R EVUE DE STATISTIQUE APPLIQUÉE
H ENRI L ’H ERMIER DES P LANTES B ERNARD T HIÉBAUT
Étude de la pluviosité au moyen de la méthode S.T.A.T.I.S
Revue de statistique appliquée, tome 25, n
o2 (1977), p. 57-81
<http://www.numdam.org/item?id=RSA_1977__25_2_57_0>
© Société française de statistique, 1977, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti- lisation (http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
57
ÉTUDE DE LA PLUVIOSITÉ AU MOYEN DE LA MÉTHODE
S.T.A.T.I.S.
Henri
L’HERMIER DES
PLANTESBernard THIÉBAUT
Professionnel de
recherche,
Ecole des Hautes EtudesCommerciales,
5255 Avenue
Decelles, Montréal,
P.Quebec,
CanadaMaître-assistant, Laboratoire de
Systématique
etGéobotanique Méditerranéennes,
Institut de
Botanique,
5, rueAuguste
Broussonet, 34000Montpellier
RESUME
La méthode S.T.A.T.I.S. (Structuration des Tableaux A Trois Indices de la Statistique)
a été développée pour permettre l’analyse conjointe de plusieurs tableaux de données. Elle est utilisée dans cet article pour étudier la pluviosité de stations météorologiques en région méditerranéenne.
INTRODUCTION.
L’écologue qui
veut étudier lesrégimes
desprécipitations
tombéespendant plusieurs
années successives dans une mêmestation,
souhaite trouver un outilde
description qui permette
non seulement la mise en évidence des variationsquantitatives
desprécipitations
d’une année à l’autre mais encore la reconnais-sance de la forme des
profils pluviométriques
dechaque
année.En effet le climat a une action évidente sur les
végétaux
tant par ses carac- tèresgénéraux plus
ou moins stables que par ses variations aléatoires d’une année à l’autre(L.
CHAPTAL1928 ;
M. SORRE1936 ;
A. BAUDIERE et L. EMBERGER1959 ;
B. THIEBAUT1968).
Et ces variations doivent être examinées au cours descycles
annuels devégétation
en considérant les états successifs du climatchaque
année(B.
THIEBAUT1971, 1974).
La difficulté est deplacer l’analyse
du climat à un niveau intermédiaire entre celui du climat moyen(caractères périodiques réguliers)
et celui des variationsaléatoires,
enconsidérant la succession des données
climatiques
brutes sur unepériode
deréférence
calquée
sur lescycles
annuels desvégétaux,
ici l’année civile.Le but de cet article est de montrer que la méthode
S.T.A.T.I.S.,
déve-loppée
récemment par l’un des auteurs(H.
L’HERMIER DES PLANTES1976)
est un outil
parfaitement adapté
pour résoudre cetype
deproblème.
Lajusti-
fication de cette affirmation est tentée essentiellement dans le secondchapitre
à travers la discussion détaillée de 23 années d’observations faites à la station de Sainte-Lucie
(Aude,
littoralméditerranéen).
Pour aider à lacompréhension,
un
premier chapitre rappelle
lesgrandes lignes
de la méthoded’analyse proposée.
La discussion des observations relevées dans trois autres stations fait
l’objet
dutroisième
chapitre.
Tout en montrant lapertinence
de l’outild’analyse
cettediscussion
permet
d’aborder desproblèmes bioclimatiques importants.
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Mots-clés :
Analyse conjointe. Opérateurs
associés à un tableau de données. Coefficient RV. Pluviosité.CHAPITRE 1 - LA METHODE S.T.A.T.I.S.
Le statisticien rencontre
fréquemment
des ensembles de données dits"à trois indices" dans
lesquels
unpremier
indicepermet
parexemple
d’identifier les individusqui
fontl’objet
del’étude,
un second indicerepère
les variablesqui
ont été observées sur ces individus tandis que le troisième indice permet d’accéder à différentes situations(ou
différentsinstants)
danslesquelles
ces va-riables ont été observées sur ces individus
(fig. 1).
Figure 1
Chacun des tableaux n x p
peut
fairel’objet
d’uneanalyse qui
permettra d’étudier les ressemblances des individus tellesqu’elles apparaissent
dans cetableau. Une telle méthode ne
permet
derépondre qu’assez
mal auxquestions
concernant l’évolution des ressemblances des
individus lorsqu’on
passe d’un tableau à l’autre et à la définition d’une vision des individusqui
soit un boncompromis
entre les différentes visionsproposées
par les différents tableaux.Pour
répondre plus précisément
à cesquestions,
les méthode S.T.A.T.I.S. pro- cède de la manière suivante.1)
L’interstructureSoit
Xk
lekème
tableau n x p des observations recueillies(k
=1,
...m).
On définit les matrices n x n.
Sk = Xk X’ k (k
=1, ... m) qui
sont les matrices associées auxopérateurs
introduits par Y. ESCOUFIER(1970,
1975 et1976).
Comparer
les situations entre elles(ce
que S.T.A.T.I.S.appelle l’interstructure)
sera rendu
possible
encomparant
les matricesSk
entre elles.Pour ce
faire,
on construit la matrice S de dimension m x m dont l’élément(ij)
a pour valeur Trace(S S
La factorisationcanonique (J.C.
GOWER1966 ; 325-338)
de cette matricepermet
alors d’obtenir mpoints Pk qui représentent
chacun une des situations de
départ.
On trouve dans(Y.
ESCOUFIER 1975 et H. L’HERMIER DES PLANTES1976) la justification
des affirmations suivantes:- Deux
points Pi
etPj
sont confondus(respectivement voisins)
si et seule-ment si les matrices
Si
etSj
sontidentiques (respectivement voisines)
c’est-à-dire si les distances des individus dans les situationsi et j
sontidentiques (respective-
ment
voisines).
59
- Soit 0
l’origine
del’espace
dereprésentation.
Les segmentsOPi
etOPj
sont colinéaires si et seulement si les matrices
Si
etSj
sontproportionnelles
c’est-à-dire si les distances des individus dans les situations iet j
sont propor- tionnelles.Bien
sûr,
alors que lareprésentation
des mpoints
est engénéral
exacte dansun espace de dimensions m -
1,
on n’étudie laprojection
que dans un espace de dimension 2. Les outils habituels d’aide àl’interprétation (à
savoir : pourcen- tage des valeurs propres retenues,comparaison
des normes avant etaprès
pro-jection)
restent valables.2)
Lecompromis
Soit V le vecteur propre de y associé à la
plus grande
valeur propre. NotonsVi, (i
=1,... m)
ses éléments. On montre que le meilleurcompromis
entre lesm
m situations a pour matrice
associée 03A3 Vi Si (H.
L’HERMIER DES PLANTESi=l
1976).
Il est
important
de biencomprendre
lasignification
de cecompromis qui
n’est pas une moyennearithmétique
des différentes situations mais une moyennepondérée.
- Si toutes les situations conduisent à une vision voisine des individus alors tous les
V sont
sensiblementégaux
et lecompromis
estproche
de la moyennearithmétique.
- Si au
contraire,
à côté d’un groupe assezhomogène
desituations,
existentune ou deux situations dont les visions sont très
particulières,
lesVi
attachés àces dernières situations vont être très faibles ce
qui
entraîne que lesSi
corres-pondants
n’interviennent pas dans la définition ducompromis.
On peut dire entermes
-imagés
que lecompromis
recherche cequi
dans les visions estmajo- ritaire ;
ilnéglige
les minorités éventuelles.3)
Les intrastructures et l’évolutionm
La factorisation
de 03A3 Vi Si
fournit unereprésentation
des n individusqui
est celle
qui
est laplus proche
de toutes lesreprésentations possibles
au sensoù Vi Si
est le meilleurcompromis.
Cettereprésentation
estappelée
par S.T.A.T.I.S. : intrastructure de référence. Toutes les études nejustifient
pasqu’on
étudie cette intrastructure en détail. Il reste dans tous les cas que laprojection
de toutes les situations peut être faite dansl’espace
ducompromis (en
fait sur les 2 ou 3premiers
axes de cetespace)
etqu’il
est alorspossible
d’étudier les différences entre les visions de chacune des situations et celle ducompromis
ou encore l’évolution des visions d’une situation à l’autre.Revue de Statistique Appliquée, 1977 vol. XXV N° 2
R ema rq u es :
1 )
S’il est essentiel pour la méthode que les mêmes n individus soient étu- diés dans les msituations,
il n’est pas essentiel que les observations se traduisent par le même ensemble de variables dans chacune des situations. Onpeut
étudierm tableaux
Xk
de dimensions n x Pk.2)
Y. ESCOUFIER(1970
et1975)
a introduit le coefficient RV pour me- surer la ressemblance entre deux situations. Ce coefficient varie entre 0 et 1.Rappelons qu’un
coefficient RVégal
à 1 caractérise deux situationsidentiques (même profil
depluviosité,
laquantité
d’eau annuelle pouvant êtredifférente).
Par la suite nous utiliserons ce coefficient pour
exprimer
la ressemblance entre une des situations initiales et lecompromis.
CHAPITRE II - LA PLUVIOSITE A SAINTE-LUCIE
La méthode S.T.A.T.I.S. a été utilisée ici pour
exploiter
des tableaux de donnéesdéjà publiées (B.
THIEBAUT1974)
et où lespluviosités
mensuellesavaient été classées selon- dix "intensités"
(voir fig. 6).
Nousenvisageons
ulté-rieurement,
deprocéder
à des traitements pour examinerplusieurs
élémentsclimatiques
sur des observations brutes(précipitations
mensuelles ettempéra-
tures minimales
(m)
et maximales(M), mensuelles).
On
dispose
de 23 années d’observations à Sainte-Lucie. On se ramène autype
des données étudiées dans leprécédent chapitre
en faisantjouer
aux années le rôle des situations et au mois celui des individus. Iln’y
aqu’une
variable obser- vée dans chacune des situations : la hauteur despluies
mensuelles.Une remarque
s’impose. Supposons
que, pour les années iet j,
les tableaux de données ne diffèrent que par unepermutation
deslignes.
Ceci serait le cas parexemple
si les fortespluies
del’année j correspondaient
aux faiblespluies
de l’année i et inversement. Comme seules les distances entre les moisinterviennent,
les visions de ces deux années seraient déclaréesidentiques
cequi
serait uneerreur. On
échappe
à cepiège
en introduisant un 13e mois fictifqui
seraplacé systématiquement
à l’une des extrémités de l’échelled’intensité,
parexemple
1.Ainsi
l’espace
est orienté.En définitive les données se
présentent
donc sous la forme suivantefig.
2 :Figure 2
61
Tableau 1
Sainte-Lucie salins :
Interstructure, propriété
de lareprésentation exprimée
par le rapport
(en %)
entre lareprésentation projetée
et lareprésentation
exacte.Tableau 2
Sainte-Lucie salins :
Interstructure, propriété
de lareprésentation
desfaisceaux d’années
représentées
sur lafigure
3 .Revue de Statistique Appliquée, 1977 vol. XXV N° 2
On calcule alors comme il a été dit au
chapitre précédent
la matrice f dontles dimensions sont ici 23 x 23. La
représentation
des années obtenues dans leplan
des deuxpremières composantes principales
de g faitl’objet
de lafigure
3.Etudions cette
figure.
Figure 3 - Sainte-Lucie Salins, interstructure.
On constate tout d’abord que le
premier
axe absorbe 59%
de lavariance,
le second9,7
% cequi
permet de dire que leplan
que l’on voit absorbe68,7
% de la variance(du
nuage desopérateurs).
- La relative faiblesse de ce
pourcentage qui
seraréévoquée
auchapitre
sui-vant conduit à penser que les
pluies
neprésentent
pas unegrande
similituded’une année à l’autre à Sainte-Lucie. En
effet,
si à la limite toutes lesprécipita-
tions annuelles avaient le même
profil,
une seule dimension aurait suffi pour lesreprésenter. Que
deux dimensions ne réussissentqu’à
donner unereprésentation
médiocre doit être considéré comme un indice
d’hétérogénéité
desprofils.
63
- On remarque au
premier regard,
lalongueur
des segments relatifs auxannées 1959 et 1962. Cette
longueur
peut avoir deuxsignifications.
Lapremière
est liée au volume de
pluies
tombées cesannées, plus
lespluies
sontimportantes
pour une
année, plus grande
est la norme dusegment correspondant.
Les données montrentqu’effectivement
1962 et 1959 ont eu de fortesprécipitations
d’au-tomne
auxquelles
1959 aajouté
de fortesprécipitations
deprintemps (fig. 6).
La seconde
signification
à donner à ces différences de normes est liée à la qua- lité de lareprésentation
de chacune des années dans cettefigure.
Si une annéeest de fait
perpendiculaire
auplan,
saprojection
dans ceplan
sera de normenulle et cette année sera
injustement qualifiée
de sèche alors que la vraie raison de son absence est due au faitqu’elle
a unprofil
très différent de celui des annéesqui apparaissent
dans ceplan.
Pour savoir si cette raison est en cause, on étudiele tableau 1
qui
donne lalongueur
des normes exactes et des normesprojetées
dessegments.
On constate que les rapports des normesprojetées
aux normesexactes sont en
général supérieurs
à 70 %. On peut donc penser que leslongueurs
des segments telles
qu’elles
sont vues dans lafigure
3 sont assezsignificatives
desdifférences
quantitatives puisqu’aucune
année n’est vraiment malprojetée.
- La
figure
3 nouspermet également d’apprécier
des différencesangulaires
entre
segments. L’angle
entre deux segments est d’autantplus petit
que lesprofils
des annéesreprésentées
par ces deuxsegments
sont voisins. Mais là encorela
qualité
de lareprésentation
de chacune des années doit êtreprise
en considé- ration. Parexemple
les années 1962 et 1947 sontreprésentées
par des segments colinéaires. On serait tenté d’en conclure à l’identité desprofils.
Il faut moduler cette affirmation en tenantcompte
de la faiblequalité
de lareprésentation
de1947 par
rapport
à celle de 1962(respectivement
78 % et 90%).
L’ordinateur calcule dans
chaque
cas les échelles desgraphiques
afin d’obte- nir la "meilleureprojection"
et d’éviter lespoints multiples.
En sorte que ladisposition
dessegments
sur ungraphique
n’est pas liéeuniquement
à la varia-tion des
profils pluviométriques.
Mais unedisposition régulière
des segments traduira une variationprogressive
desprofils
alorsqu’une disposition irrégulière
révèlera l’existence de
profils
distincts.Quand plusieurs
segments se resserrentet forment un
faisceau,
celui-ci caractérise un type deprofil
nettement différentdes autres. A
Sainte-Lucie,
3 faisceaux sedistinguent (fig. 3)
caractérisant aumoins 3
types
deprofils qu’il
faudra examiner dans l’étude de l’intrastructure.Remarquons cependant
que laqualité
de lareprésentation
des années varie à l’intérieur de chacun des faisceaux(surtout
enI)
et que le second faisceau est moins bienreprésenté (tableau 2).
- Le
compromis
ayant étécalculé,
on peut enregarder
lepremier
vecteurpropre
qui
donnera unereprésentation
des moiscomparable
à celle de chacune des années(la première
valeur proprereprésente
ici 59 % de lavariation).
Lafigure
4 montre que cecompromis
diffère peu de la moyenne des différentes années. On doit en conclure que les annéesqui
diffèrent franchement du compr.o- mis sont enpetit
nombre et n’arrivent pas à influencer la moyenne dans leur sens.- La
figure
5 donne laprojection
de chacune des années dans leplan
définipar les deux
premiers
axes ducompromis.
Il estimportant
de noter que dans cettereprésentation chaque
mois dechaque
année est classé selonl’importance
de la lame d’eau recueillie au cours du mois : les mois les
plus
humides étantRevue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 4 - Sainte-Lucie Salins, comparaison du "compromis" au régime pluviométrique moyen.
les
plus éloignés
del’origine.
Si bienqu’on
peut étudier lecomportement
de chacun des mois dans les différentesannées,
autrement dit lesprofils pluviomé- triques
annuels. Pour des raisonspratiques
nousproduisons
ici unefigure
sim-plifiée qui
ne situe pas les mois les uns par rapport aux autres. Mais lafigure 6, plus suggestive,
nouspermettra
d’examiner lesprofils annuels ;
les années sepré-
sentant dans le même ordre que sur la
figure précédente.
Enfin lafigure
5pré-
sente des droites parce
qu’il n’y
a audépart qu’une
variable donc un classement linéaire des mois pourchaque
année.A
Sainte-Lucie,
lesprécipitations importantes
sont rares et semblent assez aléatoires d’une année àl’autre ; quoiqu’arrivant toujours
enpériode
froide. Ensorte
que
lesprofils
annuels sont peu structurés etirréguliers (B.
THIEBAUT1974).
Cependant
de nettes tendances se dessinent selon les affinités desprofils :
aux deux extrémités de la
figure 6,
nousobservons,
d’une part, des années à fortesprécipitations
avec deuxpics
encadrant l’été(régime pluviométrique
méditerranéen
dédoublé)
et, d’autre part, des années à faiblesprécipitations
annuelles avec un
pic
en fin d’année. Entre ces deuxextrêmes,
lesprofils
sontplus confus,
soit parce que lesprécipitations
sont assez abondantes etréparties
tout au
long
del’année, parfois
même enété,
soit parce que lesprécipitations
sont rares dans l’avant comme dans l’arrière-saison.
65
cd
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 6 - Sainte-Lucie Salins, classement des années selon le faisceau de l’intrastructure.
Dans
l’espace
duréférentiel, le comportement
des années peut êtresuggestif.
En
effet, plus
une année estoriginale
parrapport
à la "norme" deréférence, plus
sa
projection
seraapproximative
et son taux de variance absorbée(RV),
faible.Inversement, plus
une annéeépouse
les caractères de la"norme", plus
sa pro-jection
seraprécise
et son taux de variance(RV)
élevé(tableau 4).
Si on admeten
première approximation,
que cette "norme" traduit les évènementspluvio- métriques
lesplus caractéristiques
survenus au cours des annéesprises
en consi-dération,
le reclassement des mêmes années selon leur taux de variance doit per- mettre d’identifier les caractèrespluviométriques importants
de la station. Dansl’état actuel de notre
travail,
ce raisonnement est encore téméraire car les années"originales" pèsent
dans la définition ducompromis lorsque
leursprécipitations
sont abondantes. Cette dernière
analyse
mériterait donc d’autresdéveloppements.
Mais elle permet
déjà
de voir comment il estpossible
de cerner les caractères propres à une station.67
Figure 7 - Sainte-Lucie Salins, intrastructure, classement des années selon leur coefficient RV.
Dans la
figure 7,
les annéesoriginales
seregroupent
vers le bas(coefficient
RV
faible)
et les années conformes à la station vers le haut(RV fort).
A Sainte-Lucie deux caractères
paraissent particulièrement
conformes : le creux estival d’abord et lepic
automnal ensuite. Lepic
hivernal est moinsrégulier.
Lespréci- pitations
deprintemps
et d’été sont peureprésentatives.
Ces résultatsrejoignent
d’ailleurs les
analyses
habituelles sur lerégime pluviométrique
moyen enrégion
méditerranéenne
française (Ch.
P.PEGUY, 1970).
Ils confirment laprééminence
du creux estival et du
pic
automnal sur les autres caractères.CHAPITRE III - LA PLUVIOSITE DANS TROIS AUTRES STATIONS DU LANGUEDOC - ROUSSILLON
Une utilisation intéressante de la méthode S.T.A.T.I.S.
pourrait
être de traiter simultanément ungrand
nombre d’observations relevées dansplusieurs
stations et d’obtenir ainsi des résultats d’ordre
géographique.
Mais avant de traiter ensemble de nombreuses
stations,
nous avons testé la sensibilité de notre outil enl’appliquant
successivement aux données de trois autres stations duLanguedoc - Roussillon,
aux situationsgéographiques
dif-férentes.
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Tableau 3
Interstructure de 4 stations du
Languedoc -
Roussillon :propriété
de la
représentation exprimée
par lerapport (en %)
entre lareprésentation
projetée
et lareprésentation
exacte.69
Figure 8 - Interstructure dans 4 stations du Languedoc - Roussillon.
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Au niveau de
l’interstructure, figure
8- Les
quatre projections
absorbent des taux de variancecompris
entre87,9 %
àPeyrefiches
et 70 % à Sainte-Lucie. Ces différences sont en rapportavec la "forme" du nuage de
points
dechaque
station. Lapluviosité
sembleplus régulière
àPeyrefiches (87,9 %). puis
à Arfons-Alzeau(83,4 %)
et Prats-Mollo
(79,9 %),
en montagne,qu’à
Sainte-Lucie(70 %)
sur le littoral. Cequi
confirme une
analyse précédente
du climat dans cesrégions (B. THIEBAUT, 1974).
,
- A
Peyrefiches l’importance
desprécipitations
annuelles varie mais toutesles valeurs observées se
répartissent régulièrement
à l’intérieur d’une fourchette relativement étroitecomparée
à celle de Sainte-Lucie où deux annéesparaissent
anormalement arrosées(1962
et1959).
APrats-Mollo,
un hiatus se dessine entredes années humides et des années moins
arrosées,
aussi bienreprésentées
lesunes que les autres dans le
plan
des axes 1 et 2(la
moyenne desrapports
entre les normesprojetées
et les normes exactes est de84,62
% pour les années sèches et88,62
% pour les annéeshumides).
La
disposition
dessegments
estrégulière
àPeyrefiches
et Prats-Mollo oùaucun faisceau
n’apparaît.
Lesprofils
annuels sontapparentés
àquelques
va-riations
près
dans ces deux stations. Alorsqu’à
Arfons-Alzeau etSainte-Lucie,
trois ou
quatre
faisceaux sedistinguent
caractérisant autant de typespluviomé- triques
différents.Au niveau de l’intrastructure
A
Peyrefiches
trois tendances se dessinent(fig. 9).
Les faisceaux 1 et IIregroupent
lamajorité
desannées,
àparts égales,
et sontproches
l’un de l’autre.Le faisceau III concerne un
petit
nombre d’années etparaît plus marginal.
Les évènements
pluviométriques correspondant
à ces faisceaux sont(fig. 10) :
le creux estival et lespics qui
l’encadrent pour le faisceauI ;
affaisse-ment des
pics
auprintemps
ou en automne pour le faisceauII ;
creuxpluviomé- trique prépondérant
duprintemps
à l’automne pour le faisceau III.Les coefficients RV
(tableau 4)
montrent que lapluviosité
est caractérisée dans cette station par un creux estival encadré de deuxpics,
même si ce creuxgagne
légèrement
à la fin duprintemps
ou au début de l’automne(fig. 11 ).
Lesprofils
les moinscaractéristiques présentent
un creux estival enpartie
comblé oudes
pics qui
s’affaissent dans l’avant ou l’arrière-saison.A Prats-Mollo la
répartition
des années estrégulière
etsymétrique
depart
et d’autre de l’axe vertical
(fig. 12).
Trois tendances se dessinentlégèrement :
les
précipitations
se concentrent enpériode
estivale et sontirrégulières
avant etaprès
l’été(faisceau II) ;
desprécipitations
peuvent arriver en début d’année(faisceau I)
ou à la fin(faisceau III) (fig. 13).
Le caractère essentiel de cette station est la concentration des
précipita-
tions au milieu de l’année
(fig. 14),
les années se succèdent alternativement très arrosées ou peu humides. Dans lesprofils
les moinscaractéristiques,
lespréci-
pitations
ne se concentrentplus
au milieu de l’année.71
U
4)
0B
2
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 10 - Peyrefiches, classement des années selon le faisceau de l’intrastructure.
73
Tableau 4
Intrastructure de 4 stations du
Languedoc -
Roussillon :propriété
de la
représentation exprimée
par le coefficient RV.Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 11 - Peyrefiches, intrastructure, classement des années selon leur coefficient RV.
A
Arfons-Alzeau,
deux tendances se dessinent nettement(fig. 15)
selon l’existence ou non d’un creux au milieu de l’année(fig. 16). Cependant
laplu- part
desprofils
demeurent confus. Seule l’année1952, exceptionnellement sèche, paraît
accidentelle. Selon les coefficients RV(tableau 4),
le creuxestival,
si réduit soit-il
(1
mois en1959)
sembleplus
conforme aux caractères de la station quel’augmentation
desprécipitations
enpériode
estivale(fig. 17).
CONCLUSIONS
Les
premiers
résultats obtenus à l’aide de la méthode S.T.A.T.I.S. nousparaissent déjà
substanciels et très prometteurs pour l’avenir.Jusqu’ici
nous avonsobtenu, d’abord,
une confirmation de résultats anté- rieurs ausujet
durégime pluviométrique
moyen et de la variation desprofils pluviométriques annuels,
enrégion
méditerranéennefrançaise.
Et ensuite desrésultats nouveaux :
75
.s or.
E
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 13 - Prats-Mollo, classement des années selon le faisceau de l’intrastructure.
77
Figure 14 - Prats-Mollo, intrastructure, classement des années selon leur coefficient RV.
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
a)
cà
E
79
Figure 16 - Arfons-Alzeau, classement des années selon le faisceau de l’intrastructure.
Revue de Statistique Appliquée, 1977 vol. XXV N° 2
Figure 17 - Arfons-Alzeau, intrastructure, classement des années selon leur coefficient RV.
81
- un classement
rigoureux
desprofils
selon leursaffinités,
- une caractérisation des tendances
pluviométriques
dans unestation,
- l’amorce d’un classement de ces tendances selon leur conformité ou non aux caractères de la station.
Les
possibilités
réelles de la méthode sont loin d’êtreépuisées
dans cedomaine. Nous
procèderons
bientôt au traitement d’unplus grand
nombre dedonnées concernant, d’une part,
plusieurs
élémentsclimatiques
afind’analyser
le climat dans sa
complexité,
et d’autre part,plusieurs
stations pour étudier les modificationsgéographiques
du climat.BIBLIOGRAPHIE
BAUDIERE A. et EMBERGER
L.,
1959 - Sur la notion de climat de transi- tion enparticulier
dans le domaine méditerranéen. Bull. Serv. cartephyto- géogr.,
sérieB,
carte des groupementsvégétaux,
IV(2) :
95-117.CHAPTAL
L.,
1928 - Les caractères du climat deMontpellier.
Bull. Soc. lan-guedoc. Géogr.,
49 :101-130.
ESCOUFIER
Y.,
1970 -Echantillonage
dans unePopulation
de variables aléa- toires réelles. ThèseEtat,
Fac. Sci.Montpellier,
France.ESCOUFIER
Y.,
1973 - Le traitement des variables vectorielles.Biometrics,
29 : 750-760.ESCOUFIER
Y.,
1975 - Utilisation de la notiond’opérateur
associé à un ta-bleau. Note de
travail, journées
d’études INSEE.L’HERMIER DES PLANTES
H.,
1976 - Thèse de 3ecycle :
Structuration des tableaux à trois indices de lastatistique.
Univ. Sci. et Tech.Languedoc, France,
98 p.GOWER
J.C.,
1966 - Some distancesproperties
of latent root.Biometrika,
53.PEGUY
Ch.-P.,
1970 - Précis declimatologie.
Masson etCie,
Paris 468 p.SORRE
M.,
1936 - Sur laconception
du climat. Bull. Soc.languedoc. Géogr.,
3 : 1 - 15.
THIEBAUT
B.,
1968 -Bioclimatologie
etcartographie
de lavégétation.
La Sal-vetat-sur-Agoût (Hérault).
Méthodes etcritiques
de laphotointerprétation.
Thèse 3e
cycle,
Fac. Sci.Montpellier, 312 p.,
roéno + annexes.THIEBAUT
B.,
1971 - La transitionclimatique
dans le Massif del’Agoût.
Vieet
Milieu,
XXII(IC) :
167-206.THIEBAUT
B.,
1974 -Esquisse bioclimatique
dans ledépartement
de l’Audeet les
régions limitrophes.
Bull.d’écol., 5 (3) :
239-258.Revue de Statistique Appliquée, 1977 vol. XXV N° 2