temperature minimum – French Translation – Keybot Dictionary

Spacer TTN Translation Network TTN TTN Login Deutsch Français Spacer Help
Source Languages Target Languages
Keybot      15 Results   9 Domains
  cfs.nrcan.gc.ca  
Show textShow cached sourceOpen source URL
Maximum Temperature Minimum Temperature Precipitation ANUCLIM Other Bioclimatic
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine cfs.nrcan.gc.ca as primary domain
Température maximal Température minimale Précipitation ANUCLIM Variables Bioclimatique
  2 Hits www.bio.gc.ca  
Show textShow cached sourceOpen source URL
Temperature minimum = maximum
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine bio.gc.ca as primary domain
Température minimum = maximum
  3 Hits www.iob.gc.ca  
Show textShow cached sourceOpen source URL
Minimum temperature - minimum daily average temperature from an individual series
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine iob.gc.ca as primary domain
Température minimale - température quotidienne moyenne minimale tirée d'une série individuelle
  2 Hits www5.agr.gc.ca  
Show textShow cached sourceOpen source URL
Stochastic weather generators are widely used for developing local climate scenarios from large-scale climate change scenarios simulated by GCMs. We used AAFC-WG, a stochastic weather generator developed at Agriculture and Agri-Food Canada (AAFC), to develop daily climate scenarios for the time period 2040-2069 for the agricultural regions of Canada, based on 4 climate change simulations conducted by global climate models CGCM3, HadCM3, ECHAM5/MPI-OM and CSIRO-Mk3.5. Annual and growing season (1 May to 30 September) extreme daily values of maximum temperature, minimum temperature and precipitation were estimated from these scenarios on fine grids (0.5° latitude x 0.5° longitude) and from direct daily global climate model (GCM) outputs on coarse grids (~2.8° latitude x 2.8° longitude for CGCM3, 2.5° latitude x 3.75° longitude for HadCM3, and ~1.865° latitude x 1.875° longitude for ECHAM5/MPI-OM and CSIRO-Mk3.5). Compared with the corresponding values from direct GCM outputs, the extremes from daily climate scenarios generated by the AAFC-WG provided more detail at the finer spatial scale. Although the spatial patterns of the changes in climate extremes were often similar, actual values of the extremes from localized scenarios may be more reliable than those from direct GCM outputs since climate extremes under the present climate were not often realistically reproduced by the GCMs studied here. It is understood that the actual values are important as they provide the basis for climate change impact studies and the development of adaptation strategies.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine www5.agr.gc.ca as primary domain
Les générateurs stochastiques de conditions météorologiques sont beaucoup utilisés pour élaborer des scénarios climatiques locaux à partir des scénarios de changement climatique à grande échelle simulés par les modèles climatiques mondiaux (MCM). Nous avons utilisé le générateur stochastique AAFC-WG, mis au point par Agriculture et Agroalimentaire Canada (AAC), afin d’élaborer des scénarios climatiques quotidiens pour la période 2040-2069 pour les régions agricoles du Canada, selon quatre simulations de changement climatique effectuées par les MCM CGCM3, HadCM3, ECHAM5/MPI-OM et CSIRO-Mk3.5. Nous avons estimé les valeurs quotidiennes extrêmes - température maximale, température minimale et précipitations - pour l’année et la saison de croissance (du premier mai au trente septembre) sur des grilles à résolution fine(0,5 degré en latitude et 0,5 degré en longitude) à partir de ces scénarios, et sur des grilles à résolution grossière (~2,8 degrés en latitude et 2,8 degrés en longitude pour le CGCM3, 2,5 degrés en latitude et 3,75 degrés en longitude pour le HadCM3, et ~1,865 degré en latitude et 1,875 degré en longitude pour le ECHAM5/MPI-OM et le CSIRO-Mk3.5) à partir des données de sortie quotidiennes directes des MCM. Comparativement aux valeurs correspondantes provenant des données de sortie directes des MCM, les valeurs extrêmes provenant des scénarios climatiques quotidiens produits par le modèle AAFC-WG fournissaient plus de détails à échelle plus fine. Bien que les profils spatiaux des variations des valeurs climatiques extrêmes aient souvent été semblables, les valeurs extrêmes réelles provenant des scénarios locaux pourraient être plus fiables que celles provenant des données de sortie directes des MCM, puisque les extrêmes climatiques n’étaient pas souvent reproduits de façon réaliste par les MCM étudiés. On sait que les valeurs réelles sont importantes, car elles constituent le fondement des études sur les répercussions du changement climatique et de l’élaboration de stratégies d’adaptation.
  2 Hits www.listeriosis-listeriose.investigation-enquete.gc.ca  
Show textShow cached sourceOpen source URL
Stochastic weather generators are widely used for developing local climate scenarios from large-scale climate change scenarios simulated by GCMs. We used AAFC-WG, a stochastic weather generator developed at Agriculture and Agri-Food Canada (AAFC), to develop daily climate scenarios for the time period 2040-2069 for the agricultural regions of Canada, based on 4 climate change simulations conducted by global climate models CGCM3, HadCM3, ECHAM5/MPI-OM and CSIRO-Mk3.5. Annual and growing season (1 May to 30 September) extreme daily values of maximum temperature, minimum temperature and precipitation were estimated from these scenarios on fine grids (0.5° latitude x 0.5° longitude) and from direct daily global climate model (GCM) outputs on coarse grids (~2.8° latitude x 2.8° longitude for CGCM3, 2.5° latitude x 3.75° longitude for HadCM3, and ~1.865° latitude x 1.875° longitude for ECHAM5/MPI-OM and CSIRO-Mk3.5). Compared with the corresponding values from direct GCM outputs, the extremes from daily climate scenarios generated by the AAFC-WG provided more detail at the finer spatial scale. Although the spatial patterns of the changes in climate extremes were often similar, actual values of the extremes from localized scenarios may be more reliable than those from direct GCM outputs since climate extremes under the present climate were not often realistically reproduced by the GCMs studied here. It is understood that the actual values are important as they provide the basis for climate change impact studies and the development of adaptation strategies.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine listeriosis-listeriose.investigation-enquete.gc.ca as primary domain
Les générateurs stochastiques de conditions météorologiques sont beaucoup utilisés pour élaborer des scénarios climatiques locaux à partir des scénarios de changement climatique à grande échelle simulés par les modèles climatiques mondiaux (MCM). Nous avons utilisé le générateur stochastique AAFC-WG, mis au point par Agriculture et Agroalimentaire Canada (AAC), afin d’élaborer des scénarios climatiques quotidiens pour la période 2040-2069 pour les régions agricoles du Canada, selon quatre simulations de changement climatique effectuées par les MCM CGCM3, HadCM3, ECHAM5/MPI-OM et CSIRO-Mk3.5. Nous avons estimé les valeurs quotidiennes extrêmes - température maximale, température minimale et précipitations - pour l’année et la saison de croissance (du premier mai au trente septembre) sur des grilles à résolution fine(0,5 degré en latitude et 0,5 degré en longitude) à partir de ces scénarios, et sur des grilles à résolution grossière (~2,8 degrés en latitude et 2,8 degrés en longitude pour le CGCM3, 2,5 degrés en latitude et 3,75 degrés en longitude pour le HadCM3, et ~1,865 degré en latitude et 1,875 degré en longitude pour le ECHAM5/MPI-OM et le CSIRO-Mk3.5) à partir des données de sortie quotidiennes directes des MCM. Comparativement aux valeurs correspondantes provenant des données de sortie directes des MCM, les valeurs extrêmes provenant des scénarios climatiques quotidiens produits par le modèle AAFC-WG fournissaient plus de détails à échelle plus fine. Bien que les profils spatiaux des variations des valeurs climatiques extrêmes aient souvent été semblables, les valeurs extrêmes réelles provenant des scénarios locaux pourraient être plus fiables que celles provenant des données de sortie directes des MCM, puisque les extrêmes climatiques n’étaient pas souvent reproduits de façon réaliste par les MCM étudiés. On sait que les valeurs réelles sont importantes, car elles constituent le fondement des études sur les répercussions du changement climatique et de l’élaboration de stratégies d’adaptation.
  2 Hits www.agr.ca  
Show textShow cached sourceOpen source URL
Stochastic weather generators are widely used for developing local climate scenarios from large-scale climate change scenarios simulated by GCMs. We used AAFC-WG, a stochastic weather generator developed at Agriculture and Agri-Food Canada (AAFC), to develop daily climate scenarios for the time period 2040-2069 for the agricultural regions of Canada, based on 4 climate change simulations conducted by global climate models CGCM3, HadCM3, ECHAM5/MPI-OM and CSIRO-Mk3.5. Annual and growing season (1 May to 30 September) extreme daily values of maximum temperature, minimum temperature and precipitation were estimated from these scenarios on fine grids (0.5° latitude x 0.5° longitude) and from direct daily global climate model (GCM) outputs on coarse grids (~2.8° latitude x 2.8° longitude for CGCM3, 2.5° latitude x 3.75° longitude for HadCM3, and ~1.865° latitude x 1.875° longitude for ECHAM5/MPI-OM and CSIRO-Mk3.5). Compared with the corresponding values from direct GCM outputs, the extremes from daily climate scenarios generated by the AAFC-WG provided more detail at the finer spatial scale. Although the spatial patterns of the changes in climate extremes were often similar, actual values of the extremes from localized scenarios may be more reliable than those from direct GCM outputs since climate extremes under the present climate were not often realistically reproduced by the GCMs studied here. It is understood that the actual values are important as they provide the basis for climate change impact studies and the development of adaptation strategies.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine agr.ca as primary domain
Les générateurs stochastiques de conditions météorologiques sont beaucoup utilisés pour élaborer des scénarios climatiques locaux à partir des scénarios de changement climatique à grande échelle simulés par les modèles climatiques mondiaux (MCM). Nous avons utilisé le générateur stochastique AAFC-WG, mis au point par Agriculture et Agroalimentaire Canada (AAC), afin d’élaborer des scénarios climatiques quotidiens pour la période 2040-2069 pour les régions agricoles du Canada, selon quatre simulations de changement climatique effectuées par les MCM CGCM3, HadCM3, ECHAM5/MPI-OM et CSIRO-Mk3.5. Nous avons estimé les valeurs quotidiennes extrêmes - température maximale, température minimale et précipitations - pour l’année et la saison de croissance (du premier mai au trente septembre) sur des grilles à résolution fine(0,5 degré en latitude et 0,5 degré en longitude) à partir de ces scénarios, et sur des grilles à résolution grossière (~2,8 degrés en latitude et 2,8 degrés en longitude pour le CGCM3, 2,5 degrés en latitude et 3,75 degrés en longitude pour le HadCM3, et ~1,865 degré en latitude et 1,875 degré en longitude pour le ECHAM5/MPI-OM et le CSIRO-Mk3.5) à partir des données de sortie quotidiennes directes des MCM. Comparativement aux valeurs correspondantes provenant des données de sortie directes des MCM, les valeurs extrêmes provenant des scénarios climatiques quotidiens produits par le modèle AAFC-WG fournissaient plus de détails à échelle plus fine. Bien que les profils spatiaux des variations des valeurs climatiques extrêmes aient souvent été semblables, les valeurs extrêmes réelles provenant des scénarios locaux pourraient être plus fiables que celles provenant des données de sortie directes des MCM, puisque les extrêmes climatiques n’étaient pas souvent reproduits de façon réaliste par les MCM étudiés. On sait que les valeurs réelles sont importantes, car elles constituent le fondement des études sur les répercussions du changement climatique et de l’élaboration de stratégies d’adaptation.