Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012Les paramètres déterminants de lavariabilité spatiale des températures mis enévidence par le modèle RAMS sont lesmêmes qui fondent l’équation du modèlestatistique d’interpolation en plus de l’effetdu couvert végétal.Le croisement de cette simulation avec lacarte d’occupation du sol utilisée par lemodèle RAMS montre que la zone la plusfroide, au sud ouest, se superpose avec lazone la plus végétalisée, d’où une bonneconcordance entre la modélisation statistiqueet celle physique pour le cas étudié. Cescontrastes sont favorisés aussi par lerefroidissement radiatif à l’ouest et le faiblebrassage de l’air.Figure 5 : Température modélisée pour le 27/8/2007à 3h TU.ConclusionGlobalement, pour les dates retenues, les modèles statistiques sont performants pour lasimulation de la température de l'air, très variable au niveau de l’espace urbain à microéchelle.Un gradient de 6°C d'est en ouest a été mis en évidence pour les valeurs de jour. Lanuit, un îlot de chaleur de 8°C est bien individualisé. En outre, les zones vertes paraissent plusfroides d'environ 2°C. Le modèle physique RAMS apparaît moins performant, tel qu’utilisé.En effet, l’îlot de chaleur urbain nocturne mesuré au sol et simulé par le modèle statistiquen’est pas net sur les sorties du modèle. La fiabilité de la simulation est meilleure le jourpermettant de détecter l’effet rafraichissant de la brise. Le gradient est-ouest est du mêmeordre de grandeur que celui reproduit par l'approche statistique. Les facteurs limitants de laperformance du modèle RAMS relèvent, d’une part, de la mauvaise résolution spatiale desdonnées d’entrée relatives aux types de sol (4 km) et aux types de substrat (1 km). D’autrepart, la base de données relative à l’occupation du sol, datant de 1993, est inadéquate au vud’une agglomération en évolution rapide. Ces résultats confirment que ce genre de simulationphysique pronostique est extrêmement complexe et dépend largement de la précision desdonnées d'entrée utilisées. Pour appuyer les simulations obtenues, il faudrait procéder à leurvalidation à l’aide d'observations de terrain même si ces dernières sont parfois elles-mêmesutilisées comme données de calibration des modèles.Références bibliographiquesAtkinson B.W., 2003 : Numerical modelling of urban heat island intensity. Boundary-Layer Meteorology, 109,285-310.Carrega P., 1994 : Topoclimatologie et Habitat. Thèse, Revue de géographie du laboratoire d’analyse spatialeRaoul Blanchard n° 35 et 36, Université de Nice, France, 408 p.Carrega P., Yohia C., 2009 : Conséquences météorologiques et climatiques de l’échelle spatiale de prise encompte du relief, et du calcul, dans les modèles numériques. Exemple avec GFS, GEM, BOLAM, MM5, NMMWRF, RAMS. « Journées de Climatologie », CNFG, Besançon, 18 p.Kusaka H. et Kimura F., 2004 : Coupling a Single-Layer Urban Canopy Model with a Simple AtmosphericModel: Impact on Urban Heat Island Simulation for an Idealized Case. Journal of the Meteorological Society ofJapan, Vol. 82, No. 1, 67-80.Walko R. et Tremback C., 2006 : RAMS The Regional Atmospheric Modeling System Technical Description :http://www.atmet.com.182