124 CHAPITRE 5. TEMPÉRATURES MIN ET MAX JOURNALIÈRES
(a) Température minimale moyenne àZre f=0m
(b) Température maximale moyenne àZre f=0m
16 17 18 19 20 21 22 23 5 6 7 8 9 10 11 12
(°C) (c) Légende
FIG. 5.3 – Cartographie des températures moyennes maximale et minimale journalières sur la période 1975-2005 à l’altitudeZre f =0m, modèle Iter0
5.3. MODÈLE ÉLABORÉ ITER1 125 ainsi de températures minimale et maximale de référence aux Nt postes considérés, que nous noteronsT Nkre f etT Xkre f k∈[1,Nt]. Ces températures sont filtrées (partiellement au moins) de l’altitude, mais toujours influencées par la latitude.
Si nous considérons maintenant les écarts entre la température à la station et la tem-pérature interpolée ramenée à une altitude de référence, ceux-ci seront filtrés de l’effet de la latitude. Ces nouvelles variables ont alors pour expression :
(
∆T Xk = T Xk − T Xkre f k∈[1,Nt]
∆T Nk = T Nk − T Nkre f k∈[1,Nt] (5.5) Nous réalisons alors simplement les deux régressions linéaires pondérées liant ces nouvelles variables à l’altitude :
(
∆T X = (g1T N)i j· Z−Zre f
∆T N = (g1T X)i j· Z−Zre f (5.6) Ces régressions nous permettent d’identifier de nouveaux gradients locaux moyens de température minimale et maximale(g1T N)i j et(g1T X)i j en tout pixel, et de proposer comme précédemment une interpolation de la variable considérée au pixel en introduisant cette fois son altitudeZi j ainsi que les températures de référence connuesT Nire fjetT Xire f j:
(
T Ni j = T Nire f j + (g1T N)i j· Zi j−Zre f
T Xi j = T Xire f j + (g1T X)i j· Zi j−Zre f (5.7) Comme précédemment, la qualité de ces interpolations est évaluée à l’aide de la va-lidation croisée. Néanmoins, avant de produire des résultats, il faut s’interroger sur l’alti-tudeZre f à utiliser dans les champs de température de référence.
5.3.2 Présentation des résultats de validation croisée du modèle Iter1
Le tableau 5.2 présente les résultats de validation croisée du modèle Iter1, qui sont en tout point meilleurs que les résultats du modèle Iter0 présenté dans le tableau 5.1.
TAB. 5.2 – Résultats de validation croisée pour les moyennes journalières de températures minimale et maximale (modèle Iter1)
Massif TN TX
Biais NASH RMSE (°C ) Biais NASH RMSE (°C ) Alpes 0.00 0.877 1.07 -0.06 0.932 0.77 Massif Central 0.00 0.865 0.78 0.00 0.957 0.47 Pyrénées 0.05 0.918 0.73 -0.04 0.872 0.83
126 CHAPITRE 5. TEMPÉRATURES MIN ET MAX JOURNALIÈRES
5.3.3 Résultats cartographiques du modèle Iter1
Les figures 5.4 et 5.5 présentent les cartographies de températures ainsi que celles des gradients obtenues avec ce nouveau modèle. S’il est difficile de comparer les cartes de températures des deux modèles qui se ressemblent énormément, les cartes de gradients permettent d’évaluer les modifications survenues entre les deux modèles Iter0 et Iter1. Les nouveaux gradients obtenus semblent plus lissés, et plusieurs zones de très forts gradients (qui n’étaient finalement que des artefacts) ont disparu, comme par exemple la Basse-Garonne et Jura pour la température minimale, et les sommets du massif Central pour la température maximale. Hormis le cas du pourtour méditerranée déjà évoqué plus haut, les nouveaux gradients ainsi obtenus semblent plus réalistes.
5.3. MODÈLE ÉLABORÉ ITER1 127
(a) Température minimale moyenne
(b) Température maximale moyenne
-15 -10 -5 -1 0 1 5 10 15 20
(°C)
(c) Légende
FIG. 5.4 – Cartographie des températures moyennes maximale et minimale journalières sur la période 1975-2005, modèle Iter1
128 CHAPITRE 5. TEMPÉRATURES MIN ET MAX JOURNALIÈRES
(a) Température minimale moyenne
(b) Température maximale moyenne 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
(°C/100 m) (c) Légende
FIG. 5.5 – Cartographie des gradients de températures moyennes maximale et minimale journalières sur la période 1975-2005, modèle Iter1
5.4. CHOIX DES GRADIENTS ALTIMÉTRIQUES LES PLUS PERTINENTS 129
5.4 Choix des gradients altimétriques les plus pertinents
Le modèle Iter1 a été présenté dans la partie précédente à travers l’interpolation de deux variables, les températures moyennes interannuelles minimale et maximale sur la période 1975-2005. Ces variables sont extrêmement simples, mais nous pouvons bien sûr travailler avec des variables plus élaborées en utilisant ce même modèle. Il est intéressant de rappeler que nous recherchons des gradients altimétriques de température à appliquer au pas de temps journalier. Nous aurions pu utiliser directement les gradients de tempéra-ture identifiés sur la moyenne, ce qui reste une approche assez grossière. Le but de cette partie est d’utiliser des approches plus fines, afin d’accéder à une plus grande diversité des gradients de température.
Nous cherchons donc des variables susceptibles d’approcher au mieux les gradients altimétriques journaliers, tout en conservant une robustesse dans les résultats de validation croisée. Nous avons ainsi travaillé à travers trois approches :
– Une approche saisonnière, – Une approche par type de temps,
– Une approche à travers la discrimination pluie/non-pluie.
5.4.1 Une forte saisonnalité des gradients altimétriques
Les températures de l’air ont un caractère saisonnier indiscutable. Nous avons donc pour commencer entrepris un travail sur les moyennes mensuelles de températures mini-males et maximini-males. A l’aide du modèle d’interpolation Iter1, nous pouvons ainsi réaliser des cartographies des gradients de température pour chacun des 12 mois de l’année. Nous présentons dans la figure 5.6, la distribution des gradients obtenus au droit des 216 postes du massif des Alpes.
Les résultats sont intéressants dans la mesure où les distributions de gradients sont re-lativement distinctes, notamment pour les températures maximales. Il est possible d’iden-tifier deux groupes, nous pourrions d’ailleurs parler de deux saisons, une constituée des mois d’Octobre à Février, et l’autre des mois de Mars à Septembre inclus. Les distribu-tions des "mois d’été" sont centrées sur un gradient communément admis situé entre−0.6 et−0.7°C/100m, alors que les "mois d’hiver" sont centrés sur des valeurs beaucoup plus faibles, entre−0.3 et−0.5°C/100m.
5.4.2 Discrimination par type de temps
Nous avons ensuite travaillé sur les moyennes de températures par type de temps, dont les distributions sont présentées dans la figure 5.7. Les distributions sont toutes assez semblables sauf pour le type de temps 4, la circulation de Sud. La distribution très étalée du gradient relatif à ce type de temps s’explique par le phénomène de foehn souvent associé au vent du Sud, la température de l’air étant alors peu structurée avec l’altitude. Les distributions des gradients des types de temps 3 et 8 sortent également du lot, mais seulement pour la température minimale. Pour le type de temps 3, la circulation de Sud-Ouest, ce sont sans doute pour les mêmes raisons, mais à moindre échelle, que pour le type de temps 4. En ce qui concerne le type de temps 8, ceci s’explique principalement par les phénomènes d’inversions souvent présents en vallée durant les belles journées
130 CHAPITRE 5. TEMPÉRATURES MIN ET MAX JOURNALIÈRES
(a) Température minimale
(b) Température maximale
FIG. 5.6 – Distribution des gradients altimétriques de température identifiés par mois au