Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012Figure 3 : Classification floue de la variabilité pluviométrique en 4 classes. Chaque pointillé représente lamoyenne pondérée de chaque station (la pondération est le coefficient d'appartenance aux 4 classes) et le traitplein est la moyenne des 36 stations. Les années sur la première ligne au-dessus de chaque panel ont uncoefficient d'appartenance > 0,75 dans chaque classe et les années sur la seconde ligne possèdent un coefficientd'appartenance entre 0,5 et 0,75. Il n'y a pas d'années entre 0,5 et 0,75 dans la troisième classe et pas d'années >0,75 dans la quatrième classe.C'est logique du fait de la surreprésentation des phases cohérentes dans l'espace dans lepremier mode de variation de l'ACP étendue, qui a le plus de poids dans le calcul desdistances entre les observations. L'algorithme utilisé tend donc à extraire objectivement lessignaux qui tendent à se répéter plus ou moins systématiquement dans l'espace entre lespluviomètres. Le pic saisonnier, et plus encore la fin de la saison, bien qu'apportant lamajorité des pluies saisonnières, pèsent moins dans la matrice de covariance et, in fine, dansl'émergence des classes qui reposent sur les phases les plus cohérentes. La classe 1 intègre lessaisons les moins arrosées avec une forte anomalie négative jusqu'à mi-avril. Les classes 2 et3 correspondent à des saisons normales avec quasiment une évolution temporelle enopposition de phase de part et d'autre d'une anomalie maximale (positive dans la classe 3 etnégative dans la classe 2) enregistrée autour de fin mars / début avril. La dernière classe, la 4,présente une forte anomalie pluviométrique positive en février-mi-avril suivie de pluiesproches de la normale. Le signal moyen dans les anomalies de TSO (non montré) indique parexemple une forte contribution des phases chaudes de l'ENSO dans la classe 2 qui n'est pascelle qui comporte les anomalies saisonnières les plus amples.Une fois que les scénarios sont établis, il est très simple d'évaluer les changements induitsdans n'importe quelle caractéristique de la saison des pluies de l'échelle régionale à l'échellelocale. On peut ainsi calculer pour chaque classe, la probabilité d'observer une séquence sèche> N jours à l'échelle locale. Cela permet de détecter par exemple la modulation temporelle563