Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012de prendre en compte l’augmentation exponentielle des feux durant les épisodes centraux(CP) chauds (i.e. 2002 et 2004). Le modèle est construit en validation croisée, les paramètresdu modèle étant estimés de façon itérative à partir des 11 années d’apprentissage et sontutilisés ensuite pour prédire la saison restante. Cette procédure est répétée 12 fois, pourchaque année cible. La figure 4a montre les SBNC observées et simulées par le modèle. Saperformance (i.e. la corrélation entre le logarithme observé et simulé des SBNC) s’élève à0,87***.Figure 4 : (a) Surfaces brûlées en Nouvelle-Calédonie observées (ligne pleine avec cercles) enseptembre-décembre et simulées (pointillés avec carrés) à partir de l’indice Niño 4 en juin-août enutilisant un Modèle Linéaire Généralisé (MLG) avec un lien logarithmique entre le prédicteur et leprédictand. Les lignes horizontales montrent les terciles supérieur et inférieur. (b) Corrélations entrel’observation et la simulation des surfaces brûlées en septembre-décembre dans un rayon de 20 kmautour de chaque station. Les symboles grisés indiquent les corrélations significatives au seuilbilatéral 90 % selon un test de phase aléatoire (Janicot et al., 1996).La prédiction de la saison 2005 est la plus éloignée de l’observation. L’erreur du modèles’explique dans ce cas par l’occurrence du feu de la Montagne des Sources qui compte pour84,6% du total des surfaces brûlées de la saison. Lorsque ce feu est retiré de la base dedonnée, la performance du modèle s’élève à 0,95***, soit 90 % de variance expliquée. Enrevanche, il est quasiment impossible d’appliquer ce modèle aux surfaces brûlées saisonnièresautour de chaque station car l’occurrence répétée de zéro contamine la base de données (74 %de la totalité de l’échantillon) et empêche le paramétrage du MLG. Une solution consistecependant à paramétrer le modèle en remplaçant une station par un échantillon de stationsavoisinantes. La procédure consiste ainsi à sélectionner 63 stations parmi lesquelles au moinsdeux saisons SOND enregistrent des feux dans un rayon de 20 km. Un minimum de deuxstations est requis pour appliquer la validation croisée (i.e. le modèle est incapable de s’ajustersi les valeurs sont toujours égales à 0). Nous ajustons ensuite chaque cible en validationcroisée en utilisant les stations enregistrant en moyenne des surface brûlées similaires (avecune tolérance de +/- ½ écart-type de la moyenne des SBNC en SOND par rapport à la cible,ce qui correspond environ à 60 ha) et ayant une corrélation positive avec le logarithme dessurfaces brûlées durant la période d’apprentissage. Environ 32 stations en moyenneremplissent ces conditions et l’ajustement est donc, en moyenne, de 11 x 32 = 352 valeurs aulieu de seulement 11 saisons. Bien que certaines valeurs soient inévitablement répétées dansle cas où un feu serait à cheval entre deux stations, cette méthode évite les erreurs deparamétrage.La figure 4b montre la corrélation entre l’observation et la prédiction des surfaces brûlées àl’échelle saisonnière. La taille réduite de l’échantillon mène, inéluctablement, à des résultatsbruités et à des variations purement stochastiques. En effet, des stations très proches les unesdes autres enregistrent des performances différentes. On peut toutefois dégager trois zonesrelativement homogènes : (i) un secteur au nord de la « Grande Terre » où la performance du97