You are on page 1of 16

La Mtorologie 8e srie - n 23 - septembre 1998

53

C L I M A T O L O G I E
RSUM

INTERPOLATION SPATIALE DE LA TEMPRATURE DE LAIR PAR TYPE DE TEMPS


Dominique Courault(1), Pascal Monestiez(2), Cdric Armand(1), David Mabit(1) et Richard Delcolle(1)
(1) Institut national de la recherche agronomique (Inra) Unit de bioclimatologie Domaine Saint-Paul, site Agroparc, 84914 Avignon Cedex 9 (2) Institut national de la recherche agronomique (Inra) Unit de biomtrie, Avignon

Lobjectif de cette tude est danalyser leffet des principales circulations atmosphriques sur les variations rgionales de la temprature journalire de lair. Nous avons utilis les types de temps classs de faon automatique Mto-France, qui couvrent lensemble de lEurope et sont centrs sur la France. Pour ltude, 152 postes mtorologiques ont t slectionns dans le Sud-Est, dont 62 ont servi talonner les modles dinterpolation spatiale et 90 ont t rservs pour la validation. Des cartes des champs thermiques ont t obtenues par krigeage simple sur des donnes corriges et tries pour les principaux types de temps. Le sens et lamplitude des gradients thermiques varient suivant les circulations atmosphriques. La prcision des estimations de la temprature est discute dans cet article.

ABSTRACT

Spatial interpolation of air temperature according to circulation patterns


This is an analysis of the effect of the main atmospheric circulation patterns on the spatial variations of daily temperature at regional scale. We used circulation patterns provided by the automatic classification performed by MtoFrance from forecast models applied at the European scale and centered on France. For this study 152 meteorological stations were chosen in the South-East of France, 62 were used for the model calibration and 90 for the validation. Daily temperature maps were obtained using the kriging method for the main atmospheric situations. The magnitude and the direction of the observed thermal gradients vary according to the circulation patterns. The accuracy of temperature estimations is discussed in this paper.

POSITION DU PROBLME Importance dune bonne estimation de la temprature de lair


La temprature de lair mesure 2 m est une des variables les plus importantes dans les changes nergtiques et hydriques linterface du systme sol-plante-atmosphre. Elle intervient sur la vitesse de dveloppement des plantes dans les modles de cultures. Les diffrents stades phnologiques sont souvent dfinis en fonction de cumuls de temprature de lair depuis la date du semis. Les modles agromtorologiques utilisent comme variables de forage les donnes mtorologiques suivantes : la pluie, les tempratures minimale et maximale et le rayonnement, qui proviennent gnralement du poste mtorologique le plus proche ou qui rsultent dune interpolation spatiale partir des mesures de plusieurs postes. Ainsi, par exemple, pour faire fonctionner le modle GOA (Brisson et al., 1992) qui estime des potentialits de

54

La Mtorologie 8e srie - n 23 - septembre 1998 rendement lchelle de lEurope pour diffrentes cultures et les risques associs en fonction du climat et des varits, lensemble du territoire est divis en mailles de 30 x 30 km (Ruget et al., 1995). Le modle de culture choisi (bl ou mas) est aliment pour chaque maille par des donnes mtorologiques obtenues par interpolation partir des plus proches postes mtorologiques du rseau synoptique (de 1 5 stations par maille). Linterpolation repose uniquement sur des critres de distance des postes au centre de la maille. On conoit aisment que les donnes mtorologiques ainsi obtenues soient trs dpendantes du choix des postes introduits dans linterpolation et quil soit difficile dobtenir une temprature rgionale reprsentative pour chaque maille. Des analyses de sensibilit (Ruget et al., 1995 ; Delcolle et al., 1995) ont montr quune erreur systmatique de 1 C par jour sur la temprature de lair, tout au long du cycle dune culture comme le mas, pouvait conduire une erreur de 500 1 000 kg/ha sur lestimation des rendements. Il est donc important dobtenir des donnes mtorologiques aussi prcises que possible en tenant compte la fois des objectifs dapplication oprationnelle et des donnes disponibles (tant sur la quantit que sur la qualit).

Linterpolation spatiale : historique

De tout temps, les mtorologistes se sont intresss interpoler les variables climatiques parmi lesquelles la pluie est le plus souvent reprsente (Meylan, 1986 ; Lebel et al., 1994). Un des principaux problmes est la localisation irrgulire des postes mtorologiques. Ceux-ci sont distants en moyenne de 30 km et se situent gnralement sur des surfaces standard de type prairie. Il y a relativement peu de postes en altitude. Leur localisation a t choisie pour reprsenter un climat de rfrence (mso-climat) pour la rgion entourant le poste et saffranchir des variations locales. Suivant lchelle spatiale laquelle on sintresse, diffrents facteurs interviennent pour expliquer les variations spatiales et temporelles des donnes mtorologiques. Ainsi, lun des principaux facteurs de variation de la temprature de lair mesure 2 m est la position topographique du poste mtorologique, son altitude, linclinaison de la pente et son exposition adret-ubac (Dougudroit et de Saintignon, 1974). On admet gnralement, pour la temprature, une diminution de 0,6 C pour 100 m dlvation, mais cette loi est plutt adapte au cas de latmosphre libre. cette baisse, sajoute une modulation de lapport radiatif due une captation diffrente du rayonnement solaire direct selon langle des rayons avec la surface (Cellier et al., 1995). Au voisinage du sol, il faut donc prendre en compte linfluence de linstabilit sur le profil vertical de temprature, en particulier lorsque le rayonnement est trs fort. On peut considrer que la temprature de lair rsulte la fois deffets grande chelle les grands mouvements des masses dair atmosphriques qui peuvent tre dcrits par les types de temps et deffets plus locaux (< 10 km) dus lenvironnement proche des stations : la position topographique, mais aussi le type de surface, sec ou irrigu, et la rugosit du paysage (Seguin et al., 1982 ; Fury et Joly, 1995). Tous ces facteurs nont pas le mme poids suivant les variables analyses et lchelle spatiale tudie ; ils sont parfois difficiles intgrer dans les mthodes dinterpolation. La gostatistique avec les diffrentes techniques de krigeage krigeage ordinaire, avec drive externe, cokrigeage, etc. (Wackernagel, 1995) est lune des mthodes les plus utilises pour interpoler les donnes mtorologiques (Chauvet et al., 1976). En ce qui concerne la temprature, on peut citer les tudes de Hutchinson (1993), qui obtient des cartes de temprature lchelle continentale de lAustralie par krigeage. Hudson et Wackernagel (1994) ont pris en compte leffet de laltitude sur la temprature en introduisant une relation linaire dans le krigeage avec drive externe et ont appliqu cette mthode lensemble de lcosse. Sderstrm et Magnusson (1995) ont utilis le krigeage simple, sur des tempratures mesures partir de transects effectus lchelle dune petite rgion agricole en Sude, pour dtecter les zones dcoulement dair froid et prdire des zones risque pour lagriculture. Une technique rcente utilisant ces bases mathmatiques a t dveloppe pour amliorer la prcision des estimations. Elle consiste dformer lespace gographique et dterminer ainsi la meilleure localisation des postes mtorologiques pour appliquer les modles dinterpolation (Monestiez et al., 1993). Cette

La Mtorologie 8e srie - n 23 - septembre 1998

55

mthode a t utilise pour tablir des champs pluviomtriques dans le Sud-Est de la France ; elle donne des rsultats satisfaisants, mais son application en routine nest pas encore oprationnelle, le choix des paramtres contrlant les dformations tant dlicat. La mthode Aurelhy, mise au point Mto-France (Bnichou et Le Breton, 1987) et applique en routine pour obtenir des cartes des prcipitations grande chelle, tablit une relation linaire entre la variable interpole et les caractristiques topographiques, puis effectue un krigeage simple sur les rsidus. Des recherches ont t conduites pour appliquer cette mthode de spatialisation aux champs thermiques (Huard, 1993), mais elles nont pas t poursuivies pour des applications oprationnelles. Des tudes rcentes ont montr que la prise en compte des types de temps permettait damliorer les cartographies des champs pluviomtriques (Bnichou, 1990 et 1994). Des mthodes de dsagrgation sont ainsi de plus en plus dveloppes afin dutiliser les informations acquises grande chelle (types de temps) pour obtenir des renseignements sur la variabilit spatiale de donnes plus petite chelle (Bardossy et Plate, 1992). La plupart de ces tudes ont port jusqu prsent sur la pluie ; il y a peu de travaux concernant la temprature de lair.

Objectif de ltude

Aussi notre objectif est-il de proposer une mthode dinterpolation des tempratures journalires de lair qui permette dobtenir des estimations suffisamment prcises sur de larges surfaces, afin de fournir des donnes dentre plus ralistes aux modles de culture, tel le modle GOA voqu plus haut. Pour cela, nous avons choisi dintroduire linformation sur les types de temps en mettant lhypothse que les variations spatiales de la temprature lchelle rgionale (dans notre cas, une rgion de 150 x 250 km) sont conditionnes par le type de circulation atmosphrique (que nous noterons CA par la suite). On conoit aisment que, suivant la direction du vent dominant, les corrlations spatiales entre stations peuvent tre diffrentes (par temps de mistral par exemple, les carts de temprature entre deux stations varient selon la localisation de celles-ci et leur situation perpendiculaire ou parallle laxe du Rhne). partir dun jeu de 152 stations rparties dans le Sud-Est de la France, nous avons utilis la technique du krigeage ordinaire sur les donnes journalires, en cherchant conditionner le systme de pondration obtenu pour chaque journe au type de circulation atmosphrique de la journe, afin de dfinir des ambiances thermiques rgionales caractristiques des principaux types de temps.

MATRIEL ET MTHODE Les donnes pour les types de temps


Ces donnes drivent des sorties de modles de prvision mtorologique grande chelle (meraude pour le dbut de 1993, Arpge partir de novembre 1993) couvrant lensemble de lEurope et centres sur la France. Parmi les sorties de ces modles, quinze variables sont classes de faon automatique MtoFrance, dont les gopotentiels diffrents niveaux (1 000 hPa, 700 hPa, 500 hPa, etc.). Chaque classe correspond une configuration typique de circulation atmosphrique (Bnichou, 1985). La classification automatique repose sur un algorithme de type nues dynamiques et considre les valeurs des variables prvues exprimes aux 100 points de grille du domaine tudi (la distance entre chaque point tant de 380 km 60 de latitude Nord) 12 h UTC. Le signal que lon cherche mettre en vidence pour ces classifications est lchelle synoptique sur lEurope. Dix classes sont proposes pour chaque variable (figure 1). Parmi les diffrents champs analyss, ce sont les gopotentiels (1 000, 700, 500 hPa) qui sont le plus souvent utiliss pour caractriser le type de circulation, car ils sont fortement corrls aux conditions climatiques observes en surface, en particulier avec la pluie. Bnichou (1990) note que la rpartition spatiale de la pluie peut sexpliquer en termes dinfluence prpondrante de certaines classes du champ 700 hPa. Il observe que ce champ, une fois class, est un des meilleurs prdicteurs de loccurrence de la pluie sur la France . Cependant, il constate aussi quil peut y avoir une certaine variabilit du champ le plus explicatif en fonction des saisons et des rgions ; il peut en effet y avoir combinaison entre certains types de temps et le relief : suivant la direction des flux, certaines chanes de montagnes peuvent tre contournes ou non, et des effets de blocage ou dasschement sobservent ainsi en fonction de ces circulations atmosphriques.

56

La Mtorologie 8e srie - n 23 - septembre 1998

a Figure 1 - Exemples de configurations des classes les plus frquentes issues du gopotentiel 1 000 hPa (isolignes cotes en mgp). a) Type anticyclonique avec persistance de froid en hiver (CA 9). b) Type anticyclonique tendance ocanique (CA 1). c) Type anticyclonique avec flux dest sur le Sud-Est de la France (CA 6). d) Type mridien, dpression sur lEurope de lEst (CA 5).

Des corrlations entre la temprature et les donnes issues du gopotentiel 700 hPa ont aussi t analyses par Knapp (1992) et Huard (1993). Dautres auteurs (Klein et Buishard, 1995 ; Mizrahi, 1996) ont plutt considr le gopotentiel 1 000 hPa pour analyser la variabilit spatiale des prcipitations. Pour notre tude, nous avons donc travaill avec les classes issues de ces deux variables (1 000 et 700 hPa) sur une priode de deux ans : 1993-1994. On pourrait envisager dans le futur danalyser lapport de combinaisons dautres variables classes. Nous disposons donc pour chaque jour de valeurs codes allant de 1 10 pour chaque variable, valeurs identiques pour lensemble des stations de la rgion dtude. Compte tenu du nombre de classes et de lchelle spatiale concerne (synoptique), on peut dj se demander si lchelle des types de temps est adapte notre rgion dtude. Il est vident que des spcificits du Sud-Est, telles que les anticyclones avec mistral ou tramontane, ne seront pas distingues, bien que leur influence sur les variations de la temprature ne soit pas ngligeable. Il sagit donc dapprcier dans notre tude si les grandes tendances des circulations atmosphriques analyses grande chelle permettent dexpliquer les modifications des champs thermiques lchelle rgionale.

Pourcentage d'occurrence

30 25 20 15 10 5 0

15

10

10

10

Types de temps gopotentiel 700 hPa Nombre de jours sur deux ans
60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 0 1 10

Types de temps gopotentiel 1 000 hPa


30

20

10 11 12

Mois

Mois

Figure 2. a) Distribution des classes de types de temps des gopotentiels 700 et 1 000 hPa sur deux ans. b) Rpartitions des classes 4 du gopotentiel 700 hPa ( gauche) et 9 du gopotentiel 1 000 hPa ( droite) suivant les douze mois de lanne.

La Mtorologie 8e srie - n 23 - septembre 1998

57

Une analyse de la frquence dapparition des diffrentes classes montre que certains types de temps reprsentent plus de 30 % des situations rencontres au cours des deux annes tudies (par exemple, le type 4 du gopotentiel 700 hPa, qui correspond un anticyclone typique dt), alors que dautres configurations sont trs rarement prsentes (figure 2a). La rpartition des classes est lie aux saisons, certains types de temps tant plus frquents en t, dautres en hiver (figure 2b). Les variations temporelles des classes du gopotentiel 1 000 hPa sont plus frquentes que celles 700 hPa (figure 3). Ce dernier niveau est en effet moins fluctuant, car il est moins influenc par le relief et les conditions de surface, telles que la proximit de la mer. On observe ainsi la mme classe 4 pour le gopotentiel 700 hPa plus de 30 jours conscutifs en t.
a
Types de temps
10 8 6 4 2 0 0 100 200 300

Classes issues du gopotentiel 700 hPa

Jours 1993

Classes issues du gopotentiel 1 000 hPa


Types de temps
10 8 6 4 2 0 0 100 200 300

Jours 1993

Figure 3 - Variation temporelle journalire des classes de types de temps des gopotentiels 700 et 1 000 hPa en 1993 (en abscisse les jours juliens de 1993, en ordonne les codes correspondant aux classes).

Les donnes des stations mtorologiques

Nous disposons des tempratures minimales et maximales journalires sur deux ans (1993-1994) pour 152 postes mtorologiques du rseau synoptique de Mto-France, sur une rgion qui couvre 150 x 250 km dans le Sud-Est de la France (figure 4). Sur ce total, 62 stations ont t slectionnes pour ltalonnage des modles. Ces postes correspondent aux stations synoptiques et automatiques dites de type 0, 1 ou 2, cest--dire permettant la fourniture des donnes en temps rel. Les 90 autres stations ont t rserves pour la validation. Ces stations correspondent aux postes de type 3 ou 4 qui sont, soit des stations automatiques en temps diffr, soit des stations tenues par des bnvoles. Cette partition rpond un objectif fix par Mto-France(1) dinterpoler en temps rel les tempratures

postes d'talonnage postes de validation

0 Kilomtres

100

Figure 4 - Localisation des stations mtorologiques. (1) Les donnes mtorologiques nous ont t fournies par Mto-France, car cette tude sinsre galement dans un projet de comparaison de mthodes dinterpolation.

58

La Mtorologie 8e srie - n 23 - septembre 1998 pour des postes dpourvus de mesures en temps rel. Les deux jeux de donnes prsentent des caractristiques similaires (tableau 1). Les altitudes les plus leves correspondent aux Cvennes avec 1 567 m pour le mont Aigoual (premier jeu de donnes) ; les valeurs les plus basses se situent en bordure de mer et dans la valle du Rhne. Des tests statistiques ont t effectus (comparaison des moyennes et des variances des deux distributions et analyse de variance deux facteurs sur les valeurs journalires maximales) et montrent que les deux groupes de donnes ne sont pas significativement diffrents. La rpartition spatiale des stations est homogne pour les deux ensembles qui couvrent bien toute la rgion. Pour cette tude, nous nous sommes intresss, dans un premier temps, uniquement aux tempratures maximales, car ce sont les donnes les plus utilises dans les modles agromtorologiques estimant lvaporation des surfaces. Elles sont le plus souvent relies aux tempratures de surface mesures en milieu de journe par satellite.
Tx 62 (90) C Min Max Moyenne cart type -8,3 (-6) 39,6 (40,6) 18,8 (18,8) 7,9 (8) z 62 (90) m 1 (1) 1 567 (1 047) 292 (284) 300 (284)

Tableau 1 - Caractristiques moyennes des deux jeux de donnes utiliss : 62 postes pour ltalonnage, (90 pour la validation). Tx : Temprature maximale journalire sur 1993-1994 ; z : altitude des postes en mtres.

TRAITEMENTS EFFECTUS SUR LES DONNES Correction de l'effet de l'altitude sur la temprature
Les principaux carts de temprature entre stations sont dus la diffrence d'altitude entre postes (par exemple entre Montpellier [140 m] et le mont Aigoual [1 567 m], l'cart moyen de temprature est de 11 C avec un maximum qui peut atteindre jusqu' 17 C). Afin d'liminer cet effet du relief sur la temprature, et comme nous ne disposions pas de modle numrique de terrain permettant de caractriser plus prcisment l'environnement des stations, nous avons choisi d'effectuer une correction simple en ramenant l'ensemble des stations au niveau de la mer par l'application d'un coefficient rsultant de l'tude de la rgression
1er janvier 1993
12 10 8 6

18 octobre 1993
a = -0,0071 b = 21,9 r2 = 0,81

a = -0,0015 b = 5,65 r2 = 0,022

20

Figure 5 - Relations obtenues entre Tair (i) et z(i) pour deux journes tires au hasard (Tair (i) = az(i) + b, o i reprsente les stations et z laltitude en m).

4 2 0 0 500 1 000 1 500

15

10

500

1 000

1 500

Altitude (m)

Altitude (m)

linaire entre les tempratures journalires Tair et l'altitude z des 62 postes. Le coefficient global obtenu en considrant toutes les journes tudies (soit 730 jours sur deux ans) est de -0,66 C/100 m, ce qui est proche de la valeur le plus couramment utilise et cite dans la littrature (tableau 2). Pour des journes isoles, ce coefficient exprimant la pente de la rgression varie (figure 5). Certains

La Mtorologie 8e srie - n 23 - septembre 1998

59

jours prsentent un coefficient de corrlation lev avec des points bien resserrs autour de la droite de rgression, d'autres en revanche montrent une forte dispersion. Nous avons donc cherch analyser si ces diffrences pouvaient s'expliquer par les circulations atmosphriques, afin d'affiner ventuellement notre correction. Nous avons tri les journes suivant les types de temps et les saisons, et calcul la pente de la rgression entre Tair et z de chaque journe pour chacune des situations (figure 6a). La distinction des types de temps par saison rsulte de l'analyse de la distribution des classes selon les mois (voir figure 2 a et b) et d'observations faites par diffrents auteurs (Bnichou, 1990 ; Courault et al., 1995) sur l'influence variable des types de temps dans l'anne. Ainsi, un retour d'est au printemps peut entraner des tempratures froides et des gels importants pour l'agriculture, alors qu'en t les variations de temprature sont moins marques et ont peu de consquences. Les groupes de journes ainsi tries n'apparaissent pas homognes ; on observe une variabilit des coefficients plus ou moins importante suivant les types de temps. Les valeurs moyennes des pentes varient suivant les types de temps de -0,43 -0,84 C/100 m pour les classes du gopotentiel 1 000 hPa (tableau 2) et de -0,62 -0,76 C/100 m pour les classes du gopotentiel 700 hPa. Nous n'avons report dans le tableau 2 que les valeurs obtenues pour une saison, l'automne, afin de ne pas alourdir la lecture des rsultats ; les coefficients obtenus pour les autres saisons sont prsents par Armand (1996). Cette diffrence de coefficients entrane des carts importants de temprature ramene au niveau de la mer : ainsi, une station situe 600 m d'altitude ayant une temprature de 15 C aura une temprature quivalente au niveau de la mer de 17,5 C ou de 20 C suivant le type de temps considr et la saison. Soulignons cependant que cette mthode de correction de l'effet de l'altitude sur les tempratures n'est qu'une premire approche trs simplifie, en raison essentiellement des donnes dont nous disposions (l'altitude et les tempratures 2 m aux stations).
a
150 100

Geo 1 000 : classe 9

250 200 150 100

Geo 1 000 : classe 1


200 150 100 50 0 0,0

Geo 1 000 : classe 6


200 150 100 50 0 0,0 0,005 0,010

Geo 1 000 : classe 5

%
50 0 0,0 0,005

50 0 0,010 0,005 0,010 -0,010 -0,005 -0,015 -0,010 -0,005

000

0,005 30

-0,015

-0,015

-0,010

-0,005

-0,015

-0,010

Coefficient a (T = az + b)

Coefficient a (T = az + b)
0,06 0,05 0,04 0,03 0,02 0,01 0,02 0,01

Coefficient a (T = az + b)
0,05 0,04 0,03

Coefficient a (T = az + b)

Geo 1 000 : classe 9


0,10 0,08 0,06 0,04 0,02 0,0 -10 0 10 20 30

Geo 1 000 : classe 1

Geo 1 000 : classe 6


0,05 0,04 0,03 0,02 0,01 0 10 20 30 40

Geo 1 000 : classe 5

Frquence

0,0 40 -10

10

20

30

0,0 40 -10

0,0 -10

10

-0,005

20

40

b
Figure 6 - a) Distribution des coefficients de pente a pour les principales classes de types de temps issues du gopotentiel 1 000 hPa ; b) Distribution des tempratures maximales journalires associes ces classes.

Tous les jours

Tri des jours suivant les classes CA gopotentiel 1 000 hPa CA 9 CA 1 -0,65 0,6 116 CA 6 -0,62 0,57 114 CA 5 -0,75 0,65 95

Tri des jours dautomne suivant les classes gopotentiel 1 000 hPa CA 9 -0,43 0,48 41 CA 1 -0,64 0,66 25 CA 6 -0,57 0,56 25 CA 5 -0,84 0,8 9

Coef. a (C/100m) Coef. de dtermination r2 Nombre de jours

-0,66 0,11 730

-0,54 0,52 117

Tableau 2 - Coefficients de la pente de la rgression Tair = az + b et coefficients de dtermination obtenus pour les diffrentes situations tudies. (CA : classe de circulation atmosphrique ; pour les autres saisons, voir Armand, 1996).

0,010

60

La Mtorologie 8e srie - n 23 - septembre 1998 Cette mthode de correction pourrait tre amliore en prenant en compte d'autres paramtres comme la nbulosit et la stabilit verticale ou en calculant des gradients verticaux sur des zones homognes l'aide des donnes de radiosondage ou des sorties de modle. En effet, au voisinage du sol et dans la couche limite de surface (CLS), les profils thermiques varient de faon logarithmique avec l'altitude ; ils se creusent plus ou moins suivant l'tat de la surface, l'humidit et la stabilit atmosphrique (notons que ce dernier paramtre est plus important prendre en compte pour les tempratures minimales que pour les maximales). La diminution de 0,6 C par 100 m concerne la couche atmosphrique au-dessus de la CLS. Lorsque le temps n'est pas trs beau, le gradient thermique peut tre considr comme constant. En revanche, par beau temps et vent faible, il est ncessaire de prendre en compte l'influence de l'instabilit sur le profil vertical, mais cela ncessite d'avoir plus de donnes mtorologiques (rayonnement, vent, temprature et humidit) et d'informations globales sur la surface (rugosit, rsistance l'vapotranspiration). Il faut ensuite intgrer le tout dans un modle de bilan nergtique (Carrega, 1994 ; Cellier et al., 1995). Le modle de correction devient alors plus complexe. Une autre piste pour prendre en compte ces effets de l'altitude sur la temprature est de caractriser l'environnement des postes mtorologiques (pente, exposition, situation d'encaissement, etc.) partir d'un modle numrique de terrain ou MNT (Carrega, 1994). On peut alors utiliser des mthodes semblables Aurelhy (Bnichou et Le Breton, 1987) ou celles proposes par Dougudroit et de Saintignon (1974), l'acquisition d'un MNT maille suffisamment fine ( 1 km) tant ncessaire pour la mise en uvre de ces mthodes. Des travaux restent faire pour amliorer ce point. Nanmoins, il faut tre conscient qu'il y a un choix faire entre tablir un modle le plus prcis possible requrant alors le plus souvent de nombreux paramtres et des donnes complmentaires (et dans ce cas plus difficile transposer sur d'autres zones) ou choisir un modle gnralisable n'importe quelle situation qui demande peu de donnes d'entre ou des paramtres facilement accessibles partout. Un compromis doit tre trouv en fonction des objectifs et de la prcision viss. Pour notre tude, compte tenu des donnes dont nous disposions, nous avons choisi une approche simplifie.

Analyse spatiale des tempratures


Calcul des semi-variogrammes

Afin de mieux comprendre les diffrentes tapes ncessaires pour interpoler les tempratures, nous prsentons un bref rappel sur la mthode de krigeage utilise (voir galement lannexe en fin darticle. La premire tape est le calcul de semi-variogrammes auxquels on ajuste un modle qui dcrit la structure spatiale de la variable tudie. Pour chaque couple de stations, l'cart suivant est calcul :
n 1 i,i = (Txij - Txij)2 2n j = 1 o j reprsente les jours, i et i' un couple de stations une distance h. Les reprsentations les plus frquentes sont des semi-variogrammes empiriques o tous les couples ayant une mme distance sont moyenns. Ce n'est pas ce qui est fait ici puisque, dans un premier temps, on garde i,i pour les couples de stations ayant une mme distance, sans les moyenner, afin d'en tudier aussi la dispersion.

Des semi-variogrammes sont ainsi calculs pour chaque classe fonde sur les types de temps et les saisons. Diffrents cas sont tudis selon les donnes de temprature utilises : - les donnes brutes sans correction de l'altitude (figure 7a), - les donnes corriges de l'altitude en appliquant un coefficient constant, de -0,66 C/100 m, tous les jours (figure 7b), - les donnes corriges de l'altitude en appliquant un coefficient variable aj suivant la classe atmosphrique (figures 7b et 7c). Dans ces deux derniers cas, les tempratures Ti,0 correspondent aux stations ramenes au niveau de la mer par la relation : Ti,0 = Ti,j - ajzi

La Mtorologie 8e srie - n 23 - septembre 1998

61

L'analyse visuelle des semi-variogrammes ainsi obtenus montre que la dispersion des points et les valeurs de diminuent lorsque les tempratures sont corriges de l'effet de l'altitude, mais ne diminuent plus ensuite suivant le type de correction d'altitude effectue (coefficient constant tous les jours ou variable suivant le type de temps) ou suivant la distinction des journes par type de temps ou par saison (figure 7c). Dans ce dernier cas, le nombre de jours pris en compte dans le calcul de diminue, ce qui peut expliquer en partie cette dispersion encore importante (l'analyse des semi-variogrammes n'est plus alors visuelle, mais repose sur le critre de la variance de ). La dispersion du nuage de points est due deux causes qui s'ajoutent : l'une est la variabilit naturelle de chaque (dpendant de la longueur de la srie prise en compte pour un cas stationnaire) et l'autre la non-stationnarit que l'on cherche rduire. En triant les

Figure 7. a) Semi-variogramme effectu sur les valeurs journalires des tempratures maximales de lair sans correction daltitude (62 stations, 730 jours). b) Semi-variogrammes effectus sur les valeurs journalires des tempratures maximales de lair avec correction de laltitude (62 stations, 730 jours) en appliquant diffrents coefficients. c) Semi-variogrammes effectus sur les valeurs journalires des tempratures maximales de lair corriges de laltitude et tries suivant les types de temps et les saisons (62 stations, nombre de jours pris en compte variable).

62

La Mtorologie 8e srie - n 23 - septembre 1998 journes par type de temps, on rduit le second terme (sous l'hypothse qu'il y a stationnarit l'intrieur d'une mme classe), mais on augmente le premier car la srie est plus courte. Il n'y a pas de drive temporelle car on ne calcule pas d'carts entre dates, les jours tant simplement mlangs pour un mme groupe. Si les journes mme tries ont un comportement diffrent, cela peut aussi contribuer la dispersion importante des semi-variogrammes. La correction simplifie de l'altitude proposant un mme coefficient pour toutes les journes d'un mme groupe n'est peut-tre pas adapte pour certaines journes, do une htrognit encore importante. Ces observations confirment la remarque prcdente concernant les distributions des journes suivant les classes de circulations atmosphriques : les groupes dfinis ne sont pas homognes, les journes d'un mme sous-ensemble ne pouvant pas tre considres comme les rptitions d'un mme phnomne (figure 6b). Des semi-variogrammes ont t galement calculs suivant des directions particulires (nord-sud, est-ouest), mais ils ne montraient pas de diffrences suffisamment marques pour distinguer ces cas d'tude. Nous avons donc considr des situations isotropes pour la suite de ce travail.

Ajustement d'un modle spatial

10 8 6 4 2 0 0 50

10 8 6 4 2 0 0 50

L'tape suivante consiste ajuster un modle chaque semi-variogramme calcul, modle qui permet de dcrire la structure spatiale de la temprature. Dans la plupart des cas, un modle de type exponentiel s'ajuste bien au nuage de points obtenu. La valeur de la porte, qui reprsente la distance partir de laquelle il n'y a plus de corrlation spatiale entre les stations pour la temprature de l'air, est un paramtre que l'on estime dans le modle et qui varie entre 150 et 300 km selon les cas tudis. Certaines situations prsentent des modles linaires (figure Automne 8a) avec un effet de ppite (ordonne l'origine non nulle) CA9 de l'ordre de 0,5 C2 qui peut s'expliquer, soit par l'erreur sur CA6 la mesure de la temprature, soit par une variabilit spatiale infrieure la distance chantillonne entre deux stations (soit 6 km). Les paramtres des modles sont diffrents pour CA1 chaque type de situation atmosphrique (figure 8a et b). Il CA5 faut signaler que ceux-ci sont dtermins par une mthode de rgression non linaire ajuste par les moindres carrs. Le 100 150 200 250 modle est choisi en se guidant sur l'analyse des donnes lisDistance interstation (km) ses. On limine ainsi la dispersion des points afin d'observer plus nettement l'allure de la courbe lisse et de dterminer Hiver s'il y a une tendance plutt linaire ou exponentielle. Le CA9 choix de la forme se fait la fois visuellement sur le varioCA1 gramme empirique liss et en tenant compte du modle qui CA5 prsente le meilleur compromis entre le coefficient de corrCA6 lation le plus lev et l'erreur standard la plus faible. Ainsi, pour la figure 7b, le semi-variogramme obtenu partir des tempratures corriges de l'altitude a t modlis par une fonction exponentielle de la forme : 100 150 200 250
Distance interstation (km)

Figure 8 - Modles ajusts aux semi-variogrammes en considrant les donnes corriges de laltitude et tries suivant les saisons par type de temps. a) En automne pour les principales classes issues du gopotentiel 1 000 hPa. b) En hiver pour les mmes classes 1 000 hPa.

3h = b + a . 1 - exp - p

)]

o b reprsente la ppite (dans ce cas 0,27 0,18 C2), p la porte ajuste (330 42 km), a le palier moins la ppite (5,99 0,24 C2). Le coefficient de dtermination est de 0,36 et l'erreur standard de 1,51 C2 par rapport au variogramme brut.

La difficult principale est de savoir si ces modles sont significativement diffrents entre eux. Les points (reprsentant des carts entre deux stations) tant dpendants, il n'y a pas de mthode statistique simple pour rpondre cette question. Une faon de contourner ce problme est d'appliquer une mme journe les diffrents modles et de comparer les valeurs prdictives obtenues pour chacun d'entre eux sur le jeu de validation, en refaisant l'opration sur plusieurs journes afin d'avoir des rsultats statistiquement significatifs. Mme si cette mthode ne permet pas de tester rellement si les modles sont significativement diffrents, c'est un bon critre de choix qui permet de tester l'efficacit des modles sur les prdictions de temprature qui nous intressent ici. Nous prsentons les rsultats obtenus par cette mthode dans la partie validation.

La Mtorologie 8e srie - n 23 - septembre 1998

63

TABLISSEMENT DE CARTES DE TEMPRATURE

Nous avons utilis la mthode du krigeage ordinaire pour tablir des cartes de temprature pour chaque type de temps, avec comme condition de non-biais que la moyenne est suppose constante sur un petit voisinage, ce qui revient un filtrage local. Il n'y a pas prise en compte de drive linaire. Nous n'avons pas considr non plus l'altitude comme drive externe. L'ensemble de la zone d'tude a t dcoup en carrs de 10 km de ct. La temprature maximale journalire est estime chaque point de grille en tenant compte du systme de pondration appliqu chaque station et dtermin par les modles ajusts aux semi-variogrammes. Les cartes de temprature obtenues pour les configurations les plus frquentes du gopotentiel 1 000 hPa sont illustres figure 9, pour quelques journes tires au hasard. Pour l'ensemble des cartes, l'estimation de la variance est de l'ordre de 1 2 C. Ces cartes ont t obtenues en utilisant les
01-12-94 CA9
1950 15 13 13 14 15 1950

01-11-94 CA1
22 23 23 23 1850 22.5 1800 850 900 650 700 750 22 800 21.5 850

150 km

16

1850 16 17 1800 650 700 750 16 800 17

150 km

1900

16

1900

900

250 km 17-10-94 CA6


1950 1950 18

250 km 03-10-94 CA5


23 24 24

150 km

24 24 1850 20 1800 650 22 700 750 800 22 850 900 22 24 22

150 km

1900

24

24

24

1900

24

1850

1800 650 700 750 800

22 850

23 900

250 km

250 km

Figure 9 - Exemples de cartes de temprature obtenues par krigeage ordinaire pour les principales classes de circulations atmosphriques issues du gopotentiel 1 000 hPa en automne.

tempratures observes aux 62 stations ramenes au niveau de la mer et les modles correspondant aux variogrammes calculs sur les journes tries par type de temps et par saison (figures 7c et 8a). Le sens et l'amplitude des gradients thermiques diffrent suivant le type de circulation atmosphrique (de 2 6 C suivant les situations). Pour chaque configuration, ces carts ne sont pas les mmes suivant les saisons. La figure 10 prsente des cartes correspondant aux tempratures moyennes saisonnires obtenues pour la classe 9 du gopotentiel 1 000 hPa (type anticyclonique). Les tempratures, dans cet exemple, ne sont pas corriges de l'altitude, les modles utiliss tant ceux calculs sur les journes tries par type de temps et par saison (non prsents dans cet article, voir Armand, 1996). Si l'on excepte le gradient thermique bien marqu observ au nord-ouest pour toutes les cartes et d au mont Aigoual, les carts de temprature varient de 4 C au printemps 6 C en hiver.
Hiver
13 8 10 11 12 14 24 22 14 14 14 22 20 15 20 16 15 9 14 12 13 24 14 15 12 13 13 18 20 22

Printemps
22 11 12 13 14 11

Automne
13 14 14

14

13

Figure 10 - Cartes de temprature moyenne saisonnire obtenues par krigeage pour le mme type de temps (CA9 du gopotentiel 1 000 hPa) des saisons diffrentes.

64

La Mtorologie 8e srie - n 23 - septembre 1998

Validation de la mthode

Afin de pouvoir estimer la prcision des interpolations, on estime les tempratures journalires aux 90 stations non prises en compte dans l'laboration des semi-variogrammes et l'ajustement des modles. Les tempratures observes ces 90 postes de validation sont compares aux tempratures interpoles par les diffrents modles obtenus pour chaque situation (figure 11). Ces modles ont t labors, rappelons-le, partir des tempratures observes aux 62 postes d'talonnage. Les calculs des erreurs standard (l'erreur standard correspond la racine carre de l'erreur quadratique moyenne) sont effectus sur des journes tires au hasard pour chaque configuration et sur les valeurs moyennes des groupes de journes (Armand, 1996). La figure 11 montre quelques exemples de journes tudies. La prcision des estimations varie de 0,6 C 2 C suivant les journes et les classes considres et les coefficients de corrlation vont de 0,26 0,86. L'erreur la plus importante observe correspond au type de temps 9 du gopotentiel 1 000 hPa, qui est le plus frquemment rencontr sur les deux annes tudies. L'erreur la plus faible est observe pour les situations avec perturbations qui peuvent s'accompagner de vents forts pouvant expliquer l'homognisation des tempratures. Il faut cependant noter que les perturbations peuvent aussi crer des gradients horizontaux importants (voir figure 9). Ces valeurs d'erreurs standard variables refltent l'htrognit des journes au sein d'un mme groupe tri suivant le type de temps et la saison. Afin de comparer l'effet des modles ajusts aux semi-variogrammes sur la prcision des tempratures estimes, nous avons appliqu chacun de ces modles la mme journe pour estimer les tempratures aux 90 stations. Nous valuons par cette approche le gain de prcision sur les tempratures interpoles lorsque l'on trie les journes le plus finement possible. Les rsultats obtenus pour quelques journes tires au hasard sont illustrs dans le tableau 3. La deuxime colonne de ce tableau prsente les erreurs standard calcules pour quatre journes lorsque l'on applique le mme modle aux donnes (celui considrant l'ensemble des journes sans correction d'altitude, figure 7a). La troisime colonne montre les erreurs obtenues lorsque l'on corrige les valeurs de l'altitude (modles correspondant aux variogrammes ajusts, figure 7b). On observe que les carts types de prdiction calculs (erreurs aux points de validation) diminuent lorsque les tempratures sont corriges de l'effet de l'altitude. Une diminution de l'erreur standard de l'ordre de 0,4 0,7 C est observe, ce qui n'est pas ngligeable pour des valeurs de temprature journalire. En revanche, le tri des journes suivant les saisons et les types de temps (colonnes 4 et 5) n'amliore que trs faiblement la prcision des estimations (de l'ordre de quelques centimes de degrs. Les erreurs standard prsentes dans la colonne 5 sont calcules en effectuant pour la mme journe quatre simulations partir des modles obtenus par type de temps et par saison, similaires ceux illustrs figure 8.
CA1 gopotentiel 1 000 hPa
Une journe d'hiver
Temprature observe
16 14 12 10 8 6 14 16 18 20 22 24 8 10 12 14 16 16 18 20 22

Sensibilit du choix du modle

CA9 gopotentiel 1 000 hPa


Une journe d'hiver
26

Une journe de printemps


Temprature observe
24 22 20 18 16 14

Une journe de printemps


Temprature observe
24 22 20 18 16 14

Temprature observe

12 10 8 6 4 4 6 8 10 12

Temprature interpole

Temprature interpole

Temprature interpole

Temprature interpole

Une journe d't


Temprature observe Temprature observe
20 18 16 14 12 10 36 34 32 30 28 28 30 32 34 36

Une journe d'automne


Temprature observe
24 22 20 18 16

Une journe d't


Temprature observe
16 18 20 22 24 22 20 18 16 14 12

Une journe d'automne

12

14

16

18

20

12

14

16

18

20

22

24

Temprature interpole

Temprature interpole

Temprature interpole

Temprature interpole

Figure 11 - Comparaison des tempratures observes aux 90 postes de validation celles simules par krigeage pour quelques journes tires au hasard.

La Mtorologie 8e srie - n 23 - septembre 1998

65
Corriges de z, tries par CA - CA* du jour j - CA diffrente du jour j 1,09 (CA6*) 1,10 (CA9) 1,10 (CA1) 1,15 (CA5) 1,18 (CA1*) 1,18 (CA6) 1,20 (CA5) 1,21 (CA9) 1,81 (CA5*) 1,83 (CA1) 1,82 (CA6) 1,85 (CA9) 0,93 (CA9*) 0,94 (CA6) 0,94 (CA1) 0,96 (CA5) Corriges de z, tries par CA et par saison - CA et saison pour le jour j - saison diffrente 1,09 (CA6) 1,11 1,12 1,15 1,18 (CA1) 1,19 1,18 1,20 1,80 (CA5) 1,81 1,81 1,82 0,93 (CA9) 0,94 0,95 0,99

Journes tires au hasard 10.02.94

Donnes brutes sans correction

Donnes corriges de z - coef. constant - coef. variable par CA 1,09 1,10

1,62

11.04.94

1,75

1,2 1,15

26.04.94

2,22

1,82 1,80

04.12.94

1,20

0,95 0,93

Tableau 3 - Erreurs standard (exprimes en C) calcules pour quelques journes en appliquant diffrents modles ajusts aux semivariogrammes. (z : altitude ; CA : classe de circulation du gopotentiel 1000 hPa).

DISCUSSION ET CONCLUSION

Notre tude visait amliorer les interpolations spatiales de la temprature journalire de l'air par la prise en compte des types de temps issus des classifications automatiques de Mto-France. Nous avons tabli, pour les principales configurations, des cartes des champs thermiques qui montrent des variations la fois dans le sens et l'amplitude des gradients sur la rgion Sud-Est, variations qui peuvent s'expliquer par les tendances des grands types de circulation atmosphrique (sens des flux, influence ocanique...). Nanmoins, les journes tries suivant la saison et le type de temps ne pouvant pas tre considres comme les rptitions d'un mme phnomne, les groupes restent htrognes, ce qui explique les variations observes au niveau des prcisions obtenues (de 0,6 2 C suivant les journes). Cette constatation nous amne naturellement nous demander si la classification des types de temps utilise n'est pas trop synthtique (dix classes seulement) en couvrant un domaine trop large (l'ensemble de l'Europe) pour aborder les variations climatiques de surface. Les spcificits rgionales rencontres sur le Sud-Est, telles que des anticyclones avec mistral ou tramontane, ne sont en effet pas diffrencies par cette classification. Une piste pourrait tre d'utiliser des classifications de types de temps sur d'autres champs (humidit...) ou de combiner ces informations entre elles. Diffrentes classifications existent dans la littrature. Les plus utilises (Lamb, 1972 ; Hess et Brezowsky, 1977) distinguent entre 27 et 29 principaux types de circulations atmosphriques sur l'Europe occidentale. Mais l'inconvnient de ces classifications est qu'elles requirent une analyse d'expert en mtorologie, et sont donc difficiles utiliser en routine pour des applications oprationnelles ou en mode prvisionnel. Des travaux rcents de Bardossy et al. (1995) proposent une alternative entre ces deux approches de classification, automatique ou par expert : l'utilisateur dfinit les configurations typiques pour la rgion tudie en positionnant les centres d'action sur un fond de carte gorfrenc ; puis toutes les journes sont tries de faon automatique partir d'algorithmes fonds sur des rgles floues en considrant les sorties de modles de prvision (type gopotentiel 700 hPa). Cette mthode demande une bonne connaissance des principaux types de temps de la rgion pour dfinir les classes de rfrence, mais permet d'obtenir quotidiennement toutes les journes classes. Nos travaux s'orientent aujourd'hui vers cette dernire approche qui semble plus adapte notre zone d'tude et devrait permettre d'amliorer les estimations spatiales de la temprature de l'air.

66

La Mtorologie 8e srie - n 23 - septembre 1998

ANNEXE Quelques bases sur le krigeage


Sachant que lon dispose sur une rgion donne de plusieurs stations o lon connat la temprature, on souhaite estimer la temprature en nimporte quel point x0 de la rgion. On construit ainsi un estimateur de la temprature de lair qui scrit sous la forme dune combinaison linaire : Z* 0=
i=1

iZ(xi)

Z(x) est une fonction alatoire des tempratures de lair et z(x) une ralisation sur une station ; z0* est la valeur estime. Les coefficients i (pondrateurs) ne dpendent pas des valeurs de z(xi) prises par la variable Z(xi), mais seulement des covariances entre z(xi) et Z0*. La premire condition remplir est que l'estimateur Z0* doit tre non biais, c'est--dire : E[Z0*] = E[Z(x0)]. La somme des poids i doit tre gale 1. La variance de l'erreur en x0 s'crit :
2 E [(Z(x0) - Z* 0) ] = -

ij(xi, xj) + 2 i(x0, xi)


i=1j=1 i=1

(xi, xj) est la valeur du modle ajust de variogramme pour la paire de stations xi, xj. La deuxime condition est la minimisation de la variance de l'erreur en respectant la contrainte i = 1. Cela implique d'annuler la drive partielle pour chaque i et d'introduire un paramtre de Lagrange pour la contrainte. Le systme de krigeage s'crit sous forme matricielle de la manire suivante : [A].[] = [B] [] est la matrice des pondrateurs que l'on recherche, [B] correspond aux valeurs thoriques du variogramme : 1 i n - (x1, x0) (xi, x0) (xn, x0) 1

[] =

[B] =

[A] est la matrice de krigeage qui s'crit comme suit : (x1, x1) (xi, x1) [A] = (xn, x1) 1 (xn, xi) 1 (xn, xn) 1 1 0 (x1, xi) (xi, xi) (x1, xn) (xi, xn) 1 1

Le vecteur des coefficients i et l'erreur de l'estimation 2k0 peuvent tre obtenus en inversant la matrice [A] : [] = [A]-1.[B] La variance d'erreur minimale 2k0 est donne par : 2k0 = [BT].[]

La Mtorologie 8e srie - n 23 - septembre 1998

67

Remerciements

Nous remercions l'quipe d'agromtorologie de Mto-France de nous avoir fourni les donnes mtorologiques (types de temps et tempratures journalires) ncessaires cette tude qui s'insre dans deux projets coordonns par Mto-France : comparaison de mthodes d'interpolation et projet clat (propos par le ministre de l'Environnement) sur la rgionalisation des effets climatiques. Nous remercions galement les deux experts anonymes pour leurs remarques constructives qui nous ont permis de clarifier cet article, ainsi que Patrick Bnichou (Mto-France), Frdric Huard (Inra bioclimatologie, Avignon) et Pierre Cellier (Inra bioclimatologie, Grignon) qui ont rpondu avec gentillesse toutes nos questions.
Armand C., 1996 : Analyse des variations spatiales et temporelles des tempratures de lair lchelle rgionale. Rapport de fin dtudes DUT statistiques-informatique STID Vannes, Inra, Avignon, 60 p. + annexes. Bardossy A. et E. J. Plate, 1992 : Space time model for daily rainfall using atmospheric circulation patterns. Water Resour. Res., 28, 5, 1247-1259. Bardossy A., L. Duckstein et I. Bogardi, 1995 : Fuzzy rule-based classification of atmospheric circulation patterns. Int. J. Climato.l, 15, 1087-1097. Bnichou P., 1985 : Classification automatique de configurations mtorologiques sur lEurope occidentale. Note de travail du SCEM n 18, Mto-France, Toulouse, 156 p. (Travail rdit en 1995 : monographie n 8, Mto-France, Paris, 94 p.). Bnichou P, 1990 : Circulation gnrale, prcipitations et topographie rgionale. Applications cartographiques et prvisionnelles. Mto-France, SCEM, Division climatologie, Toulouse, 298 p. Bnichou P., 1994 : Comportements systmatiques d'un modle de prvision msochelle en vue de la dsagrgation des sorties d'un modle de climat. Rapport final du programme de recherche clat : rgionalisation des effets climatiques. Ministre de l'Environnement - Mto-France, Paris, 55-72. Bnichou P. et O. Le Breton, 1987 : Prise en compte de la topographie pour la cartographie des champs pluviomtriques statistiques. La Mtorologie 7e srie, 19, 23-34. Brisson A., D. King, M. Nicoullaud, F. Ruget, D. Ripoche et R. Darthoud, 1992 : A crop model for land suitability evaluation: a case study of the maize crop in France. European J. Agronomy, 1, 3, 163-175. Carrega P., 1994 : Analyse spatiale quantitative et applique. Topoclimatologie et habitat. Revue de gographie du Laboratoire d'analyse spatiale R. Blanchard, n 35-36, UFR Espaces et cultures, universit de Nice, 408 p. Cellier P., P. Robin et A. Olioso, 1995 : Bilan d'nergie et microclimats en situation de relief. Actes de l'cole Chercheurs Inra en bioclimatologie, Le Croisic, 3-7 avril 1995. Tome 1 : de la plante au couvert vgtal. ditions Inra, 505-517. Chauvet P., J. Pailleux et J.-P. Chiles, 1976 : Analyse objective des champs mtorologiques par cokrigeage. La Mtorologie 6e srie, 4, 37-54. Courault D., D. Mabit, P. Monestiez et R. Delcolle, 1995 : Influence des types de circulations atmosphriques sur les variations spatiales et temporelles de la temprature de l'air l'chelle rgionale. Colloque sur l'tude des phnomnes spatiaux en agriculture. ditions Inra n 78, 301-309. Delcolle R., F. Ruget et D. Ripoche, 1995 : Possible effects of climate change on wheat and maize crops in France. American Society of Agronomy, 59, 241-257. Dougudroit A. et M.-F. de Saintignon, 1974 : propos des Alpes franaises du Sud, un nouveau mode de reprsentation des tempratures moyennes en montagne : l'orothermogramme. Revue de gographie alpine, 62, 2, 205-217. Fury R. et D. Joly, 1995 : Interpolation spatiale maille fine des tempratures journalires. La Mtorologie 8e srie, 11, 36-43. Hess P. et H. Brezowsky, 1977 : Katalog der grosswetterlagen Europas (1881-1976). Deutscher Wetterdienst, Offenbach, Allemagne. Huard F., 1993 : Approches thoriques de la spatialisation des variables climatiques partir de la discrtisation du relief franais. Thse de doctorat de l'universit de Caen, 255 p.

BIBLIOGRAPHIE

68

La Mtorologie 8e srie - n 23 - septembre 1998


Hudson G. et H. Wackernagel, 1994 : Mapping temperature using kriging with external drift: theory and example from Scotland. Int. J. Climatol., 14, 77-91. Hutchinson M. F., 1993 : A new method for spatial interpolation of meteorological variables from irregular network applied to the estimation of monthly mean solar radiation, temperature, precipitation and windrun. UNU workshop on need for climatic and hydrologic data in agriculture of South-East Asia, Canberra, Australie, dcembre 1983, CSIRO Dev. Water resour. techn. Memo n 89, 95-104. Klein Tank A. M. G. et T. A. Buishard, 1995 : Transformation of precipitation time series for climate change impact studies. Scientific report WR 95-01, KNMI, De Bilt, Pays-Bas, 63 p. Knapp P. A., 1992 : Correlation of 700 mb height data with seasonal temperature trends in the Great Basin (Western USA): 1947-1987. Climate Research, 2, 65-71. Lamb H. H., 1972 : British isles weather types, a register of circulation patterns, 18611971. Meteorological Office, Londres, Royaume-Uni, 85 p. Lebel T., A. Amani et J.-D. Taupin, 1994 : La pluie : une variable rebelle la rgionalisation. Diximes journes hydrologiques, Montpellier, 12-13 septembre 1994. diteur Orstom, 189-208. Meylan P., 1986 : Rgionalisation de donnes entaches d'erreurs de mesure par krigeage. Hydrol. continent, 1, 1, 25-34. Mizrahi F., 1996 : Saisonnalit des fortes prcipitations journalires dans le Centre-Est franais. Publications de l'Association internationale de climatologie, 9, 93-99. Monestiez P., P. D. Sampson et P. Guttorp, 1993 : Modeling of heterogeneous spatial correlation structure by spatial deformation. Cahiers de gostatistique, 3, 35-46. Ruget F., B. Nicoullaud, J. Lorgeou, N. Brisson, P. Gate, D. Ripoche, D. King, R. Delcolle, J. Daroussin, L. Ngonlo et P. Clastre, 1995 : Dlimitation de zones aux potentialits quivalentes en France et dans la Communaut europenne pour optimiser les rseaux d'exprimentation des varits. Bl et mas. Rapport Inra, Avignon, 52 p. + 17 planches. Seguin B., S. Baelz, J.-M. Monget et V. Petit, 1982 : Utilisation de la thermographie IR pour l'estimation de l'vaporation rgionale. II : rsultats obtenus partir de donnes satellites. Agronomie, 2, 2, 113-118. Sderstrm M. et B. Magnusson, 1995 : Assessment of local agroclimatological conditions - a methodology. Agricult. forest and meteorol., 72, 243-260. Wackernagel H., 1995 : Multivariate geostatistics. Springer-Verlag, Berlin, 256 p.