Description:

This dataset consists of three simulations from the Northeastern Pacific Canadian Ocean Ecosystem Model (NEP36-CanOE) which is a configuration of the Nucleus for European Modelling of the Ocean (NEMO) V3.6. The historical simulation is an estimate of the 1986-2005 mean climate. The future simulations project the 2046-2065 mean climate for representative concentration pathways (RCP) 4.5 (moderate mitigation scenario) and 8.5 (no mitigation scenario). Each simulation is forced by a climatology of atmospheric forcing fields calculated over these 20 year periods and the winds are augmented with high frequency variability, which introduces a small amount of interannual variability. Model outputs are averaged over 3 successive years of simulation (the last 3, following an equilibration period); standard deviation among the 3 years is available upon request. For each simulation, the dataset includes the air-sea carbon dioxide flux, monthly 3D fields for potential temperature, salinity, potential density, total alkalinity, dissolved inorganic carbon, nitrate, oxygen, pH, total chlorophyll, aragonite saturation state, total primary production, and monthly maximum and minimum values for oxygen, pH, and potential temperature. The data includes 50 vertical levels at a 1/36 degree spatial resolution and a mask is provided that indicates regions where these data should be used cautiously or not at all. For a more detailed description please refer to Holdsworth et al. 2021.

The data available here are the outputs of NEP36-CanOE_RCP 4.5; a projection of the 2046-2065 climate for the moderate mitigation scenario RCP 4.5.

Methods:

This study uses a multi-stage downscaling approach to dynamically downscale global climate projections at a 1/36° (1.5 − 2.25 km) resolution. We chose to use the second-generation Canadian Earth System model (CanESM2) because high-resolution downscaled projections of the atmosphere over the region of interest are available from the Canadian Regional Climate Model version 4 (CanRCM4). We used anomalies from CanESM2 with a resolution of about 1° at the open boundaries, and the regional atmospheric model, CanRCM4 (Scinocca et al., 2016) for the surface boundary conditions. CanRCM4 is an atmosphere only model with a 0.22° resolution and was used to downscale climate projections from CanESM2 over North America and its adjacent oceans.

The model used is computationally expensive. This is due to the relatively high number of points in the domain (715 × 1,021 × 50) and the relatively complex biogeochemical model (19 tracers). Therefore, rather than carrying out interannual simulations for the historical and future periods, we implemented a new method that uses atmospheric climatologies with augmented winds to force the ocean. We show that augmenting the winds with hourly anomalies allows for a more realistic representation of the surface freshwater distribution than using the climatologies alone.

Section 2.1 describes the ocean model that is used to estimate the historical climate and project the ocean state under future climate scenarios. The time periods are somewhat arbitrary; 1986–2005 was chosen because the Coupled Model Intercomparison Project Phase 5 (CMIP5) historical simulations end in 2005 as no community-accepted estimates of emissions were available beyond that date (Taylor et al., 2009); 2046–2065 was chosen to be far enough in the future that changes in 20 year mean fields are unambiguously due to changing GHG forcing (as opposed to model internal variability) (e.g., Christian, 2014), but near enough to be considered relevant for management purposes.

While it is true that 30 years rather than 20 is the canonical value for averaging over natural variability, in practice the difference between a 20 and a 30 year mean is small (e.g., if we average successive periods of an unforced control run, the variance among 20 year means will be only slightly larger than for 30 year means). Also, there is concern that longer averaging periods are inappropriate in a non-stationary climate (Livezey et al., 2007; Arguez and Vose, 2011). We chose 20 year periods because they are adequate to give a mean annual cycle with little influence from natural variability, while minimizing aliasing of the secular trend into the means. As the midpoints of the two time periods are separated by 60 years, the contribution of natural variability to the differences between the historical and future simulations is negligible e.g., (Hawkins and Sutton, 2009; Frölicher et al., 2016).

Section 2.2 describes how climatologies derived from observations were used for the initialization and open boundary conditions for the historical simulations and pseudo-climatologies were used for the future scenarios. The limited availability of observations means that the years used for these climatologies differs somewhat from the historical and future periods. Section 2.3 details the atmospheric forcing fields and the method that we developed to generate winds with realistic high-frequency variability while preserving the daily climatological means from the CanRCM4 data. Section 2.4 shows the equilibration of key modeled variables to the forcing conditions

Data Sources:

Model output

Uncertainties:

These climate projections are downscaled from a single global climate model (CanESM2/CanRCM4) because the cost of ensembles is presently prohibitive. Our experimental design uses climatological forcing for each time period so the differences between them are almost entirely due to anthropogenic forcing with little effect of natural variability.

Learn more or download this dataset from the Government of Canada's Open data portal.

Description:

Cet ensemble de données est constitué de trois simulations du modèle des écosystèmes de l’océan canadien du Pacifique Nord-Est (NEP36-CanOE), à savoir une configuration du NEMO (Nucleus for European Modelling of the Ocean), V3.6. La simulation historique est une estimation du climat moyen pour la période allant de 1986 à 2005. Les simulations futures permettront de projeter le climat moyen pour la période allant de 2046 à 2065 pour des profils représentatifs d’évolution de concentration (RCP) de 4,5 (scénario d’atténuation modérée) et de 8,5 (scénario d’absence d’atténuation). Chaque simulation est forcée par une climatologie de champs de forçage atmosphérique calculée sur ces périodes de 20 ans, et les vents sont augmentés d’une variabilité à haute fréquence, ce qui introduit une petite quantité de variabilité interannuelle. La moyenne des sorties du modèle est calculée sur trois années successives de simulation (les trois dernières, suivant une période d’équilibre); l’écart-type entre les trois années est disponible sur demande. Pour chaque simulation, l’ensemble de données comprend le flux de dioxyde de carbone air-mer, les champs en 3D mensuels pour la température potentielle, la salinité, la densité potentielle, l’alcalinité totale, le carbone inorganique dissous, le nitrate, l’oxygène, le pH, la chlorophylle totale, l’état de saturation de l’aragonite, la production primaire totale, et les valeurs maximales et minimales mensuelles pour l’oxygène, le pH et la température potentielle. Les données comprennent 50 niveaux verticaux à une résolution spatiale de 1/36 degrés, et un masque est fourni pour indiquer les régions où ces données doivent être utilisées avec prudence ou pas du tout. Pour une description plus détaillée, veuillez vous référer à Holdsworth et al. 2021.

Les données disponibles ici sont les résultats de l’exécution de NEP36-CanOE_RCP 4,5; une projection du climat pour la période allant de 2046 à 2065 pour le scénario d’atténuation modérée, RCP de 4,5.

Méthodes:

Cette étude utilise une méthode de réduction d’échelle à plusieurs étapes pour réduire de façon dynamique les projections climatiques globales à une résolution de 1/36° (1,5 − 2,25 km). Nous avons choisi d’utiliser le modèle du système terrestre canadien de deuxième génération (CanESM2), car les projections mises à l’échelle à haute résolution de l’atmosphère dans la région d’intérêt sont accessibles dans la 4e version du modèle régional canadien du climat (CanRCM4). Nous avons utilisé des anomalies de CanESM2 avec une résolution d’environ 1° aux limites ouvertes et le modèle régional atmosphérique, CanRCM4 (Scinocca et al. 2016), pour les conditions de limite de surface. CanRCM4 est un modèle atmosphérique seulement avec une résolution de 0,22°. Il a été utilisé pour la mise à l’échelle des projections climatiques obtenues à l’aide de CanESM2 pour l’Amérique du Nord et les océans qui la bordent.

Le modèle utilisé est très coûteux sur le plan informatique en raison du nombre assez élevé de points dans le domaine (715 × 1 021 × 50) et du modèle biogéochimique relativement complexe (19 traceurs). Par conséquent, plutôt que de réaliser des simulations interannuelles pour les périodes historiques et futures, nous avons mis en œuvre une nouvelle méthode qui est fondée sur des données climatologiques de l’atmosphère avec des vents augmentés pour forcer l’océan. Nous démontrons que l’augmentation des vents avec des anomalies horaires offre une représentation plus réaliste de la répartition de l’eau douce que l’utilisation de données climatologiques seulement.

La section 2.1 décrit le modèle océanique utilisé pour estimer le climat historique et prévoir l’état océanique selon des scénarios climatiques futurs. Les périodes sont quelque peu arbitraires; celle allant de 1986 à 2005 a été choisie parce que les simulations historiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) se terminent en 2005, puisqu’aucune estimation des émissions acceptée par la communauté n’était disponible après cette date (Taylor et al. 2009); celle allant de 2046 à 2065 a été choisie parce qu’elle se situait assez loin dans l’avenir pour que les changements dans les champs moyens sur 20 ans soient clairement dus à la modification du forçage des GES (contrairement à la variabilité interne du modèle) (p. ex. Christian 2014), mais dans un horizon suffisamment près pour être considérée comme pertinente aux fins de gestion.

Bien qu’il soit vrai qu’une période de 30 ans au lieu de 20 ans représente la valeur canonique permettant le calcul de la moyenne de la variabilité naturelle, en pratique, la différence entre une moyenne de 20 ans et de 30 ans est faible (p. ex. si nous faisons la moyenne de périodes successives d’un passage de contrôle non forcé, l’écart entre les moyennes de 20 ans sera légèrement plus élevé que celles de 30 ans). De plus, on craint que les périodes de calcul plus longues ne conviennent pas dans un climat déréglé (Livezey et al. 2007; Arguez et Vose 2011). Nous avons choisi des périodes de 20 ans parce qu’elles permettent le calcul d’un cycle annuel moyen avec peu d’influence de la variabilité naturelle, tout en réduisant au minimum l’aliénation des variations séculaires dans les moyennes. Puisque les points milieux des deux périodes sont séparés de 60 ans, la contribution de la variabilité naturelle dans les différences entre les simulations historiques et futures est négligeable (Hawkins et Sutton 2009; Frölicher et al. 2016).

La section 2.2 décrit comment les données climatologiques découlant des observations ont été utilisées aux fins de l’initialisation et comment les conditions de limites ouvertes ont été utilisées dans le cadre des simulations historiques et de la collecte de données pseudo-climatologiques aux fins des scénarios futurs. La disponibilité limitée des observations signifie que les années utilisées pour ces données climatologiques diffèrent quelque peu des périodes historiques et futures. La section 2.3 décrit en détail les champs de forçage atmosphérique et la méthode que nous avons élaborée pour générer des vents présentant une variabilité de haute fréquence réaliste tout en continuant d’utiliser les moyennes climatologiques quotidiennes des données de CanRCM4. La section 2.4 montre l’équilibrage des principales variables modélisées par rapport aux conditions de forçage.

Sources de données :

Résultats produits par le modèle

Incertitudes :

Ces projections climatiques sont ramenées à une plus petite échelle à partir d’un modèle climatique mondial unique (CanESM2/CanESM4), car le coût des ensembles est actuellement prohibitif. Notre conception expérimentale emploie des données de forçage climatologique pour chaque période de sorte que les différences entre elles sont presque entièrement dues au forçage anthropique et la variabilité naturelle a peu d’incidence.

Apprenez-en plus ou téléchargez cet ensemble de données à partir du portail de données ouvertes du gouvernement du Canada.

Description:

This dataset consists of three simulations from the Northeastern Pacific Canadian Ocean Ecosystem Model (NEP36-CanOE) which is a configuration of the Nucleus for European Modelling of the Ocean (NEMO) V3.6. The historical simulation is an estimate of the 1986-2005 mean climate. The future simulations project the 2046-2065 mean climate for representative concentration pathways (RCP) 4.5 (moderate mitigation scenario) and 8.5 (no mitigation scenario). Each simulation is forced by a climatology of atmospheric forcing fields calculated over these 20 year periods and the winds are augmented with high frequency variability, which introduces a small amount of interannual variability. Model outputs are averaged over 3 successive years of simulation (the last 3, following an equilibration period); standard deviation among the 3 years is available upon request. For each simulation, the dataset includes the air-sea carbon dioxide flux, monthly 3D fields for potential temperature, salinity, potential density, total alkalinity, dissolved inorganic carbon, nitrate, oxygen, pH, total chlorophyll, aragonite saturation state, total primary production, and monthly maximum and minimum values for oxygen, pH, and potential temperature. The data includes 50 vertical levels at a 1/36 degree spatial resolution and a mask is provided that indicates regions where these data should be used cautiously or not at all. For a more detailed description please refer to Holdsworth et al. 2021.

The data available here are the outputs of NEP36-CanOE_RCP 4.5; a projection of the 2046-2065 climate for the moderate mitigation scenario RCP 4.5.

Methods:

This study uses a multi-stage downscaling approach to dynamically downscale global climate projections at a 1/36° (1.5 − 2.25 km) resolution. We chose to use the second-generation Canadian Earth System model (CanESM2) because high-resolution downscaled projections of the atmosphere over the region of interest are available from the Canadian Regional Climate Model version 4 (CanRCM4). We used anomalies from CanESM2 with a resolution of about 1° at the open boundaries, and the regional atmospheric model, CanRCM4 (Scinocca et al., 2016) for the surface boundary conditions. CanRCM4 is an atmosphere only model with a 0.22° resolution and was used to downscale climate projections from CanESM2 over North America and its adjacent oceans.

The model used is computationally expensive. This is due to the relatively high number of points in the domain (715 × 1,021 × 50) and the relatively complex biogeochemical model (19 tracers). Therefore, rather than carrying out interannual simulations for the historical and future periods, we implemented a new method that uses atmospheric climatologies with augmented winds to force the ocean. We show that augmenting the winds with hourly anomalies allows for a more realistic representation of the surface freshwater distribution than using the climatologies alone.

Section 2.1 describes the ocean model that is used to estimate the historical climate and project the ocean state under future climate scenarios. The time periods are somewhat arbitrary; 1986–2005 was chosen because the Coupled Model Intercomparison Project Phase 5 (CMIP5) historical simulations end in 2005 as no community-accepted estimates of emissions were available beyond that date (Taylor et al., 2009); 2046–2065 was chosen to be far enough in the future that changes in 20 year mean fields are unambiguously due to changing GHG forcing (as opposed to model internal variability) (e.g., Christian, 2014), but near enough to be considered relevant for management purposes.

While it is true that 30 years rather than 20 is the canonical value for averaging over natural variability, in practice the difference between a 20 and a 30 year mean is small (e.g., if we average successive periods of an unforced control run, the variance among 20 year means will be only slightly larger than for 30 year means). Also, there is concern that longer averaging periods are inappropriate in a non-stationary climate (Livezey et al., 2007; Arguez and Vose, 2011). We chose 20 year periods because they are adequate to give a mean annual cycle with little influence from natural variability, while minimizing aliasing of the secular trend into the means. As the midpoints of the two time periods are separated by 60 years, the contribution of natural variability to the differences between the historical and future simulations is negligible e.g., (Hawkins and Sutton, 2009; Frölicher et al., 2016).

Section 2.2 describes how climatologies derived from observations were used for the initialization and open boundary conditions for the historical simulations and pseudo-climatologies were used for the future scenarios. The limited availability of observations means that the years used for these climatologies differs somewhat from the historical and future periods. Section 2.3 details the atmospheric forcing fields and the method that we developed to generate winds with realistic high-frequency variability while preserving the daily climatological means from the CanRCM4 data. Section 2.4 shows the equilibration of key modeled variables to the forcing conditions

Data Sources:

Model output

Uncertainties:

These climate projections are downscaled from a single global climate model (CanESM2/CanRCM4) because the cost of ensembles is presently prohibitive. Our experimental design uses climatological forcing for each time period so the differences between them are almost entirely due to anthropogenic forcing with little effect of natural variability.

Learn more or download this dataset from the Government of Canada's Open data portal.

Description:

Cet ensemble de données est constitué de trois simulations du modèle des écosystèmes de l’océan canadien du Pacifique Nord-Est (NEP36-CanOE), à savoir une configuration du NEMO (Nucleus for European Modelling of the Ocean), V3.6. La simulation historique est une estimation du climat moyen pour la période allant de 1986 à 2005. Les simulations futures permettront de projeter le climat moyen pour la période allant de 2046 à 2065 pour des profils représentatifs d’évolution de concentration (RCP) de 4,5 (scénario d’atténuation modérée) et de 8,5 (scénario d’absence d’atténuation). Chaque simulation est forcée par une climatologie de champs de forçage atmosphérique calculée sur ces périodes de 20 ans, et les vents sont augmentés d’une variabilité à haute fréquence, ce qui introduit une petite quantité de variabilité interannuelle. La moyenne des sorties du modèle est calculée sur trois années successives de simulation (les trois dernières, suivant une période d’équilibre); l’écart-type entre les trois années est disponible sur demande. Pour chaque simulation, l’ensemble de données comprend le flux de dioxyde de carbone air-mer, les champs en 3D mensuels pour la température potentielle, la salinité, la densité potentielle, l’alcalinité totale, le carbone inorganique dissous, le nitrate, l’oxygène, le pH, la chlorophylle totale, l’état de saturation de l’aragonite, la production primaire totale, et les valeurs maximales et minimales mensuelles pour l’oxygène, le pH et la température potentielle. Les données comprennent 50 niveaux verticaux à une résolution spatiale de 1/36 degrés, et un masque est fourni pour indiquer les régions où ces données doivent être utilisées avec prudence ou pas du tout. Pour une description plus détaillée, veuillez vous référer à Holdsworth et al. 2021.

Les données disponibles ici sont les résultats de l’exécution de NEP36-CanOE_RCP 4,5; une projection du climat pour la période allant de 2046 à 2065 pour le scénario d’atténuation modérée, RCP de 4,5.

Méthodes:

Cette étude utilise une méthode de réduction d’échelle à plusieurs étapes pour réduire de façon dynamique les projections climatiques globales à une résolution de 1/36° (1,5 − 2,25 km). Nous avons choisi d’utiliser le modèle du système terrestre canadien de deuxième génération (CanESM2), car les projections mises à l’échelle à haute résolution de l’atmosphère dans la région d’intérêt sont accessibles dans la 4e version du modèle régional canadien du climat (CanRCM4). Nous avons utilisé des anomalies de CanESM2 avec une résolution d’environ 1° aux limites ouvertes et le modèle régional atmosphérique, CanRCM4 (Scinocca et al. 2016), pour les conditions de limite de surface. CanRCM4 est un modèle atmosphérique seulement avec une résolution de 0,22°. Il a été utilisé pour la mise à l’échelle des projections climatiques obtenues à l’aide de CanESM2 pour l’Amérique du Nord et les océans qui la bordent.

Le modèle utilisé est très coûteux sur le plan informatique en raison du nombre assez élevé de points dans le domaine (715 × 1 021 × 50) et du modèle biogéochimique relativement complexe (19 traceurs). Par conséquent, plutôt que de réaliser des simulations interannuelles pour les périodes historiques et futures, nous avons mis en œuvre une nouvelle méthode qui est fondée sur des données climatologiques de l’atmosphère avec des vents augmentés pour forcer l’océan. Nous démontrons que l’augmentation des vents avec des anomalies horaires offre une représentation plus réaliste de la répartition de l’eau douce que l’utilisation de données climatologiques seulement.

La section 2.1 décrit le modèle océanique utilisé pour estimer le climat historique et prévoir l’état océanique selon des scénarios climatiques futurs. Les périodes sont quelque peu arbitraires; celle allant de 1986 à 2005 a été choisie parce que les simulations historiques de la phase 5 du projet d’intercomparaison de modèles couplés (CMIP5) se terminent en 2005, puisqu’aucune estimation des émissions acceptée par la communauté n’était disponible après cette date (Taylor et al. 2009); celle allant de 2046 à 2065 a été choisie parce qu’elle se situait assez loin dans l’avenir pour que les changements dans les champs moyens sur 20 ans soient clairement dus à la modification du forçage des GES (contrairement à la variabilité interne du modèle) (p. ex. Christian 2014), mais dans un horizon suffisamment près pour être considérée comme pertinente aux fins de gestion.

Bien qu’il soit vrai qu’une période de 30 ans au lieu de 20 ans représente la valeur canonique permettant le calcul de la moyenne de la variabilité naturelle, en pratique, la différence entre une moyenne de 20 ans et de 30 ans est faible (p. ex. si nous faisons la moyenne de périodes successives d’un passage de contrôle non forcé, l’écart entre les moyennes de 20 ans sera légèrement plus élevé que celles de 30 ans). De plus, on craint que les périodes de calcul plus longues ne conviennent pas dans un climat déréglé (Livezey et al. 2007; Arguez et Vose 2011). Nous avons choisi des périodes de 20 ans parce qu’elles permettent le calcul d’un cycle annuel moyen avec peu d’influence de la variabilité naturelle, tout en réduisant au minimum l’aliénation des variations séculaires dans les moyennes. Puisque les points milieux des deux périodes sont séparés de 60 ans, la contribution de la variabilité naturelle dans les différences entre les simulations historiques et futures est négligeable (Hawkins et Sutton 2009; Frölicher et al. 2016).

La section 2.2 décrit comment les données climatologiques découlant des observations ont été utilisées aux fins de l’initialisation et comment les conditions de limites ouvertes ont été utilisées dans le cadre des simulations historiques et de la collecte de données pseudo-climatologiques aux fins des scénarios futurs. La disponibilité limitée des observations signifie que les années utilisées pour ces données climatologiques diffèrent quelque peu des périodes historiques et futures. La section 2.3 décrit en détail les champs de forçage atmosphérique et la méthode que nous avons élaborée pour générer des vents présentant une variabilité de haute fréquence réaliste tout en continuant d’utiliser les moyennes climatologiques quotidiennes des données de CanRCM4. La section 2.4 montre l’équilibrage des principales variables modélisées par rapport aux conditions de forçage.

Sources de données :

Résultats produits par le modèle

Incertitudes :

Ces projections climatiques sont ramenées à une plus petite échelle à partir d’un modèle climatique mondial unique (CanESM2/CanESM4), car le coût des ensembles est actuellement prohibitif. Notre conception expérimentale emploie des données de forçage climatologique pour chaque période de sorte que les différences entre elles sont presque entièrement dues au forçage anthropique et la variabilité naturelle a peu d’incidence.

Apprenez-en plus ou téléchargez cet ensemble de données à partir du portail de données ouvertes du gouvernement du Canada.