modèles de circulation générale (MCG)

Modèles climatiques régionaux (dynamique et statistique)

Données de surface

Données de sondage atmosphériques

Données satellites

Données de bouées

Données aéroportées

Distinction selon la méthode de génération


Distinction selon le temps et l’espace

Résolution temporelle

Résolution spatiale

Donnée quotidienne

Donnée mensuelle

Donnée saisonnière

…

Donnée ponctuelle (station)

Données par grille (~10 [Modèle Climatique Régional] à 300-400 km

[MCG])

L’espace en météorologie: échelle micro (~cm), échelle méso (~100 m),

échelle synoptique (~ 1000 m)


Distinction selon le format d’archivage

!!! Donnée climatique = fichier d’informations

Structure

Accessibilité: convention du fournisseur

Métadonnée

Fichier

Format: texte, binaire ou spécifique (grib, ncdf, …)

Utilisation: petit fichier (Tableur: Excell), grand fichier (Unix)


Cadre structurel et Institutionnel

La génération des données climatiques s’opère de plusieurs façon:

La voie étatique: services météorologiques nationaux

La coopération internationale:

Organisation Mondiale de Météorologie

Le Groupe Intergouvernemental sur l’Évolution du Climat (GIEC)

African Centre of Meteorological Application for Development (ACMAD)

…

Les réseaux d’observation régionaux

Centre Régional AGRHYMET

Institut de Recherche pour le Développement (IRD)

Agence pour la Sécurité Aérienne et la Navigation en Afrique


La structure génératrice de données climatiques définie généralement un protocole d’accès aux données

Existence de contraintes d’utilisation des données climatiques selon les régions ou les utilisations

Données climatiques généralement plus accessibles dans les pays industrialisés que dans les pays en voie de développement

Existence de contraintes d’utilisation des données climatiques selon les régions ou les utilisations


Le rôle de l’OMM

Organisation Météorologique Mondiale, S/A/PMS, ANNEXE, Résolution 40 (Cg-XII)Politique et pratique adoptées par l'OMM pour l'échange de données et de produits météorologiques et connexes et principes directeurs applicables aux relations entre partenaires en matière de commercialisation des services météorologiques [source météo France]

Le système mondial d’observation du climat:http://www.wmo.int/pages/prog/gcos/index.php


Système Mondial d’Observation du Climat (SMOC) [Source OMM]


Assurance qualité et techniques d’analyse

La qualité des mesures de variables climatiques s’avère importante pour le diagnostique climatique

!!! Donnée erronée = Interprétation erronée !!!!


Méthodes de diagnostique

Filtrage des données erronées par seuillage

Détection d’erreurs systématiques:

Dérive de capteur de mesure

Changement dans l’environnement de l’observation

Exercice de validation de sorties de modèles sur une période historique


Techniques d’analyse de séries chronologiques de données

Détection de tendance dans les séries chronologiques

temps

Q(t)

0

µ(t)#µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)#µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)#µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)=µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)=µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)=µ0 σ(t)#σ0

temps

Q(t)

0

µ(t)=µ0 σ(t)#σ0

temps

Q(t)

µ(t)=µ0 σ(t)=σ0

0 temps

Q(t)

µ(t)=µ0 σ(t)=σ0

0 temps

Q(t)

µ(t)=µ0 σ(t)=σ0

0 temps

Q(t)

µ(t)=µ0 σ(t)=σ0

0

Analyse classique: moyenne (µ) ou standard déviation (σ)


Technique bayésienne de détection de changement/rupture dans les séries chronologiques

temps

Y(t)

Changement de régime/Rupture


Exemple de changement de régime: épaisseur optique des aérosolsSource Bokoye et al. (2001)


1960 1965 1970 1975 1980 1985 1990 19950

20

40

60

80

100

120

Année

Pré

cipi

tatio

n (m

m/jo

ur)

NIAMEY 13° 28`N 2° 9È

-4 -3 -2 -1 0 1 2 3 4-40

-20

0

20

40

60

80

100

120

Standard Normal Quantiles

Qua

ntile

s of

Inpu

t Sam

ple

QQ Plot: Mesure de la normalité de se séries: champ de précipitation l

NIAMEY 13° 28`N 2° 9È

0 50 100 150 200 250

0.001

0.003

0.01 0.02

0.05

0.10

0.25

0.50

0.75

0.90

0.95

0.98 0.99

0.997

0.999

Data

Pro

babi

lity

Normal Probability Plot

NIAMEY 13° 28`N 2° 9È

10 20 30 40 50 60 70 80 90 1000

200

400

600

800

1000

1200

NIAMEY 13° 28`N 2° 9È

Fréq

uenc

ePrecipitation (mm/jour)

0 20 40 60 80 100 1200

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Precipitation (mm/jour)

Fréq

uenc

e

Empirical CDF

NIAMEY 13° 28`N 2° 9È

Représentations de série chronologique: cas de la précipitation àNiamey (N 13° 31’ E 2°26‘)


Détection et attribution de la variabilité climatique

Détection: processus démontrant qu’un changement d’identification est significativement différent au regard de la statistique (variabilité interne naturelle du climat)

Attribution(induit par l’activité anthropique): processus qui

rétablit la ou les relations cause-effet (réchauffement climatique).

Utilisation de modèle nécessaire


Modélisation climatique: cadre théorique

Des équations de conservation (dynamique)

Une représentation des processus d’échelle inférieure à la maille (physique)

Des méthodes numériques de résolution

Un modèle climatique?


Principes de conservation: masse quantité de mouvement énergie

Equations de continuité pour l’air sec et la vapeur d’eau Equations du mouvement (avec l’approximation hydrostatique) Equation de la thermodynamique Equation d’état du fluide atmosphérique

Aspect dynamique

Transfert radiatif Rayonnement solaireRayonnement terrestre

Changements de phase de la vapeur d’eauProcessus aux échelles méso et synoptiques (convection, mouvements horizontaux, cycle de formation-dissipation des nuages…)Paramétrisation de processus sous maille

Aspect physique


Composantes d’un MCG

Atmosphère

États de surface

Océan et glace

Aérosols

Cycle du carbone

Dynamique de la végétation

Chimie atmosphérique

…

…population, économie, Industrie

Source Walker (2000)Source Walker (2000)

Contrainte informatique

!!!! Croissance de la taille informatique des produits de la modélisation climatique: défi de

traitement et d’analyse de données !!!!

Le développement de la modélisation dépend de la croissance de la puissance de calcul des ordinateurs.

1 Flop/s = 1 opération élémentaire (+,*,/,-,^) par seconde (Flop = Floating operation)Processeurs actuels: 30 à 40 TFlops


Scénarios climatiques et modélisation climatique globale

SIMULATION CLIMATIQUE = MCG + SCENARIOS D’ÉMISSION

SCENARIOS D’ÉMISSION

Utilisation de scénarios d’émission de Gaz à Effet de serre pour des projections climatiques dans le futur

Source [Nakicenovic et al., 2000; GIEC, 2001]

A2A1

B1 B2

Plus économique

Plus Environnemental

Plu

s G

loba

l

Plu

s ré

gion

al

A2A1

B1 B2

Plus économique

Plus Environnemental

Plu

s G

loba

l

Plu

s ré

gion

al


De l’échelle globale àl’échelle régionale/locale

Des observations à large échelle de l’espace de l’espace:

Satellites météorologiques à large couverture spatiale: GOES, METEOSAT

Satellites spécifiques: ozone (TOMS), aérosols (MODIS),…

Une certaine climatologie depuis 30 ans: température de surface, couverture nuageuse, indice de végétation

Des contraintes d’exploitation des données satellitale au regard de la climatologie

…aux stations climatiques terrestres


Des MCGs à l’information climatique régionale/locale

Approche dynamique

ApprocheStatistique

Modélisation régionale

ModélisationClimatique

Globale

InformationClimatiqueà l’échellerégionale


Contexte Africain actuel: approche statistique plus appropriée

Approche dynamique mérite d’être développée

Principe de l’approche statistique


Modélisation régionale du climat

Approche statistique: génération d’information climatique à l’échelle locale à partir

de données de modèle climatique global

Réduction d’échelle statistique ou mise à l’échelle statistique: cas du SDSM (Statistical Downscaling Method) [Wilby et al. (2004)]

Formalisme [Bokoye et al. (2006)]Principe: relation empirique entre les variables locales (prédictants) de surface et des variables à grande échelle de la circulation atmosphérique générale (prédicteurs).

Réponse climat local = F (paramètres de la circulation générale large échelle) F: fonction de transfert

Les paramètres de F, régression linéaire multiple se déterminent par une opération de calibration de SDSM en considérant des prédictants issus des stations d’observations climatiques et des prédicteurs NCEP.

Détermination de période de calibration et de validation à partir de la référence historique: 1961-1975, 1976-1990

Les prédicteurs généralement considérés sont:

Pour le champ de prPour le champ de préécipitation:cipitation: Températures (TMAX, TMIN)* Hauteurs gépotentielles 500hPa et/ou 850 hPa * Hauteurs gépotentielles 500hPa et/ou 850 hPa * Vitesses méridionales (u) à la surface et 850hPa * vitesses méridionale (u) et zonale à la surface et 850hPa * Tourbillons zonales et/ou vitesses zonales 500hPa * Tourbillon à 500 hPa•Humidité relative à 500hPa et/ou 850hPa * Humidité à 850 hPa

100 scénarios à l’échelle quotidienne peuvent être générés sur la période 1961-2099


ApplicationsModélisation statistique régionale du climat ou passage de la modélisation globale au local: Cas du champs de précipitation àOuagadougou (Burkina Faso)

Influence de l’évolution d’un MCG sur la réduction d’échelle des champs de température et de précipitation au Lac Mégantic (Québec) Canada

Détection et Attribution du CC: diagnostique du GIEC

Données climatiques et évaluation environnementale

Validation de modèles


Application au champ de précipitation à Ouagadougou (Burkina-Faso): comparaison observation et sorties de modèle

SDSM sur la période historique 1961-1990 et l’horizon 2020

0 50 100 150 2000

20

40

60

80

100

120

140

160

180

200

OBSERVATION (mm/jour)

SIM

ULA

TIO

N (m

m/jo

ur)

SDSM-HadCM3 (1961-1990)SDSM-HadCM3 A2 (2010-2039)SDSM-HadCM3 B2 (2010-2039)

1:1

QQPLOT

Pilote GCM:

HadCM3:

Résolution temporelle quotidienne

Résolution spatiale: 2.5ºx3.75º

Référence: Gordon et al., 2000


0 1 2 3 4 50

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1D

ENSI

TE D

E PR

OBA

BILI

TE

[PRECIPITATION (mm/jour)]0.25

OBS. 1961-1990SDSM-HadCM3 (1961-1990)SDSM-HadCM3 A2 (2010-2039)SDSM-HadCM3 B2 (2010-2039)

DENSITÉ DE PROBABILITÉ


Validation de GCMs: cas du Sahel

NCEP ECMWF

CGCM2 CGCM3

HadCM3 ECHAM4

-3 -2 -1 0 1 2 3

PRECIPITATIONMOYENNE(mm/day)

Carte de différence entre

les observationskrigées et divers

modèles du GIEC(2001, 2007) relativement

au champ moyende précipitation sur

la période Avril-Octobre

de 1961 à 1990au Sahel

Source: Bokoye et al. (2009)


Cas de l’évolution du modèle global climatique canadien (CGCM):CGCM1, CGCM2, CGCM4

Précipitation

0 10 20 30 40 500

10

20

30

40

50


SIM

ULA

TIO

N (m

m/jo

ur)

DJFSDSM-CGCM1 (1961-2000)SDSM-CGCM2 (1961-2000)SDSM-CGCM3 (1961-2000)

0 10 20 30 40 500

10

20

30

40

50

OBSERVATION (mm/jour)SI

MU

LATI

ON

(mm

/jour

)

MAM

0 10 20 30 40 500

10

20

30

40

50


SIM

ULA

TIO

N (m

m/jo

ur)

JJA

0 10 20 30 40 500

10

20

30

40

50


SIM

ULA

TIO

N (m

m/jo

ur)

SON

Pilote GCM:

CGCM:

Résolution temporelle: quotidienne

Résolution spatiale: 3.75°x3.75°

Référence:

Flato et al., 2000


Températures minimum (TMIN)

-50-40-30-20-10 0 10 20 30 400

0.05

0.1

0.15

TMIN (°C)

DJF

SDSM-CGCM1 (1961-2000)SDSM-CGCM2 (1961-2000)SDSM-CGCM3 (1961-2000)Obs (1961-2000)

-30 -20 -10 0 10 20 30 400

0.05

0.1

0.15

TMIN (°C)

MAM

-10 0 10 20 30 400

0.05

0.1

0.15

TMIN (°C)

JJA

-30 -20 -10 0 10 20 30 400

0.05

0.1

0.15

TMIN (°C)

SON


Température maximum (TMAX)

-50 -40 -30 -20 -10 0 10 20 30 400

0.05

0.1

0.15

TMAX (°C)

DJF

SDSM-CGCM1 (1961-2000)SDSM-CGCM2 (1961-2000)SDSM-CGCM3 (1961-2000)Obs (1961-2000)

-30 -20 -10 0 10 20 30 400

0.05

0.1

0.15

TMAX (°C)

MAM

-10 0 10 20 30 400

0.05

0.1

0.15

TMAX (°C)

JJA

-30 -20 -10 0 10 20 30 400

0.05

0.1

0.15

TMAX (°C)

SON


Détection et Attribution du réchauffement climatique

Source IPCC (2007)

Les activités anthropiques

jouent un rôle majeur dans leréchauffement

climatique


Les données climatiques et l’évaluation environnementale: approche de diagnostique

Détermination de la sensibilité du projet environnemental au climat

Identification du ou des paramètre(s) climatique(s) associé(s) à cette sensibilité

Analyse des données historiques et futures (projections climatiques) de la variable climatique pertinente dans la zone d’implémentation du projet

Existence de seuil(s) de sensibilité?

Analyse qualitative et quantitative du risque climatique pour le projet


Base de données climatiques

Données disponibles via des institutions nationales

Données disponibles via internationales comme l’OMM

Données OMM régies par la résolution 40 dudit organisme

Le système mondial d’observation du climat:

http://www.wmo.int/pages/prog/gcos/index.php

Le Groupe Intergouvernemental sur l’Évolution du Climat (GIEC/IPCC):http://www.ipcc-data.org/

Données disponibles via les structures régionales


Amérique du Nord

National Climatic Data Center (NCDC)

http://www.ncdc.noaa.gov/oa/ncdc.html

National Aeronautic and Space Administration (NASA)

http://gcmd.nasa.gov/Resources/pointers/meteo.html

http://aeronet.gsfc.nasa.gov

National Corporation of Atmospheric Research (NCAR)

http://dss.ucar.edu/

Indices climatiques: ETCCDMI

http://cccma.seos.uvic.ca/ETCCDMI/


Africa Data Dissemination Service

http://earlywarning.usgs.gov/adds/

Comité Inter-État de Lutte contre la Sécheresse au Sahel (CILSS) via

le Centre Régional AGRHYMET (CRA)

African Centre for Meteorological Application and Development (ACMAD)

http://www.acmad.ne/

Afrique


Europe

Climate Research Unit (CRU)

http://earlywarning.usgs.gov/adds/

European Climate Assessment and Dataset

http://eca.knmi.nl/dailydata/index.php


Conclusions-Débat

Quel est mon champ d’intérêt en terme de facteur environnemental ou climatique: réchauffement, pollution, inondation,….

A quels éléments climatiques ces facteurs sont-ils sensibles? (température? Pression? Vent? Précipitation?...)

Quelle la référence historique pour ces éléments en terme d’enregistrement?

Quelle est la variabilité spatiale et temporelle de ces éléments

Existe-il des projections climatiques (GIEC,2007) pour ces éléments?

Existence d’un large éventail de données climatiques et d’outils de diagnostique de celles-ci.

Du point de l’usager (applications):


!!!!!!!!!!! MERCI !!!!!!!!!!!!!!

Source: www.andreaharner.com/.../03/10_most_magnifi.html

Le

bobab

Le boabab …environ 2000 ans de vie …une mémoire climatique utile?


Pour en savoir plusOuvrage de référence

Le climat: jeux dangereux. J. Jouzel et A. Debroise. ISBN 978-2-10-050987-4

Comprendre le Climat. William. J. Burroughts ISBN 2-603-01458-7

Introduction à la climatologie. A. Hufty. ISBN 2-7637-7783-X.

Global Energy and water cycle. K.A. Browning & R. J. Gurney. ISBN 0-521-

03285-7


Wilby et al. (2004): Wilby, R. L., S. P. Charles, E. Zorita, B. Timbal, P. Whetton, L. O. Mearns, 2004:Guidelines for use of climate scenarios developed statistical downscaling methods. Environment Agency of England and Wales report.

Mearns, L. O., F. Giorgi, P. Whetton, D. Pabon, M. Hulme and M. Lal, 2003: Guidelines for use of climate scenarios developed from regional climate experiments. Data Distribution Centre of Intergovernmental Panel on Climate Change.

Génération d’information climatique à l’échelle régionale/locale pour les études en impact et adaptation

A.I. Bokoye. 2006. Comparaison de scénarios climatiques issus de MCG et de mise à échelle statistique: application au bassin versant de la Chaudière (Québec). 2ème symposium Ouranos. Montréal (Québec), Canada.


A. I. Bokoye, P.Gachon et L. Lefaivre. 2008. Comparaison de scénarios climatiques issus de MCG. L’approche linéaire de la mise à l’échelle statistique:études de cas au Québec, influence du pilote MCG etalternative méthodologique et de mise à échelle statistique: application au bassin versant de la Chaudière (Québec). 3ème symposium scientifique Ouranos sur la climatologie régionale et l’adaptation aux changements climatiques. Montréal (Québec), Canada.

Nakicenovik, N., J. Alcamo, G. Davis, B. de vries, J. Fenhann, S. Gaffin, K. Gregory, A. Grubler, T. Y. Jung, T. Kram, E. L. La rovere, L. Michaelis, S. Mori, T. Morita, W. Pepper, H. Pitcher, L. Price, K. Raihi, A. Roehrl, H.-H. Rogner, A. Sankovski, M. Schlesinger, P. Shukla, S. Smith, R. Swart, S. van Rooijen, N. Victor et Z. Dadi, 2000: Emissions Scenarios. Rapport special du groupe de travail III du groupe d’experts intergouvernemental sur l’évolution du climat. Cambridge University Press, Cambridge, Royaume-Uni et New-York, N. Y., É.-U., 599p. Wilby, R.L., Dawson, C.W. and Barrow, E.M, 2002: SDSM - a decision support tool for the assessment of regional climate change impacts. Environmental Modelling Software, 17, 145-157.

Scénarios d’émission du GIEC


Groupe Intergouvernemental sur l’Évolution du Climat (GIEC) Intergovernmental Panel on Climate Change (IPCC)

GIEC [IPCC], 2001: Climate Change 2001: The Scientific Basis. J.T. Houghton et al.(eds.), Cambridge University Press, 881pp.GIEC [IPCC], 2007: Climate Change 2007: The Scientific Basis. Contribution of WorkingGroup I to the Fourth Assessment Report of the IPCC. ISBN 978 0521 88009-1 Hardback; 978 0521 70596-7 Paperback.

Modélisation globale

Flato G.M., Boer G.J., Lee W.G., McFarlane N.A., Ramsden D., Reader M.C., and Weaver A.J., 2000: The Canadian Centre for Climate Modelling and Analysis Global Coupled Model and its Climate. Climate Dynamics 16: 451-467.

Gordon, C., Cooper, C., Senior, C. A., Banks, H., Gregory, J. M., Johns, T. C.,Mitchell, J. F. B. and Wood, R. A. 2000.The Simulation of SST, sea iceextents and ocean heat transport in a version of the Hadley Centre coupledmodel without flux adjustments. Climate Dynamics, 16, 147-168.


Modélisation globale

T. M. Shanahan,J. T. Overpeck, K. J. Anchukaitis, J. W. Beck, J. E. Cole, D. L. Dettman, J. A. Peck, C. A. Scholz,7 J. W. King. 2009. Atlantic Forcing of Persistent Drought in West Africa. Science. 324(5925), 377 –380.

A. I. Bokoye, P. Gachon, D. Parishkura, A. Cotnoir, M. Radojevik, N. Gauthier and H. N'Djafa Ouaga. 2009. Assessment of precipitation regime over West African Sahel from climate indices comparison between observation, reanalyses and global climate modelling. Internal Journal of Climatology. Submitted.

Aérosols

A.I. Bokoye, A. Royer, N.T. O’Neil, P. Cliche, G. Fedosejevs, P.M. Teillet and L.J.B. McArthur. 2001. Characterization of Atmospheric Aerosols acrossCanada from a Ground-based Sunphotometer Network: AEROCAN. ATMOSPHERE-OCEAN 39 (4) 2001, 429–456

Documents

LES DONNÉES CLIMATIQUES...Une certaine climatologie depuis 30 ans: température de surface, couverture nuageuse, indice de végétation Des contraintes d’exploitation des données