Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012pour évaluer le réchauffement à l’échelle régionale (5 km). Pour cet article, nous neprésentons que les résultats acquis pour les valeurs minimales du mois d’avril pour des sitesviticoles pour montrer l’exemple de l’évaluation du risque de gel au printemps en régionsviticoles. Les six régions viticoles françaises étudiées sont le Val de Loire, la Champagne, laBourgogne, le Bordelais, la Basse vallée du Rhône et le Languedoc en utilisant les stationsmétéorologiques du réseau synoptique de Météo-France représentatives de ces régionsviticoles : Angers-Beaucouzé (Angers), Reims-Courcy (Reims), Savigny-lès-Beaune(Savigny), Bordeaux-Mérignac (Bordeaux), Montélimar et Nîmes respectivement (figure 1).Une analyse statistique descriptive a été réalisée en utilisant les données de températuressimulées et observées pour évaluer les sorties numériques ainsi que l’apport du modèlerégional à fournir des simulations régionales détaillées. Le t test de Student a été calculé pourdéterminer si les différences entre les séries observées et simulées étaient statistiquementsignificatives, ainsi que le Root Mean Square Error (RMSE) pour estimer l’ordre de grandeurdes erreurs entre les valeurs simulées et observées.2. Résultats2.1. Période de référence 1991-2000La figure 2 montre la structure spatiale des températures minimales du mois d’avrilsimulées pour la période 1991-2000 par les deux modèles pour le domaine couvert par lagrille 2. En raison de la résolution spatiale plus fine de RAMS, on peut clairement voirl’intérêt du modèle méso échelle, soulignant les différences spatiales aux échelles régionales(figure 2b) en comparaison avec les résultats issus de la résolution plus grossière du modèleglobal (figure 2a). Certaines régions sont mieux représentées individuellement par RAMS ;par exemple les basses vallées du Rhône et de la Loire, le Massif Central, le bassin aquitain etle Languedoc. De plus, il y a des différences notables dans les valeurs de températuresimulées par les deux modèles ; RAMS ayant simulé en général des valeurs plus élevéesqu’ARPEGE. Ceci montre l’importance de quantifier en premier lieu les différences entresimulations et observations pour évaluer les biais générés par le forçage de grande échelle etainsi justifier l’utilisation d’un modèle régional tel que RAMS. Les différences observées àvue d’oeil sur la figure 2 peuvent également être dues à un effet de seuil.a) b)Figure 2 : Températures minimales d’avril simulées par a) ARPEGE (résolution 50 km) et b) RAMS (résolution5 km), pour la période 1991-2000 et pour le domaine de la grille 2.Considérant les résultats statistiques entre les valeurs de température simulées et observéessur la période de référence 1991-2000 pour les six régions viticoles étudiées (tableau 1), onpeut constater que les biais, de différente ampleur selon les régions, sont dus au forçage degrande échelle et que l’erreur moyenne (RMSE) est toujours plus petite avec les résultats du149