Canadian Large Ensembles Adjusted Dataset version 1 (CanLEADv1)
The dataset contains large ensembles of bias adjusted daily climate model outputs of minimum temperature, maximum temperature, precipitation, relative humidity, surface pressure, wind speed, incoming shortwave radiation, and incoming longwave radiation on a 0.5-degree grid over North America. Intended uses include hydrological/land surface impact modelling and related event attribution studies.
The CanLEADv1 dataset is based on archived climate model simulations in the Canadian Regional Climate Model Large Ensemble (CanRCM4 LE) https://open.canada.ca/data/en/dataset/83aa1b18-6616-405e-9bce-af7ef8c2031c and Canadian Earth System Model Large Ensembles (CanESM2 LE) https://open.canada.ca/data/en/dataset/aa7b6823-fd1e-49ff-a6fb-68076a4a477c datasets.
Specifically, CanLEADv1 provides bias adjusted daily climate variables over North America derived from 50 member initial condition ensembles of CanESM2 (ALL and NAT radiative forcings) and CanESM2-driven CanRCM4 (ALL radiative forcings) simulations (Scinocca et al., 2016; Fyfe et al., 2017). Raw CanESM2 LE and CanRCM4 LE outputs are bias adjusted (Cannon, 2018; Cannon et al., 2015) so that they are statistically consistent with two observationally-constrained historical meteorological forcing datasets (S14FD, Iizumi et al., 2017; EWEMBI, Lange, 2018).
File names, formats, and metadata headers follow the recommended Data Reference Syntax for bias-adjusted Coordinated Regional Downscaling Experiment (CORDEX) simulations (Nikulin and Legutke, 2016).
Multiple initial condition simulations can be used to investigate the externally forced response, internal variability, and the relative role of external forcing and internal variability on the climate system (e.g., Fyfe et al., 2017). Large ensembles of ALL and NAT simulations can be compared in event attribution studies (e.g., Kirchmeier-Young et al., 2017). Availability of bias adjusted outputs from the CanESM2-CanRCM4 modelling system can be used to investigate the added value of dynamical downscaling (Scinocca et al., 2016). Multiple observational datasets are used for bias adjustment to partly account for observational uncertainty (Iizumi et al., 2017).
For CanESM2 LE, there are two sets of radiative forcing scenarios (ALL, which consists of historical and RCP8.5 forcings for the periods 1950-2005 and 2006-2100, respectively, and NAT, which consists of historicalNat forcings for the period 1950-2020), two observationally-constrained target datasets for bias adjustment (S14FD and EWEMBI), and 50 ensemble members, which gives a total of 2 × 2 × 50 = 200 sets of outputs. For CanRCM4 LE, historicalNat simulations were not run; hence, there are 2 × 50 = 100 sets of outputs. In both cases, CanLEADv1 provides variables on the CORDEX NAM-44i 0.5-degree grid. CanESM2 outputs (~2.8-degree grid) and CanRCM4 outputs (0.44-degree grid), are bilinearly interpolated onto the NAM-44i grid before bias adjustment.
A multivariate version of quantile mapping (Cannon, 2018) is used to adjust the distribution of each simulated variable, as well as the statistical dependence between variables, so that these properties match those of the target observational dataset. Bias adjustment is performed on a grid cell by grid cell basis. Outside of the historical calibration period, the climate change signal simulated by the climate model is preserved (Cannon et al., 2015).
References:
Cannon, A. J. (2018). Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables. Climate Dynamics, 50(1-2), 31-49.
Cannon, A. J., Sobie, S. R., & Murdock, T. Q. (2015). Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes? Journal of Climate, 28(17), 6938-6959.
Fyfe, J. C., Derksen, C., Mudryk, L., Flato, G. M., Santer, B. D., Swart, N. C., Molotch, N. P., Zhang, X., Wan, H., Arora, V. K., Scinocca, J., & Jiao, Y. (2017). Large near-term projected snowpack loss over the western United States. Nature Communications, 8, 14996.
Iizumi, T., Takikawa, H., Hirabayashi, Y., Hanasaki, N., & Nishimori, M. (2017). Contributions of different bias-correction methods and reference meteorological forcing data sets to uncertainty in projected temperature and precipitation extremes. Journal of Geophysical Research: Atmospheres, 122(15), 7800-7819.
Kirchmeier-Young, M. C., Zwiers, F. W., Gillett, N. P., & Cannon, A. J. (2017). Attributing extreme fire risk in Western Canada to human emissions. Climatic Change, 144(2), 365-379.
Lange, S. (2018). Bias correction of surface downwelling longwave and shortwave radiation for the EWEMBI dataset. Earth System Dynamics, 9(2), 627-645.
Nikulin, G., & Legutke, S. (2016). Data Reference Syntax (DRS) for bias-adjusted CORDEX simulations. https://is-enes-data.github.io/CORDEX_adjust_drs.pdf
Scinocca, J. F., Kharin, V. V., Jiao, Y., Qian, M. W., Lazare, M., Solheim, L., Flato, G. M., Biner, S., Desgagne, & Dugas, B. (2016). Coordinated global and regional climate modeling. Journal of Climate, 29(1), 17-35.
Jeux de données disponibles au téléchargement
Informations supplémentaires
| Champ | Valeur |
|---|---|
| Dernière mise à jour | octobre 20, 2025, 03:06 (TU) |
| Créé | octobre 20, 2025, 03:06 (TU) |
|
Domaine / Sujet
Domaine ou sujet du jeu de données catalogué.
|
|
|
Titre
Titre du jeu de données.
|
Canadian Large Ensembles Adjusted Dataset version 1 (CanLEADv1) |
|
Description
Une description du jeu de données.
|
The dataset contains large ensembles of bias adjusted daily climate model outputs of minimum temperature, maximum temperature, precipitation, relative humidity, surface pressure, wind speed, incoming shortwave radiation, and incoming longwave radiation on a 0.5-degree grid over North America. Intended uses include hydrological/land surface impact modelling and related event attribution studies. The CanLEADv1 dataset is based on archived climate model simulations in the Canadian Regional Climate Model Large Ensemble (CanRCM4 LE) https://open.canada.ca/data/en/dataset/83aa1b18-6616-405e-9bce-af7ef8c2031c and Canadian Earth System Model Large Ensembles (CanESM2 LE) https://open.canada.ca/data/en/dataset/aa7b6823-fd1e-49ff-a6fb-68076a4a477c datasets. Specifically, CanLEADv1 provides bias adjusted daily climate variables over North America derived from 50 member initial condition ensembles of CanESM2 (ALL and NAT radiative forcings) and CanESM2-driven CanRCM4 (ALL radiative forcings) simulations (Scinocca et al., 2016; Fyfe et al., 2017). Raw CanESM2 LE and CanRCM4 LE outputs are bias adjusted (Cannon, 2018; Cannon et al., 2015) so that they are statistically consistent with two observationally-constrained historical meteorological forcing datasets (S14FD, Iizumi et al., 2017; EWEMBI, Lange, 2018). File names, formats, and metadata headers follow the recommended Data Reference Syntax for bias-adjusted Coordinated Regional Downscaling Experiment (CORDEX) simulations (Nikulin and Legutke, 2016). Multiple initial condition simulations can be used to investigate the externally forced response, internal variability, and the relative role of external forcing and internal variability on the climate system (e.g., Fyfe et al., 2017). Large ensembles of ALL and NAT simulations can be compared in event attribution studies (e.g., Kirchmeier-Young et al., 2017). Availability of bias adjusted outputs from the CanESM2-CanRCM4 modelling system can be used to investigate the added value of dynamical downscaling (Scinocca et al., 2016). Multiple observational datasets are used for bias adjustment to partly account for observational uncertainty (Iizumi et al., 2017). For CanESM2 LE, there are two sets of radiative forcing scenarios (ALL, which consists of historical and RCP8.5 forcings for the periods 1950-2005 and 2006-2100, respectively, and NAT, which consists of historicalNat forcings for the period 1950-2020), two observationally-constrained target datasets for bias adjustment (S14FD and EWEMBI), and 50 ensemble members, which gives a total of 2 × 2 × 50 = 200 sets of outputs. For CanRCM4 LE, historicalNat simulations were not run; hence, there are 2 × 50 = 100 sets of outputs. In both cases, CanLEADv1 provides variables on the CORDEX NAM-44i 0.5-degree grid. CanESM2 outputs (~2.8-degree grid) and CanRCM4 outputs (0.44-degree grid), are bilinearly interpolated onto the NAM-44i grid before bias adjustment. A multivariate version of quantile mapping (Cannon, 2018) is used to adjust the distribution of each simulated variable, as well as the statistical dependence between variables, so that these properties match those of the target observational dataset. Bias adjustment is performed on a grid cell by grid cell basis. Outside of the historical calibration period, the climate change signal simulated by the climate model is preserved (Cannon et al., 2015). References: Cannon, A. J. (2018). Multivariate quantile mapping bias correction: an N-dimensional probability density function transform for climate model simulations of multiple variables. Climate Dynamics, 50(1-2), 31-49. Cannon, A. J., Sobie, S. R., & Murdock, T. Q. (2015). Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes? Journal of Climate, 28(17), 6938-6959. Fyfe, J. C., Derksen, C., Mudryk, L., Flato, G. M., Santer, B. D., Swart, N. C., Molotch, N. P., Zhang, X., Wan, H., Arora, V. K., Scinocca, J., & Jiao, Y. (2017). Large near-term projected snowpack loss over the western United States. Nature Communications, 8, 14996. Iizumi, T., Takikawa, H., Hirabayashi, Y., Hanasaki, N., & Nishimori, M. (2017). Contributions of different bias-correction methods and reference meteorological forcing data sets to uncertainty in projected temperature and precipitation extremes. Journal of Geophysical Research: Atmospheres, 122(15), 7800-7819. Kirchmeier-Young, M. C., Zwiers, F. W., Gillett, N. P., & Cannon, A. J. (2017). Attributing extreme fire risk in Western Canada to human emissions. Climatic Change, 144(2), 365-379. Lange, S. (2018). Bias correction of surface downwelling longwave and shortwave radiation for the EWEMBI dataset. Earth System Dynamics, 9(2), 627-645. Nikulin, G., & Legutke, S. (2016). Data Reference Syntax (DRS) for bias-adjusted CORDEX simulations. https://is-enes-data.github.io/CORDEX_adjust_drs.pdf Scinocca, J. F., Kharin, V. V., Jiao, Y., Qian, M. W., Lazare, M., Solheim, L., Flato, G. M., Biner, S., Desgagne, & Dugas, B. (2016). Coordinated global and regional climate modeling. Journal of Climate, 29(1), 17-35. |
|
Étiquettes / Mots-clés
Mots-clés/étiquettes catégorisant le jeu de données.
|
|
|
Format (CSV, XLS, TXT, PDF, etc.)
Format de fichier du jeu de données.
|
|
|
Taille du jeu de données
Taille du jeu de données en mégaoctets.
|
|
|
Identifiant des métadonnées
Identifiant des métadonnées — peut être utilisé comme identifiant unique pour l’entrée du catalogue.
|
|
|
Date de publication
Date de publication du jeu de données.
|
2019-11-18 |
|
Période temporelle des données (date de début)
Date de début des données dans le jeu de données.
|
|
|
Période temporelle des données (date de fin)
Date de fin des données temporelles du jeu de données.
|
|
|
Zone géospatiale couverte
Région spatiale ou lieu nommé couvert par le jeu de données.
|
| Champ | Valeur |
|---|---|
|
Catégorie d’accès
Type d’accès accordé pour le jeu de données (ouvert, restreint, service, etc.).
|
|
|
Licence
Licence utilisée pour accéder au jeu de données.
|
Open Government Licence - Canada |
|
Restrictions d’utilisation
Restrictions d’utilisation des données.
|
|
|
Emplacement
Emplacement du jeu de données.
|
https://open.canada.ca/data/en/dataset/a97edbc1-7fda-4ebc-b135-691505d9a595 |
|
Service de données
Service de données pour accéder à un jeu de données.
|
|
|
Propriétaire
Propriétaire du jeu de données.
|
Environment and Climate Change Canada | Environnement et Changement climatique Canada |
|
Point de contact
Qui contacter concernant l’accès ?
|
Government of Canada; Environment and Climate Change Canada, 1-800-668-6767, [email protected] |
|
Courriel du point de contact
Courriel à utiliser pour l’accès ?
|
|
|
Éditeur
Éditeur du jeu de données.
|
|
|
Courriel de l’éditeur
Adresse courriel de l’éditeur.
|
[email protected] |
|
Auteur
Auteur du jeu de données.
|
|
|
Courriel de l'auteur
Adresse courriel de l’auteur.
|
|
|
Date d’accès
Date à laquelle les données et métadonnées ont été consultées.
|
| Champ | Valeur |
|---|---|
|
Identifiant
Identifiant unique du jeu de données.
|
|
|
Langue
Langue(s) du jeu de données
|
|
|
Lien vers la description du jeu de données
Une URL vers un document externe décrivant le jeu de données.
|
|
|
Identifiant persistant
Les données sont identifiées par un identifiant persistant.
|
|
|
Identifiant globalement unique
Les données sont identifiées par un identifiant persistant et globalement unique.
|
|
|
Contient des données sur des individus
Le jeu de données contient-il des données sur des individus ?
|
|
|
Contient des données identifiables sur des individus
Le jeu de données contient-il des données identifiables sur des individus ?
|
|
|
Contient des données autochtones
Le jeu de données contient-il des données sur des communautés autochtones ?
|
|
|
Type de portail
Type de plateforme du portail source.
|
| Champ | Valeur |
|---|---|
|
Version
Version du jeu de données
|
None |
|
Source
Source du jeu de données.
|
None |
|
Notes de version
Notes de version à propos du jeu de données.
|
|
|
Est une version d’un autre jeu de données
Lien vers le jeu de données dont celui-ci est une version.
|
|
|
Autres versions
Lien vers les jeux de données qui en sont des versions.
|
|
|
Texte de provenance
Texte de provenance des données.
|
|
|
URL de provenance
URL de provenance des données.
|
|
|
Résolution temporelle
Décrit la granularité des données temporelles dans le jeu de données.
|
|
|
Résolution géospatiale en mètres
Décrit la granularité (en mètres) des données géospatiales dans le jeu de données.
|
|
|
Résolution géospatiale (par régions)
Décrit la granularité (par régions) des données géospatiales dans le jeu de données.
|
| Champ | Valeur |
|---|---|
|
Permission de la communauté autochtone
Qui détient la permission de la communauté autochtone. Qui contacter pour l’accès à un jeu de données concernant des communautés autochtones.
|
|
|
Permission communautaire
Permission communautaire (qui a accordé la permission).
|
|
|
Les communautés autochtones concernées par le jeu de données
Communautés autochtones dont sont issues les données.
|
| Champ | Valeur |
|---|---|
|
Nombre de lignes de données
Pour un jeu de données tabulaire, nombre total de lignes.
|
|
|
Nombre de colonnes de données
Pour un jeu de données tabulaire, nombre total de colonnes uniques.
|
|
|
Nombre de cellules de données
Pour un jeu de données tabulaire, nombre total de cellules contenant des données.
|
|
|
Nombre de relations de données
Pour un jeu de données RDF, nombre total de triplets.
|
|
|
Nombre d’entités
Pour un jeu de données RDF, nombre total d’entités.
|
|
|
Nombre de propriétés de données
Pour un jeu de données RDF, nombre total de propriétés uniques utilisées par les triplets.
|
|
|
Qualité des données
Décrit la qualité des données du jeu de données.
|
|
|
Métrique de qualité des données
Une métrique utilisée pour mesurer la qualité des données, telle que les valeurs manquantes ou les formats invalides.
|
0 Commentaires