2.4.3. La standardisation
La standardisation est effectuée pour éliminer
des variations inter-annuelles l'effet à long terme de l'âge et
l'ensemble des bruits d'origines différentes pour ne conserver que la
part de la variance de haute fréquence principalement due aux facteurs
climatiques. Ceci permet aussi la comparaison de courbes issues d'arbres
d'âges différents comme c'est le cas dans les populations
étudiées. Deux méthodes de standardisation ont
été utilisées : celle des indices (ou indexation) et celle
des résidus (modélisation ARMA).
a) L'indexation
La standardisation utilisée ici consiste à
convertir les épaisseurs brutes en indices. La méthode
employée a consisté à utiliser un filtre, avec une
fenêtre permettant de conserver les fréquences souhaitées.
Un filtre passe bas assorti d'une fenêtre de 10 ans a été
adopté, pour conserver les variations de haute-fréquence
principalement dues aux variations inter-annuelles du climat. Puis les indices
ont été obtenus en substituant à chaque largeur de cerne
mesurée le quotient de la largeur annuelle observée du cerne par
la valeur filtrée de celui-ci.
15
b) La modélisation ARMA (Auto Regressive
Moving Average)
Cette méthode de standardisation a été
privilégiée dans cette étude car le signal
aléatoire climatique est plus fort que celui fournit par l'indexation.
Le processus ARMA est basé sur la décomposition de la croissance
Ct en une partie aléatoire at (ou résidu) et une partie,
prédéterminée, fonction de la croissance antérieure
aux temps t-1, t-2,...t-p. On peut écrire :
Ct = f(Ct-1, ..., Ct-p)+at
Ct : grandeur brute (épaisseur ou surface) du cerne au
temps t
f (Ct-1,..., Ct-p) : part du cerne de l'année t dont la
construction est prédéterminée avant même que
n'intervienne le facteur climatique de l'année t
La partie prédéterminée peut s'exprimer
sous la forme d'un processus autorégressif d'ordre p noté AR(p)
qui prend en compte la grandeur des cernes des années t-1, t-2,...,t-p,
soit :
Ct = Ö1Ct-1+Ö2C t-2+...+ÖpCt-p+at avec Öi :
coefficients « autorégressifs »
La modélisation ARMA prend en compte les deux facteurs
intrinsèque et extrinsèque majeurs de la croissance que sont la
tendance d'âge et le climat.
Chaque série moyenne de cernes est d'abord
modélisé par un processus de type ARMA et adapté à
l'analyse des séries temporelles que constituent les cernes (Guiot
et al., 1982). Le programme CALARE du logiciel 3Pbase a
été utilisé. Un modèle simple
autorégressif 1-0 (autocorrélations calculées
avec le programme GALOTO du logiciel 3PBASE), dans la plupart des cas
étudiés ici, suffit à expliquer la presque totalité
de la variance liée à l'autocorrélation des cernes.
L'épaisseur du cerne au temps t est donc toujours exprimée sous
la forme :
Ct = Ö1 Ct-1 + at
Le premier terme, lié à l'autocorrélation
des cernes, exprime le degré d'inertie de la réponse des arbres
aux facteurs externes. Le dernier terme (at) aléatoire
appelé résidu, lié à l'année
où se construit le cerne, exprime la réponse des arbres aux
facteurs externes et en particulier au climat. Les séries de
résidus sont ainsi isolées par la modélisation ARMA.
2.5. Les relations cerne/climat : la fonction de
réponse
Les arbres sont des enregistreurs plus ou moins fidèles
de la variabilité des facteurs externes dont le climat. L'objectif est
de trouver une équation statistique traduisant au mieux la relation
entre les différents paramètres climatiques
(précipitations et températures essentiellement) et la croissance
des individus représentée par les séries temporelles des
largeurs de cernes : c'est la fonction de réponse. Elle
16
est un moyen d'apprécier l'aptitude d'un modèle
statistique à prédire la part de variation de la largeur des
cernes attribuable aux facteurs environnementaux dont le facteur climatique.
Une méthode a été utilisée : celle
de la régression orthogonalisée à laquelle a
été appliquée la procédure Bootstrap.
2.5.1. Données climatiques
L'analyse de la relation cerne/climat nécessite
l'utilisation de données météorologiques locales
complètes pour la période sur laquelle l'analyse est faite.
Le tableau 2 réunit les stations
météorologiques utilisées. Les séries de
température (maximales et minimales) couvrent une période
d'environ 40 ans. Mais les stations du nord du massif étant
significativement corrélées avec la station de Gap et d'autres
stations proches, les données manquantes ont pu être
reconstituées sur la base de corrélations multiples. La
température moyenne est obtenue en faisant (Tmin+Tmax)/2.
Tableau 3 : Postes météorologiques.
poste
|
longitude
|
latitude
|
altitude
|
Précipitations
|
T°min
|
T°max
|
Gap
|
6° 05' E
|
44° 34' N
|
750 m
|
1857-1998
|
1878-1998
|
1878-1998
|
St Dalmas le Selvage
|
6° 51' E
|
44° 17' N
|
1510 m
|
1931-1998
|
1951-1981
|
1951-1981
|
Auron
|
6° 56' E
|
44° 13' N
|
1610 m
|
1950-1998
|
1951-1998
|
1951-1998
|
St Martin Vésubie
|
7° 15' E
|
44° 04' N
|
1000 m
|
1952-1998
|
1959-1998
|
1959-1998
|
Valdeblore
|
7° 10' E
|
44° 04' N
|
1000 m
|
1931-1998
|
1954-1998
|
1954-1998
|
Peira Cava
|
7° 22' E
|
43° 56' N
|
1480 m
|
1954-1997
|
1956-1997
|
1956-1997
|
St Dalmas-de-Tende
|
7° 35' E
|
44° 03' N
|
650 m
|
1938-1998
|
1951-1998
|
1951-1998
|
2.5.2. Méthodes de calcul :
Le programme CALROB (logiciel PPPhalos) est utilisé
pour calculer les fonctions de réponse. Les différentes
étapes de calcul sont les suivantes :
> La régression orthogonalisée : La
variable dépendante est le cerne exprimé par la largeur ou la
densité. Les variables explicatives (ou régresseurs) sont les
paramètres climatiques mensuels: précipitations et
températures. L'analyse est une régression multiple se faisant
sur les composantes principales des régresseurs, afin d'éliminer
la corrélation présente entre les paramètres climatiques.
Cette régression est dite orthogonalisée.
> La méthode Bootstrap : Cette méthode
(Guiot, 1991) permet de tester la fiabilité de la fonction de
réponse sans utiliser les tests d'hypothèse classiques. Elle
estime les erreurs des coefficients de régression de la fonction de
réponse en étudiant la variabilité des estimations faites
à partir de sous-ensembles du jeu de données initiales. Ces
échantillons sont obtenus par tirage aléatoire avec remise parmi
les observations initiales (Keller, 1999). Ici, le calcul de la
régression a été répété cinquante
17
fois (50 tirages) sur le même ensemble de variables. Les
fonctions de réponse sont calculées sur ces années dites
de calibration et la relation obtenue est vérifiée avec les
années non tirées au sort (années de
vérification).
|