3.1.4 Humidité de surface

Tableau 3.6 : Les variables d'humidité et leurs propriétés (d'après Willett K. M., 2007)

Certaines de ces variables sont mesurées directement aux stations météorologiques et climatiques, tandis que d’autres ne sont que des résultats de modèles climatiques et de prévisions sans mesure directe aux stations. Cependant, elles sont toutes largement utilisées dans les domaines météorologiques et climatiques. La vapeur d’eau joue un rôle clé dans la détermination des propriétés dynamiques et radiatives du système climatique et son transport autour de l’atmosphère est un élément fondamental du cycle hydrologique. Parmi les variables présentées dans le tableau 3.6, l’humidité spécifique est considérée comme très importante dans l’évaluation des modèles climatiques et dans le domaine de la recherche, et la température du point de rosée est d’intérêt pour l’évaluation des sondages atmosphériques et du développement des nuages et de la convection dans les modèles.

L’humidité relative, la température du point de rosée et la température du thermomètre mouillé sont des éléments importants de la conception de l’enveloppe des bâtiments, des systèmes de chauffage, de ventilation et de climatisation, ainsi que de la modélisation de l’énergie des bâtiments. Ces données sont souvent intégrées aux « fichiers météorologiques » et aux « jours étalons » qui servent de données d’entrée dans ces applications. Ces données pourraient être utiles aux utilisateurs du Nord pour l’évaluation et la conception de logements communautaires, de sites industriels et de bureaux actuels et futurs, ainsi que pour la conception de rénovations de bâtiments visant à améliorer le confort humain et l’efficacité énergétique.

Des valeurs extrêmes d'humidité relative ont des impactes importans sur les conditions de confort humain en matière de stress thermique ainsi que sur la force et la fréquence des feux de forêt. Dans des conditions de température élevée, l’humidité élevée inhibe l’évaporation, ce qui rend le refroidissement par transpiration moins efficace et peut créer un stress thermique et de nombreux problèmes de santé pour les personnes et les animaux. Heureusement, ces conditions sont rarement réunies dans le Nord canadien. Néanmoins, les feux de forêt sévissent dans une grande partie du Yukon et des Territoires du Nord-Ouest (https://cwfis.cfs.nrcan.gc.ca/ah/nfdb).

Cette section présente un inventaire des ensembles de données historiques couvrant le Nord canadien qui comportent l’humidité spécifique ou relative. L’information est résumée au tableau 3.7. L’humidité relative de surface peut également être estimée à partir de la température de l’air à 2 m et de la température du point de rosée (p. ex., https://www.weather.gov/media/epz/wxcalc/vaporPressure.pdf [en anglais seulement]). Le tableau 3.7 indique si un Jeu de données n’a pas disponible l’humidité relative, mais fournit plutôt la température du point de rosée.

Voici un résumé des points à prendre en considération lorsqu’un Jeu de données est sélectionné pour les analyses climatiques historiques de l’humidité de surface ou le calcul des indices climatiques dans le Nord canadien :

a) L’indice forêt-météo (IFM) est une mesure numérique de l’intensité des incendies, et il est utilisé comme indice général du danger d’incendie dans les régions boisées du Canada. Son calcul nécessite des valeurs quotidiennes de température, d’humidité relative, de vitesse du vent et de précipitations sur 24 heures qui ont été prises à midi, lorsque le soleil est à son zénith directement au-dessus du point d’enregistrement. Par conséquent, les estimations historiques de l’indice IFM nécessiteront une série de données sous-journalières qui permettent l’estimation de variables à midi. Un nombre limité de stations et d’ensembles de données fondés sur des analyses fournissent l’humidité relative à la résolution temporelle sous-journalière, et aucune étude de comparaison n’est disponible sur leur rendement dans le nord du Canada pour les calculs de l’indice IFM.

b) L’estimation des tendances historiques de l’humidité relative et l’évaluation de l’humidité relative des réanalyses et des modèles dans le nord du Canada sont compliquées par les problèmes liés aux instruments de mesure de l’humidité relative dans un climat froid (Déry et Steiglitz, 2002). Il a été constaté que le givrage et le gel des réservoirs créent des problèmes particuliers aux stations automatiques au Canada si les instruments n’étaient pas vérifiés régulièrement. Il est recommandé d’utiliser des méthodes statistiques pour détecter et régler les discontinuités artificielles dans les enregistrements de stations (homogénéisation). L’homogénéisation, bien qu’elle soit peu susceptible d’éliminer toutes les discontinuités non climatiques dans les données, produit un Jeu de données qui est beaucoup plus robuste (Willett, 2007). Wijngaarden et Vincent (2005) et Vincent et coll., (2007) fournissent des informations sur un Jeu de données homogénéisées d'humidité relative et de températures du point de rosée pour 75 stations au Canada. Une baisse négative importante, due au remplacement du psychromètre par des cellules détectrices du point de rosée (instruments dewcell), a été observée pour l’humidité relative à 52 stations, principalement dans le Nord canadien. Pour la série chronologique des points de rosée, l’impact de l’introduction de la cellule détectrice du point de rosée a été observé à neuf stations (principalement situées au nord-est). Très peu d'impacts significatifs ont été détectés dans la série chronologique d’humidité spécifique, car dans les températures froides, les valeurs d’humidité spécifiques sont très basses et ne varient pas beaucoup (Vincent et coll., 2007). De plus amples renseignements sont fournis à l’annexe 7.3.1, qui décrit les mesures de l’humidité aux stations du SMC.

c) L’Jeu de données HadISDH des moyennes mensuelles d’humidité de surface a été conçu comme un produit sur gille pour l’étude des tendances et de la variabilité à grande échelle et l’évaluation des modèles climatiques. Les stations intégrées dans le produit ont été homogénéisées et la qualité a été contrôlée. L’effet de l'élévation topographique sur la continuité spatiale de l’humidité est complexe et relativement peu étudié. Dans l’Jeu de données HadISDH, l’interpolation est réalisée sur une grille globale grossière (résolution spatiale de 5° x 5°). Une seule maille de grille à basse résolution peut comprendre un certain nombre de stations à différentes altitudes (Willett et coll., 2014). Cependant, de nombreuses études ont mentionné que, pour les analyses des tendances, les anomalies sont préférables aux valeurs absolues parce qu’elles éliminent en grande partie la variabilité propre à la station (y compris la variation attribuable à l’élévation). L’Jeu de données HadISDH comprend des valeurs d’anomalies ainsi que des valeurs absolues.

Références - Humidité

Bromwich, D., Y.-H. Kuo, M. Serreze, J. Walsh, L.-S. Bai, M. Barlage, K. Hines, et A. Slater, 2010: « Arctic System Reanalysis: Call for Community Involvement. Eos Trans. » AGU, 91, 13, https://doi.org/10.1029/2010eo020001.

Compo, G.P., J.S. Whitaker, P.D. Sardeshmukh, N. Matsui, R.J. Allan, X. Yin, B.E. Gleason, R.S. Vose, G. Rutledge, P. Bessemoulin, S. Brönnimann, M. Brunet, R.I. Crouthamel, A.N. Grant, P.Y. Groisman, P.D. Jones, M. Kruk, A.C. Kruger, G.J. Marshall, M. Maugeri, H.Y. Mok, Ø. Nordli, T.F. Ross, R.M. Trigo, X.L. Wang, S.D. Woodruff, et S.J. Worley, 2011: « The Twentieth Century Reanalysis Project. Quarterly Journal of the Royal Meteorological Society », 137(654), 1-28, DOI: 10.1002/qj.776.

Déry, S. J., et M. Stieglitz, 2002: « A Note On Surface Humidity Measurements In The Cold Canadian Environment. Boundary-Layer Meteorology », 102, 491–497, https://doi.org/10.1023/a:1013890729982.

Gasset, N., V. Fortin, M. Dimitrijevic, M. Carrera, B. Bilodeau, R. Muncaster, É.,Gaborit, G. Roy, N. Pentcheva, M. Bulat, X. Wang, R. Pavlovic, F. Lespinas, et D. Khedhaouiria, 2021: « A 10 km North American Precipitation and Land Surface Reanalysis Based on the GEM Atmospheric Model. Hydrology and Earth System Sciences », 25(9), 4917-4945, https://doi.org/10.5194/hess-25-4917-2021.

Gelaro, R., W. McCarty, M.J. Suárez, R. Todling, A. Molod, L. Takacs, C.A. Randles, A. Darmenov, M.G. Bosilovich, R. Reichle, K. Wargan, L. Coy, R. Cullather, C. Draper, S. Akella, V. Buchard, A. Conaty, A.M. da Silva, W. Gu, G. Kim, R. Koster, R., Lucchesi, D. Merkova, J.E. Nielsen, G. Partyka, S. Pawson, W. Putman, M. Rienecker, S.D. Schubert, M. Sienkiewicz, et B. Zhao, 2017: « The Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2). Journal of Climate », 30(14), 5419-5454. doi: 10.1175/JCLI-D-16-0758.1.

Hersbach, H., B .Bell, P. Berrisford, S. Hirahara, A. Horányi, J. Muñoz‐Sabater, J. Nicolas, C. Peubey, R. Radu, D. Schepers, A. Simmons, C. Soci, S. Abdalla, X. Abellan, G. Balsamo, P. Bechtold, G. Biavati, J. Bidlot, M. Bonavita, G. Chiara, P. Dahlgren, D. Dee, M. Diamantakis, R. Dragani, J. Flemming, R. Forbes, M. Fuentes, A. Geer, L. Haimberger, S. Healy, R.J. Hogan, E. Hólm, M. Janisková, S. Keeley, P. Laloyaux, P. Lopez, C. Lupu, G. Radnoti, P. Rosnay, I. Rozum, F. Vamborg, S. Villaume, et J.-N. Thépaut, 2020: « The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society », 146(730), 1999–2049. https://doi.org/10.1002/qj.3803.

Iizumi, T., H. Takikawa, Y. Hirabayashi, N. Hanasaki, et M. Nishimori, 2017: « Contributions of different bias‐correction methods and reference meteorological forcing data sets to uncertainty in projected temperature and precipitation extremes. J. Geophys. Res. Atmos. », 122, 7800–7819, https://doi.org/10.1002/2017jd026613.

Kobayashi, S., Y. Ota, Y. Harada, A. Ebita, M. Moriya, H. Onoda, K. Onogi, H. Kamahori, C. Kobayashi, H. Endo, K. Miyaoka, et K. Takahashi, 2015: « The JRA-55 Reanalysis: General specifications and basic characteristics. Journal of the Meteorological Society of Japan. », 93(1), 5-48, doi:10.2151/jmsj.2015-001.

Mesinger, F., G. DiMego, E. Kalnay, K. Mitchell, P. C. Shafran, W. Ebisuzaki, D. Jović, J. Woollen, E. Rogers, E.H. Berbery, M.B. Ek, Y. Fan, R. Grumbine, W. Higgins, H. Li, Y. Lin, G. Manikin, D. Parrish, et W. Shi, 2006: « North American Regional Reanalysis. Bulletin of the American Meteorological Society », 87(3), 343-360, doi:10.1175/BAMS-87-3-343.

Muñoz-Sabater, J., E. Dutra, A. Agustí-Panareda, C. Albergel, G. Arduini, G., Balsamo, S. Boussetta, M. Choulga, S. Harrigan, H. Hersbach, B. Martens, D. G. Miralles, M. Piles, N. J. Rodríguez-Fernández, E. Zsoter, C. Buontempo, et J.-N. Thépaut, 2021: « ERA5-Land: A state-of-the-art global reanalysis dataset for land applications. Earth System Science Data », 13(9), 4349-4383, https://doi.org/10.5194/essd-2021-82.

New, M., D. Lister, M. Hulme, et I. Makin, 2002: « A high-resolution data set of surface climate over global land areas. Clim. Res. », 21, 1–25, https://doi.org/10.3354/cr021001.

Ruane, A.C., R. Goldberg, et J. Chryssanthacopoulos, 2015: « Climate forcing datasets for agricultural modeling: Merged products for gap-filling and historical climate series estimation. Agricultural and Forest Meteorology », 200, 233–248, https://doi.org/10.1016/j.agrformet.2014.09.016.

Saha, S., S. Moorthi, X. Wu, J. Wang, S. Nadiga, P. Tripp, D. Behringer, Y. Hou, H. Chuang, M. Iredell, M.Ek, J. Meng, R. Yang, M.P. Mendez, H. van den Dool, Q. Zhang, W. Wang, M. Chen, et E. Becker, 2014: « The NCEP Climate Forecast System Version 2, Journal of Climate », 27(6), 2185-2208, doi:10.1175/JCLI-D-12-00823.1.

Sheffield, J., G. Goteti, et E.F. Wood, 2006: « Development of a 50-Year High-Resolution Global Dataset of Meteorological Forcings for Land Surface Modeling. Journal of Climate », 19, 3088–3111, https://doi.org/10.1175/jcli3790.1.

van Wijngaarden, W.A., et L.A. Vincent, 2005: « Examination of discontinuities in hourly surface relative humidity in Canada during 1953–2003. J. Geophys. Res. », 110, https://doi.org/10.1029/2005jd005925.

Vincent, L.A., W.A. van Wijngaarden, et R. Hopkinson, 2007: « Surface Temperature and Humidity Trends in Canada for 1953–2005. Journal of Climate », 20, 5100–5113, https://doi.org/10.1175/jcli4293.1.

Willett, K.M., 2007: « Creation and analysis of HadCRUH: A new global surface humidity dataset. Climatic Research Unit, School of Environmental Sciences, University of East Anglia », 174 p.

Willett, K.M., R.J.H. Dunn, P.W. Thorne, S. Bell, M. de Podesta, D. E. Parker, P. D. Jones, et C. N. Williams Jr., 2014: « HadISDH land surface multi-variable humidity and temperature record for climate monitoring. Clim. Past », 10, 1983–2006, https://doi.org/10.5194/cp-10-1983-2014.