Agrégation des données de températures en Bourgogne : sensibilité aux échelles de temps (Aggregation of temperature data in Burgundy: sensitivity to temporal scales)

The study of spatial climate variability or agricultural potentialities requires continuous fields of climate variables. Temperatures are collected from point sources by weather stations. It is necessary to aggregate these data in space in order to estimate the value of the variable in all points of the study area (Burgundy, France). For this purpose, a deterministic method was used: partial thin plate splines. In order to study the time step sensibility of these estimations, this method is applied at yearly, monthly and daily time steps, for the years 1991 and 2003. Elevation was used as an environmental covariate, to improve the interpolation process. The performance of the interpolation method was assessed by means of jack-knife cross-validation. The interpolation process was accurate for maximum temperature (Tx), whereas it was unsatisfactory for minimum temperature (Tn), regardless the time step. The interpolation accuracy varied considerably. February monthly spatial estimates were less accurate than January or June estimates. At daily time step, the determination coefficient (R2) between observed and cross-validation estimates varied from 0 to 0.6 for Tn and from 0.4 to 0.9 for Tx. These results do not necessarily depend on the relationship between temperature and elevation.L’étude de la variabilité spatiale du climat ou de potentialités agricoles nécessite des champs continus de variables climatiques. Les températures sont mesurées de façon ponctuelle par des stations météorologiques. Il est donc nécessaire d’agréger ces données dans l’espace c''est-à-dire d’estimer la valeur de la variable ‘ température’ en tous points de la région d’étude (la Bourgogne, France). Dans ce but, une méthode déterministe est utilisée : les splines partielles en plaques minces. Afin d’étudier la sensibilité aux échelles de temps de la pertinence de ces estimations, cette méthode est appliquée aux pas de temps annuel, mensuel et quotidien pour les années 1991 et 2003. L’altitude est intégrée dans la procédure d’interpolation, comme covariable environnementale. La performance de l’interpolation est évaluée par validation croisée (jack-knife cross-validation). Globalement, les températures minimales (Tn) sont moins bien estimées que les températures maximales (Tx) et ce quel que soit le pas de temps. On observe une forte variabilité temporelle des résultats de la validation croisée. Certains mois (Janvier, Juin), les températures sont mieux estimées que d’autres (Février). Enfin, au pas de temps quotidien, la variabilité des résultats est très importante (R2 entre 0 et 0,6 pour Tn et entre 0,4 et 0,9 pour Tx). Ces résultats ne dépendent pas nécessairement de la bonne ou mauvaise relation entre la température et l’altitude.Cuccia Cédric, Bois Benjamin. Agrégation des données de températures en Bourgogne : sensibilité aux échelles de temps (Aggregation of temperature data in Burgundy: sensitivity to temporal scales). In: Bulletin de l'Association de géographes français, 87e année, 2010-2. Approches spatiales multiscalaires en climatologie. pp. 261-273