Modélisation climatique à l’échelle des terroirs viticoles

dans un contexte de changement climatique

Renan Le Roux

To cite this version:

Renan Le Roux. Modélisation climatique à l’échelle des terroirs viticoles dans un contexte de change-
ment climatique. Histoire. Université Rennes 2, 2017. Français. <NNT : 2017REN20057>. <tel-
01710012>

HAL Id: tel-01710012

https://tel.archives-ouvertes.fr/tel-01710012
Submitted on 15 Feb 2018

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci-
entific research documents, whether they are pub-
lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 REMERC
IEMENTS

S
ice
stro
isa
nné
esd
etr
ava
ile
td’
éla
bor
ati
ond
ece
tt
eth
èser
est
eron
tpou
rmo
iun
eex
cel
len
te
e
xpé
rie
ncem
arqu
éep
ard
etr
èsbon
ssouv
eni
rs
,c’
esta
van
ttou
tgr
âcea
uxnom
bre
use
spe
rsonn
es
qu
im’on
ten
tou
rée
tac
com
pagn
épe
nda
ntc
etem
ps.

D
ansunp
rem
iert
emp
s,j
esouh
ai
ter
eme
rci
erc
hal
eur
eus
eme
ntN
ath
ali
eOl
la
t,V
alé
rieBonn
ardo
t,
Sy
lva
inB
igo
t,J
oãoS
ant
ose
tBe
njam
in Bo
isd
’avo
ira
cce
ptéd
’év
alu
erm
ont
rav
aile
td’
êtr
ele
s
m
emb
resd
emonj
ury
.

C
’es
tav
ecun
eat
ten
tionp
art
icu
li
èrequ
ejer
eme
rci
eHe
rvé Qu
éno
l,m
ond
ire
cte
urd
eth
èse
,qu
i
m
’aa
cco
rdés
acon
fia
nced
epu
ism
onp
rem
iers
tag
een2012
.Dul
abo
rat
oir
eauxt
err
ain
sdenu
it
,en
p
ass
antp
arl
esb
ala
desd
ansl
esc
oll
ine
sde W
aip
ara
,sonsou
tie
naé
tép
erm
ane
nt,a
uss
ibi
en
p
ersonn
ell
eme
ntqu
epro
fes
sionn
ell
eme
nt.J
erem
erc
iep
are
il
lem
entm
onc
o-d
ire
cte
urd
eth
èse
,Ke
es
v
anL
eeuw
en,t
ouj
our
slàpou
rm’o
rie
nte
retdon
tlap
ass
ionpou
rlav
it
icu
ltu
ren
’ad
’ég
alequ
esa
g
éné
ros
ité
. Ung
rand m
erc
iàL
aur
eég
alem
entpou
rsona
idep
réc
ieu
se(
ets
esbon
spl
anspou
rle
s
r
est
osd
eSa
int
-Ém
il
ion
).D
’un
ema
niè
reg
éné
ral
ej’
asso
cieàc
esr
eme
rci
eme
ntst
ousl
esm
emb
res
d
eBo
rde
auxS
cien
cesA
groe
tdel
’ISVVp
rés
ent
slo
rsd
eme
snom
bre
uxs
éjou
rsàBo
rde
aux
.

P
arm
ile
snom
bre
use
spe
rsonn
esqu
ej’
air
enc
ont
rée
sauc
our
sdec
et
tet
hès
e,l
’équ
ipeduC
ent
re
fo
rAtm
osph
eri
cRe
sea
rchd
el’un
ive
rsi
téd
eCa
nte
rbu
ry a e
u unim
pac
tcon
sid
éra
bled
ans
l
’évo
lut
iond
emont
rav
ai
l.M
ess
éjou
rse
nNouv
ell
e-Z
éla
ndeon
tét
éle
sexp
éri
enc
esm
arqu
ant
esd
e
c
est
roi
sann
ées
.Me
srem
erc
iem
ent
svon
tà M
arw
an,P
eym
ane
tàA
ndyqu
im’on
tfa
ita
ppr
éci
erl
a
qu
ali
téd
evi
eNé
o-Z
éla
nda
ise
.

C
ett
eth
èseaé
tér
éal
isé
eda
nsl
’en
cei
nteR
enn
ais
eduLETG
.Jet
ien
sàr
eme
rci
erl
’en
sem
bled
e
s
esm
emb
res
,ch
acunp
art
ic
ipa
ntàl
atr
èsbonn
eam
bia
ncequ
iyr
ègn
e:S
amu
el
,Thom
asC
,Al
ban
,
V
alé
rie
,Ol
ivi
er,So
lèn
e,V
inc
ente
tVi
nce
nt(NDV
I²)
,Dam
ien
,La
ure
nce
,An
toi
ne,A
nne
-Ju
li
a,
S
imon
,Ka
rel
,Joh
an,S
éba
st
ien
,He
rvé
, Rom
ain
,Ad
el
ine
,Thom
asH
,Cl
éme
ncee
tJe
an(«L
ow
b
att
ery»
).Un
epe
nsé
eég
alem
entpou
rme
sco
llè
gue
sdo
cto
ran
ts:V
éro
,Edw
ige
,Pe
rr
ine
,Ma
ria
nne
,
Ad
el
ine
, Am
it
,Ar
thu
r,So
len
,Igo
r,P
aul
ine
,Xa
vie
retÉ
ti
enn
e.M
erc
iég
alem
entàRo
sel
ynepou
r
son a
idec
ons
tan
te
.J’
éte
ndsc
esr
eme
rci
eme
ntsa
ux m
emb
resb
res
toi
s du LETG e
tpl
us
p
art
icu
liè
rem
entà Cy
ri
l,M
ath
iase
tCé
lin
equ
im’on
tac
cue
il
liàp
lus
ieu
rsr
epr
ise
ssou
sles
ole
il
f
ini
sté
rie
n.J
en’oub
li
epa
s Cy
ri
l,p
rés
ide
ntd
eTe
rraC
lim
a,qu
iaé
tél
epr
emi
erà m
’en
cad
rersu
r

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
c
ett
eth
éma
tiqu
eeta
vecqu
ij’
esp
èrec
ont
inu
erd
eco
ll
abo
rerl
ong
tem
ps.J
erem
erc
ieé
gal
eme
nt
N
ico
lasJ
égoupou
rsona
idee
nst
at
is
tiqu
eetM
al
ikapou
rse
scon
sei
lse
ndé
butd
eth
èse
.

L
afo
rtep
rés
enc
edem
esam
isaé
téuna
tou
tcon
sid
éra
blepou
rlebond
érou
lem
entd
ece
tt
eth
èse
.
P
arm
ieux
,jet
ien
ssp
éci
alem
entàr
eme
rci
erJRe
tSé
ver
ine(
etg
ribou
il
le)
,qu
im’on
thé
ber
géàd
e
m
ult
ipl
esr
epr
ise
sàBo
rde
aux
,etm
’on
tfa
itd
écouv
ri
rlav
il
le(
sur
tou
tch
ezA
lr
ic)
,j’
enp
rof
itepou
r
r
eme
rci
erA
nto
inee
tErw
anqu
im’on
tég
alem
entl
ogéd
ansl
aca
pit
aleG
irond
ine
,ai
nsiqu
eMa
li
ck
e
tFl
ore
ncepou
rle
ura
ccu
ei
làP
ari
s. Un
eme
nti
onsp
éci
aleàJu
li
eetÉ
ti
enn
e,don
tjen
ecom
pte
p
lusl
enom
bred
ere
pasc
heze
ux(
san
scom
pte
rle
spé
riod
esd
’hé
ber
gem
ente
tle
svoy
age
s)
. Un
g
rand m
erc
iau
ssiàL
ily
,pr
ése
nted
epu
ist
ouj
our
s,e
tà My
lèn
eetN
icopou
rce
swe
ek-
end
sde
d
écom
pre
ssi
onà C
aene
tà B
el
le-
île
.Dem
êmem
erc
ià m
esd
if
fér
ent
sco
loc
sdu16a
venu
ede
s
F
ran
çai
sli
bre
,Ju
lie
,Be
rna
rd,M
aï
lyse
tMa
udpou
rce
sbon
smom
ent
spa
rta
gés
.Jen
epe
uxom
et
tre
d
erem
erc
iert
ousl
es «c
ous
ins» d
eRe
nne
setl
esam
isd
eGr
anv
il
le
,ai
nsi qu
ele
san
cie
ns
«s
iga
udi
t»,c
’es
tce
rta
inem
enta
vecvou
stou
squ
ej’
ail
epl
usp
rof
it
édel
ath
éma
tiqu
edec
et
te
t
hès
e.M
erc
iég
alem
entàc
euxqu
ion
tpr
isl
etem
psd
ere
li
red
esp
art
iesd
ecet
rav
ail
,Ju
lieC
,Ju
li
e
B
,Cl
éme
nt,P
aul
ine
,La
ura
,Ni
co,F
él
ixe
tPomm
e.E
nfi
n,j
eti
ensàr
eme
rci
erm
afam
il
lee
tpl
us
sp
éci
fiqu
eme
ntm
esp
are
nts
,qu
im’on
ttou
jou
rssou
tenud
ansc
epro
je
t.

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
ISTEDESS
IGLESETDESACRONYMES

ADV
ICL
IM Ad
apt
at
iono
fvi
ticu
ltu
retocl
imat
ech
ang
eHi
ghr
eso
lut
ionob
serv
ati
ons
ad
apt
ati
ons
cen
ari
iforvi
ti
cul
tur
e

A
IC Ak
aik
eIn
form
at
ionC
ri
ter
ion

ALAD
IN A
ireL
imi
téeA
dap
tat
iondyn
ami
queD
éve
lopp
eme
ntIn
terN
ati
ona
l

AW
S Au
tom
at
icW
eat
herS
ta
tion

ARPEGE A
ct
iond
eRe
che
rch
ePe
ti
teE
che
ll
eGr
and
eEc
hel
le

B
IC B
aye
sia
nIn
form
at
ionC
ri
ter
ion

CORDEX Coo
rdi
nat
edR
egi
ona
lCl
ima
teDown
sca
lingE
xpe
rim
ent
CM
IP-5 Coup
led Mod
elIn
ter
com
par
aisonP
roj
ect

CP Co
linL
ingwood

EURO
-CORDEX E
urop
eanCoo
rdi
nat
edR
egi
ona
lCl
ima
teDown
sca
lingE
xpe
rim
ent

GES G
azàE
ffe
tdeS
err
e

GDD G
row
ingd
egr
ees
-da
y

GFV G
rap
evi
neF
lor
aisonV
era
ison

G
IEC G
roup
ed’
exp
erti
nte
rgouv
ern
eme
nta
lsu
rl’
évo
lut
ionduc
lim
at

GST m
eanG
row
ingS
easonT
emp
era
tur
e
H
a H
ect
are

IF Ind
iced
eFr
aîc
heu
rde
snu
it
s

IH Ind
iced
eHug
lin

INAO In
st
itu
tNA
tion
ald
el’O
rig
inee
tdel
aqu
ali
té

IOA Ind
exo
fAg
reem
ent

IPSL In
st
itu
tPi
err
eSim
onL
apl
ace

IW Ind
iced
eWi
nkl
er

LACCAVE L
ong
-te
rma
dap
ta
tiont
ocl
ima
tec
hang
einv
it
icu
ltu
rea
nde
nol
ogy
LMD
z L
abo
rat
oir
edeM
été
oro
log
ieD
ynam
iqu
eZoom

MCR Mod
èle
sdeC
lim
atR
égi
ona
l

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
MCG L
esm
odè
lesd
eci
rcu
lat
ion
sgé
nér
ale
s

mha M
il
li
ersd
’he
cta
res

MLR Mu
lt
ipl
eLi
nea
rRe
gre
ssi
on

MSE M
eanSqu
areE
rro
r

N
IWA N
at
ion
alIn
st
itu
teo
fWa
tera
ndA
tmo
sph
eri
cRe
sea
rch

NOAA N
at
ion
alO
cea
nica
ndA
tmo
sph
eri
cAdm
ini
st
rat
ion

OLR In
terpo
lat
edOu
tgo
ingL
ongw
aveR
adi
at
ion

O
IV L
’Or
gan
isa
tionIn
tern
ati
ona
led
elav
ign
eetduV
in

OMM O
rga
nis
at
ion Mond
ia
led
elaM
été
oro
log
ie

PREC
IS P
rov
idi
ngRE
gion
alC
lim
ate
sfo
rIm
pac
tsS
tud
ies

RAMS R
egi
ona
lAtm
osph
eri
cMod
eli
ngSy
stem

RCP R
epr
ese
nta
tiv
eCon
cen
tra
tionP
athw
ay

RMSE Roo
tMe
anSqu
areE
rro
r

SAFRAN Sy
stèmed
’an
aly
seF
ourn
iss
antd
esR
ens
eign
eme
ntsA
tmo
sph
éri
que
sàl
a
Ne
ige

S
IG Sy
stèm
ed’
Info
rma
tionG
éogg
raph
iqu
e

SOM S
elf
-Or
gan
izeM
ap

SODAR Son
icD
ete
cti
onA
ndR
ang
ing

SRES Sp
eci
alR
epo
rtonEm
iss
ionS
cen
ari
os

SVM Suppo
rtV
ect
orM
ach
ine

SVR Suppo
rtV
ect
orR
egr
ess
ion

TERV
ICL
IM Obs
erv
at
ione
tm odé
li
sat
ionspa
ti
aleduc
lim
atd
est
erro
ir
svi
ti
col
esd
ansun
con
tex
tedec
hangemen
tclim
at
ique

TERADCL
IM Ad
apt
at
iona
uch
ang
eme
ntc
lim
at
iqu
eàl
’éc
hel
led
est
erro
ir
svi
ti
col
es.

Tn T
emp
éra
tur
emi
nim
ale

Tx T
emp
éra
tur
ema
xim
ale

UNESCO Un
it
edN
at
ion
sÉdu
cat
ion
alS
cie
nti
fica
ndCu
ltu
ralO
rga
niz
ati
on

WRF W
eat
herR
ese
arc
handFo
rec
ast
ing

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 SOMMA
IRE

INTRODUCT
IONGÉNÉRALE
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.1

PREM
IÈREPART
IE:CONTEXTEDEL
’ÉTUDE
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
5

CHAPITRE1:Ob se
rvat
ionetm odél
isa
tionduclimatdansunc ont
extedec hang
em en
t
c
lima
tiqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.7
CHAP
ITRE2:L
afi
li
èrev
it
ico
led
ansunc
ont
ext
edec
hang
eme
ntc
lim
at
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
.25

SECONDEPART
IE: MODÉL
ISAT
IONDYNAM
IQUEÀ MÉSO
-ÉCHELLE
..
..
..
..
..
..
..
..
..
..
..
41

CHAP
ITRE3:A
ppro
chem
éthodo
log
iqu
edel
amod
éli
sat
iondyn
ami
quee
ncon
tex
tev
it
ico
le.
.43
CHAPITRE4:Appl
ica
tiondem od
èlecl
im a
tiqueàh au
teréso
lutionpourl
’étudedelavariab
il
ité
c
lima
tiqu
ed’un
eré
gionvi
tico
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
49
CHAP
ITRE5: Mod
él
isa
tiondyn
ami
queduc
lim
ata
vecd
esc
ent
ed’
éch
ell
est
at
is
tiqu
e..
..
..
..
..
..
..
57
CHAP
ITRE6:In
cer
ti
tud
esd
esm
odè
lesc
lim
at
iqu
esdyn
ami
que
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
71

TROISIÈME PART IE: MODÉL ISATIONSTAT ISTIQUE À L ’ÉCHELLE LOCALE

.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.95

CHAP
ITRE7: Mod
él
isa
tionl
oca
led
est
emp
éra
tur
es:A
ppro
chem
éthodo
log
iqu
e.
..
..
..
..
..
..
..
..
..
.97
CHAP
ITRE8:Com
par
aisond
ede
uxm
odè
less
ta
ti
st
iqu
esd
esp
ati
al
isa
tiond
est
emp
éra
tur
es.
107
CHAPITRE9:A ppl
icat
iond elam odé
lis
ations
tat
ist
iquepourl’é
tuded elavar
iabi
li
téloca
led e
s
t
em p
éra
ture
s.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
125

QUATR
IÈME PART
IE : MODÉL
ISAT
ION MULT
ISCALA IRE DU CL IMAT DANS
UNCONTEXTEDECHANGEMENTCL IMAT
IQUE..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
143

CHAP
ITRE10: Mod
él
isa
tionduc
hang
eme
ntc
lim
at
iqu
eàm
éso
-éc
hel
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.145
CHAP
ITRE1
1: Mod
él
isa
tionduc
hang
eme
ntc
lim
at
iqu
eàl
’éc
hel
lel
oca
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
155

D
ISCUSS
ION
,CONCLUS
IONETPERSPECT
IVES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
165

B
IBL
IOGRAPH
IE.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
169

L
ISTEDESF
IGURES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
187

L
ISTEDESTABLEAUX.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
193

TABLEDES MAT
IÈRES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.195

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 INTRODUCT
IONGÉNÉRALE

Depuisl e
sd ébutsdel’h
ist o
ire
,l’homm eat oujoursch e
rchéàc omprendreetàp r
évoirlec lim a
t
quil ’
e ntoure
. Sonim po
rta nc
ed an
sl ’agr
iculturee n af ai
tl ’un desf acte
ursp r
incipa ux d e
l’in
stalla
tionhum aine
.T r
è stôt
,leshomm eson tm esurélesvari
a bl
esclim a
tique
spou rs’a dapterà
leursv a
ria
tions(B e
lt
rando,2000 ).D ’em p
ir
i que,l’é
tud educ limate stp a
sséeàd esa ppro che
s
théoriques, puis numéri
qu esa vecl ’appa
ri
ti on deso rdina
teurse tl ac réat
ion des m odè
les
cl
im at
i ques
.C esm odè
lesr eprés
enten
ta u
jourd’huil’und esoutilsm ajeurspourc om p
re nd r
el e
fonctionnem en
te tl’é
volu
ti ondus ys
tèm eclim at
ique.C esystèm eestc omplexe
,fai
td em ultip
les
inte
r a
ctionse nt
rel esdif
f é
r en
tsm il
ieuxe nvironnem ent
auxt er
r e
str
es( atmosphèr
e,hyd rosph ère
,
cryosph è
re,lit
hosphèreetb io
sphère
).C esi n
t er
act
ionson tlieuàd iverse
sé chel
less p
atial e
se t
tem porel
l e
s;l ec l
imaté voluen a
ture
llem en
tp arc y
clel ongd ep lus
ie u
rsc en
tain
esd em il
lie
rs
d’annéesàl ’échelleplané
tai
re,tandisqu elem ic
ro -
clim atd’uns ec
teurv a
rierapid
em entauc ours
d’unem êm ej ournée.C e
sé c he
lless pa
tia
l esett em po r
elle
sson ti n
terdépendan
tes
,l eséchelles
supérieuresam è nen
td esproprié
tésc omm un esa uxéc helle
si n
férieur
esetc esderni
èresm odi
fient
lesé ch e
ll
essup éri
eurespare ffe
td er ét
ro- ac
tion(L eT reu
t,2005 ).L ap r
isee ncom ptedec et
em boît
em entd esé che
lle
sclim a
tiquese s
tess en
tiell
epou raff
inerlar é
solu
tionspat
ialedesm odèles
cl
im ati
qu esetfou rn
irunei n
form a
tiond epl usenp lusp réci
se.L esm odè
lesd eci
rcula
tiongénérale
(MCG )son tl esm odè
lesclim a
tiquesqu ic ouvr en
tl ’ensem b
led elap lanè
teàd esrésol
utions
spat
i a
lesr el
ativem entfa
ibles(~150km )( Jones,C .D .e ta l
.,201 1)
.I l
sson tcom pl
étéspard es
modèlesr ég
ion aux,p e
rm e
ttan
td ’at
teindred esrésolut
i onsd el’ordreduk ilomèt
resuruns e
cteur
préc
i s(Hou rdine ta l
.,2006; S kamarocke tal.,2008 ).M aisd esdiff
icult
ésp e
rsis
tentpou rla
représenta
tiond esé che
lle
slesp lusfines
.E neffe
t,àl ’éc he
ll
el oca
le,leclimates
tp er
turbéparun e
mul
tituded efa c
te ur
s(topographi
e,b â
ti,riv
i ère
s)d if
fic
il esàp rend
r eenc om p
teaveclesm odèles
num ériques
. O r,d e nombreusesé tudesb asées surd esr éseaux de m esur
ed ense
se td e
s
interpola
tionssp atia
lesontm ont
réqu ’
àc etteé che
llel ec l
im atpouv a
itpr é
sent
erd esv a
ria
tions
im portan
tesd a n
sl etem p
se td ansl’espace(L hotel
lie
r,2005;S t
a h
letal.,2006; Qu éno
l,201 1;
Scherre
re tKö rner,2011;Bonn a
rdoteta l
.,2012;A shc rof
tetGo ll
a n
,2012 )
.

Depuisled ébu
tdu XXe s ièc
le
,l esys
tèmec l
imat
iquec onn
aîtunc hangeme n
ts ansp récéde
nt.
L
’augme n
tat
ion des ém i
ssionsd eg azàe f
fetd es e
rre(GES )d ’o
riginea nthrop
i qued ans
l
’atmosphèrea m odi
fiéra p
idem en
tlesp rop
rié
tés du clima
tt e
rres
tre(C rowle y
, 2000 )
.L a
c
onséquencep r
inc
ip a
lee s
tun ea ugmen
tat
iong éné
ral
iséedestempérat
uresm oyennesa u
t ou
rdu
g
lobe(+0.74°Ce nt
r e1905et2005( IPCC
,2013 )
).Larapid
itéduchangem en
tets onim pactgloba
l
e
nfontuné vèneme n
te xcept
ionneldan
sl’his
toi
reduc limatte
rre
st
re,p er
turban
tl al ogi
qu edes
é
chel
less p
atio
-temporel
lecl
im at
iques
.

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L’augm ent
at
i ond es GESd a n
sl’atmosph è
rec onti
nu an
ta u
jourd’hui,leste ndancesdevraienttrè
s
probablem en
ts epou r
sui vr
epou rlafindu XX Ie s
iècle
.L am odé
lis a
tiondu(d es)cl
im a
t(s)futur(
s)
estune njeum ajeurpou rlapérenn
itéd enom breusesa c
tiv
itéshum a
i nesetc onst
ituedoncuna xed e
rechercheim portan
tpou rlescl
im ato
logu e
se tlesm odé
lisat
e u
rsduc lim a
t.L ef ac
teura n
thropique
étan
tl ac ausep rincipale du changem entc limat
i quea ctuel (C rowley, 2000;IPCC , 2013 )
,
l’évolu
tion d ess o c
iétés hum ai
n e
sr epré
se n
te un es ou r
c eim portan
ted ’ince
rti
tuded ansl a
modél
i s
ationclim a
tique.P lusieu
rss cénari
osso c
io-économ iquesp rob ab
leson tétéc r
é ésp arle
Grouped ’Exper
tIn tergouvernementa
ls url’Évoluti
onduC lim a
t(G IEC )pou rl esièc
leàv enir
.C es
scénariosint
ègr e
ntno t
amm entlam i
see np laceded if
féren
t e
spo l
itiqu esvisantounonàr éduireles
ém i
ssionsd e GES.S uiv an
tc e
ss céna
rios,less c
ient
ifiqueson tm odélisélest em p
érat
uresfut ur
esà
l’échel
led elap lanè
t e àl’aided esm odèlesd ec ircu
l a
tion g énérale
,r évé
lant une nouv el
le
augm entat
iond est emp éra
turesm oyennesterrest
resd ’i
cià2100d e2°Cà6°C .Lec hang ement
cl
im at
iqu ev an écess
airem en
ta voird e
sr épercussionssurl esso ciétés
,qu ec esoitsu rlas anté
publi
qu e(P at
ze tal.,2005 )oul esa ct
ivité
sé c
onom iques
.L esp r
a t
iqu e
sa gr
icole
sson tp armiles
act
ivitéslesplusvu lné
r abl
esfaceàc ec hangem entclimat
i que(Ad am setal
. ,1998;B eddingtonet
al
.,2012 )
.

Laviticul
turea pparaî
tc omm epar
tic u
liè
rem entsensibleàl ’augm ent
at
iond estem pé
ratu
res.La
phénologied elavign ees
te neffetét
roitementliéeàl atem péra
tured el’a
ir(G l
adstones
,1992;v an
Leeuwe ne ta l
.,2008;P arkeretal.,201 1)
.L eclimatr epr
é s
enteun epar
tsigni
ficat
ivedut e
rroi
r
d’un vignoble (vanL eeuw en, 2010b).L esm odif
i c
ationsd esc ond
it
ionst he
rm ique
s duesa u
changem entclimat
iqu evontaffecte
rl espropr
iétésdec esterro
irsetdon clessty
lesdev i
nsprodui
ts.
Lesvit
ic u
lteursontàl eurdisposi
tiondiffér
entesm éthodese tst
ratégiesd’adap
tat
ionp lu
sou m oin
s
contra
ign an
tes(v anL e
euw ene tD e
s t
rac-I
rvine,2017 )
.M aislav ariab
il
itéduc l
im a
ta uxéc h
ell
es
locale
se ngendreun efor
t edi ve
rsi
téd e
st erroi
rsv it
icoles,m êm ea us e
ind ’espace
sr e
stre
ints
.
L’adap
tation del af i
lièr
er equiert uneam é
liora
tion d elar ésolu
ti onspat
ialed esm odèl
es du
changem entclimatiqueafind’ amél
iorerlesc onnais
sa nce
ss urlefut urcl
im a
td e
st e
rroi
rsvit
icol
es.
Or
,a ujourd’huilar ésolu
tiond esm od è
lesd ec hangem entsclim a
tiquesn’es
tp ass uf
fi
santepour
permet
trea uxv i
ti
c u
lt eu
rsd em et
tree nplaced esscénar
i o
sd ’at
ténuationadapté
sàl ’éche
ll
ed eleur
vignob
l e(Dunne tal.,2015 )
.

Pourpall
ierlesma nquesdedonn ée
sdisponib
lesàl ’
é c
hel
l edester
roir
sv i
ti
c o
lesdanslecon tex
te
d
ec hangementclimatique
,leprojetderechercheL IFE-ADV ICL IM(A dap
tationofvit
icul
t ureto
c
lima t
ec hange: Highr eso
lut
ionob ser
vati
onso fadap ta
tionscenari
if o
rviticu
ltu
re)aé tém ise n
p
lacee n2014 .Cepro j
et«apou rob je
cti
fd’étud
i e
rd esscénariosd’adapta
tionetd’at
ténua
ti on,à
l
’é che
lledesterro
irsviti
col
es,pourdif
féren
tsvignoblesreprés
entat
ifsdeladivers
itéc
limatiqued e
s
r
é gionsvi
ticole
se uropéenne
s.» I
1
lfa
itsuit
eàun es ér
ied eprogramm esvi s
antàc om p
re ndreet
e
stim e
rl es im pac
ts du c ha
ng ementc l
im a
tique surl e
st e
rroi
rsv it
ic o
les (TERVICL IM2,

1 h
ttp
:/
/www
.adv
ic
lim
.eu
/f
r/p
roj
ect
-2/

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
TERADCL IM3,LACCAVE 4
)
.C e
ttet
hèses’ins
cri
tdi
rect
em en
tdanslepro
jetLIFE-ADV ICLIMen
sefo
cal
isan
tsurled
éve
loppem en
tetl’a
nalysedem é
thodesr
epré
sentan
taum i
euxlav a
riab
il
it
édes
tempé
ratu
resàl’
éch
el
ledester
roi
rsvit
icol
es,pourré
pondreàlaques
tiond
er e
cher
c h
es u
ivan
te:

Commen
tinté
grerl
ava r
iab
il
itél
oca
led
est
emp
éra
tur
esdan
sle
sdi
ffé
ren
tss
céna
rio
sdu
chang
ementc
limat
ique?

Cetrava
ild ethès
es’organ
iseenqu a
trepar
ties.L apr
em iè
repart
ieestcons
ti
tuéed’unesynthèse
bib
liogra
phiqu emet
tantenavantlesavan
tagesetinconvén
ientsdesdi
ffé
rent
stypesdem od é
li
sat
ion
danslec ad
r educ hangementclimat
ique(Ch api
tre1).L avigneétan
tune x
cel
lentm arqueu
rdu
cl
im a
t,lasynthèseseport
ee n
suit
esurlesfor
tesrelat
ionsexis
tan
te n
trece
ttecul
tureetl
esv ar
iab
les
cl
im a
tiques
,e ninsi
stantpar
tic
uli
èrementsurlerôl ede
st empér
ature
ss u
rs aphénol
ogie(Ch ap
it
re
2)
. Pourr épondreàl ’ob
jec
tifprinc
ipal
,c e
tteét udeestensui
ted éc
lin
éee npl u
sieu
rsob jec
ti
fs
subs
i d
iai
resc ons
ti
tuan
ta u
tantdep a
rt
ies(Fi
gure1 ):

 Las e
c ondepar
tievis
eàu t
il
ise
retàé value
rl e
sm odè
lesdynamiquesàairel
imitéequisont
aujourd’huilesm odè
lesclimat
iquesintég
r an
tl ess c
énar
ios RCP(pou rR ep
resen
tat
ive
Conce n
trat
ionP a
thway)aveclarésolu
tionsp a
tialelaplusfin
e.L ep r
em i
erbutd ec e
tte
part
iee s
td et
este
rl’u
ti
li
sat
iondem odèleàairelimité
ed an
sunc on
t ex
tevit
icol
epou rm e
tt
re
enl umièrelesvar
iat
ionsduclimatàl’échell
ed ’uneappel
lat
ionv i
tic
ole(Chapi
tre5). Un
secondob jec
ti
fviseàdiminue
rlestem p
sd ecalculdelam odé
lis
ationvialedéveloppement
d’unem é
thodeded e
scen
ted’éche
llesta
tis
tique(Ch ap
it
re6).Enfinl’
incer
ti
tudedu m odè
le
estévaluéeviauneétudem u
lt
i-s
cala
ire(Cha p
it
re7 )
.

 Unetrois
ièmep a
rt
iee s
tc onsac
réea ud éve
loppementdem odèlesta
tis
tiquevisantà
spat
ia
lise
rlestempéra
tur
esàun eéche
lletr
èsfinedan
sd e
sa pp
ella
tionsvi
ti
coles
,enutil
isan
t
unréseaudem esu
resspéc
if
iqu emen
tinst
al
léàc esf
ins(Chapi
tre8e t9)
.C esm od
éli
sat
ions
serv
entensui
teà meneruneétudespa
ti
aleettempor
ell
ed el
av a
riab
ilit
éd e
stem pé
ratu
resau
se
i nd’unea ppel
lat
ion vi
ti
cole,età m e
tt
ree né v
idencelesl iensentr
el esé che
ll
es
cl
im a
tique
s(Cha p
it
re10)
.

 Un
ede
rni
èrep
art
iee
stc
ons
acr
éeàun
eapp
roc
hem
ult
i-s
cal
air
educ
hang
eme
ntc
lim
at
iqu
eet
desesc onséquenc
essurlesind
icesb
iocl
im a
tique
sv it
icol
es(Ch ap
it
re11 )àl’a
idedessor
tie
s
dup rogr
amm e EURO-CORDEX(E uropean Coo rd
ina
tedR e
giona
lC lim a
te Downscal
ing
Expe
r iment
)e tdu modèl
e ALAD IN(AireLim i
téeA dapta
tiondynamiqu eD éve
loppement
Int
erN a
tiona
l),puisunepr emi
èreméthodedem odé
lisa
tiondestem p
érature
sàé che
llefin
e
enfon c
tiondesscéna
riosRCPe stdév
eloppée(Ch ap
itre12)
.C et
tem éthodeuti
li
seàl afo
is

2 TERV ICLIM( 2008-2012):O bs

erva
tionetmod él
isa
tionspat
ialeduc l
imatdeste
rro
irsv
it
icole
sdansuncon
text
e
decha ng
em e
ntc l
im a
tique
.
3 TERADCL IM( 2011-2013):Adapta
tionauc h
a ng
em entcl
imatiqu eàl
’éche
ll
ed e
ster
roi
rsvit
ico
les
.
4 LACCAVE( 2012-2015):Long -
terma d
apta
tiontocl
im a
techang einv
iti
cul
tureandeno
logyADV ICLIM(2014
-
2019):A dap
tationofv i
ti
cul
tur
etoclimatechange:H ighre
solutionobse
rvat
ionsofada
pta
tionsce
nar
iif
or
vi
tic
ulture

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 d
esprop
rié
tésd
esm odè
lesdynamiqu
esp
rés
ent
ésd
ansl
apa
rt
ie2e
tde
smod
èle
sst
at
is
tiqu
es
p
rés
enté
sdansl
atro
isi
èm epa
rt
ie.

Éche
lledu
g
lobe(150km) P
roje
ct
ions
MCG
S
cénar
ios c
limat
ique
s
RCP

De
scen
ted'éche
l
le De
scented'éche
l
le
dynamique stat
ist
ique
t
ionspa le
ia

Modè
les P
roject
ions
É
chelled'unerégion rég
ionaux régiona
lisée
s
v
it
icole(10-1
km )
lut

Deu
xièmepa
rt
ie
Réso

Comb
ina
isondespro
jec
tionsrég
iona
lisée
s
avecle
s modèle
slocaux
E
valuat
ionde
l
'ince
rt
itude

P
roje
ctions
Réseaux Modèles
É
che
l
leduvignob
le àl
'échelle
(250
-25 m) de mesures Locaux
locale
In
terpo
lat
ion
Qua
tr
ièmepart
ie
spa
t
iale T
rois
ièmepa
rt
ie

Pé
riodederé
féren
cee
tpé
riodede me
sure
s P
roje
ction
sfu
ture
s

Réso
lut
iontempo
rel
le
F
igu
re1:S
chémai
llu
stran
tlam
éthodo
log
ieg
loba
led
elat
hès
e

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 PREM
IÈREPART
IE:CONTEXTEDE
L
’ÉTUDE

Comprend
re,m esure
re trepr
ésen
terl eclima
tat oujour
sf ai
tpa rt
ieintégrant
ed esso c
iété
s
humaine
s.D epu
isl’èr
ei ndus
tri
ell
ejusqu’àl
’èrenumér
iquequ enousconnais
son s
,l’évo
lut
iond ela
techno
logiee tdesc onnai
ssancesap ermisd’amél
iorerc ons
idérabl
em e
ntl am esureetl a
repré
sen
tati
ondus y
stèm ecl
imati
que.Ces y
stèmecomplexees
tl eré
sulta
td emu l
tip
lesint
eract
ions
ent
rel esdiffé
rentesc omposantese n
vironnemen
tal
es (atmosphèr
e,h ydrosphère
,c ryosphèr
e,
li
thosphè
reetb iosphère)
.L ’e
nsembled ec e
sinte
rre
lat
i on
sam è
neun ef o
rtev ar
iabil
itéspati
o-
tempore
lleduclimat
.

De nombreux modèle
s numériquesp e
rmett
ent aujou
rd’hu
id es imul
e retd ereprésen
terl e
syst
èm ec
limati
quea in
siquesesvariat
ionsspa
tia
lesettempore
lles
.Cha cunposs
è d
esesa vantages
etsesinc
ert
itudesdanslarepré
se n
tat
ion.Tout
efo
is,desdif
ficu
lté
sp er
sis
tentdanslamod é
lisation
num é
riqu
educ lima
tau xéchel
lesspatia
lesl
esplusfines
.E nef
fet
,lesm é
c an
ismesdeséchell
esl es
plusloca
lessontd if
fic
il
esàr epr
é s
ente
retà mod é
liserdem an
ièrenum ér
ique
.D esr é
se aux
d’obse
rva
tion
se tdesmod èl
essta
tis
tiquesdédi
ésàl’étudedescl
imatslocauxontpourtantmon tré
que,mêmesurd esespace
srest
rein
ts,lecl
imatpré
se n
tedesv a
ria
tion
sspatial
esimport
antes
.

Depui
slesi è
cled e
rnier
,lesys
tèm eclimatiqueconnaî
tunep e
rturba
tionsansp ré
cédent
,imputée
enpa r
tieauxa ct
i v
it
éshuma in
es.L esr e
jet
sd egazàe ff
etdeserredansl’atmosphèreont mod
if
ié
sesp rop
riét
ése te ngendr
éunc hang ementc l
imat
iquer ap
ide. Unehau s
sed e
st empéra
ture
sà
l’
éch e
ll
ed elaplan è
tead éj
àétéob servéelorsdusièc
leprécéd
e n
t.Lessci
enti
fiques
,ens’appuyant
surdif
férent
ss cénar
iossocio
-économ iquesprobabl
es,prévo
ien
tqu ecet
tehauss edestempéra
ture
s
se poursu
i v
ra au xc ours du XXI s
e
ièc
le
.C et
teé vol
uti
on du climat posel a quest
ion des
répe
r cu
ssionssurl’env
ironnement(biodiver
sité
,niveaudesocéans…)etsurlesa c
tiv
ité
shuma ine
s
(
chap
it
re1
).

L’
agricu
ltur
eestl’und ess ec
teu
rslesplusvulnérable
sau xv a
ria
tion
sclimati
ques.Lavit
icul
ture
appara
îtcomm epar
tic u
lièrementsen
sib
lec arc’es
tl’uned e
sc ul
ture
sagricol
eslesplusét
roi
tement
li
éeauc l
imat.D enomb reuxindic
esb io
climatiques
,ba sé
se ssen
tie
ll
em entsurd essomm e
sd e
températu
ressontétroit
em entcorr
élésaveclaph éno
logied elavign
ee tlescarac
téri
st
iquesd e
s
rai
sins
. La vignee s
t don c un excel
lent mar queur du changemen
tc limat
ique. La va
ria
tion
importan
ted e
stemp ératu
resau xéche
lle
sloc a
lese s
tund esfacteu
rsdelad i
vers
itéetdelatyp
ici
té
desvin
sp rodu
its
.L’estimat
i ondesimpact
sduc hangem en
tclimat
iqueàc et
teéchel
leestain
sil’un
desenjeu
xma jeu
rspou rlafili
èrevi
ti
vini
cole(Chap itr
e2 )
.

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAPITRE1: OBSERVAT
IONET MODÉLISAT
IONDU
CLIMATDANSUNCONTEXTEDECHANGEMENT
CLIMATIQUE

1
.1 L
efon
ctionn
emen
tduc
lim
at

1
.1.1 L
esy
stèm
ecl
ima
tiqu
e
P a
r d é
fin
ition
, «l a cl
im a
t o
logi
e s ’i
ntéres
se a ux valeu
rs m oyennes d e
s v a
riab
les
m
étéorolog
iques»5
.C e
tétatm oyendel’atmosphèreenunlie
ue s
tlac onsé
qu encedenom b
reuse
s
i
nteract
ionsém a
nantdesgrandsm i
lieuxenvironnemen
tauxter
res
tres:atm osphèr
e,hydro
sphèr
e,
l
ithosphère
,c ryosphè
ree tb iosph
ère
, m aisé galemen
te xt
rat
erre
stre
s: r ayonnemen
ts ol
air
e,
m
étéori
tes.Cete n
semblecomposelesys
t èmecl
im at
ique
.
Lerayonnementsol
air
efou rni
tlasourc
ed ’én
erg
iep r
inc
ipa
ler e
çuep a
rlaT er
re.L’
inte
nsi
téde
ce
tteénergiees
tr é
par
tiedef açoninég
alea u
tourdelaplanè
te
,elleestm ax
im a
leàl’équa
teure
t
min
imalea ux pô
les
.C e
tt
ed iffé
renc
ed ’appor
té n
ergét
iqueengendr
ed e nombreuse
sr é
act
ion
s
phys
iques
,c h
imiquesetb i
ol og
ique
se ntrelesdiff
éren
tsm il
ieux env
ironnement
aux vis
antà
équi
lib
rercebila
nradia
ti
f(Figure2).

F
igu
re2:S
chémar
epr
ése
ntantle
sdiff
éren
tescompo
sant
esdusy
stèm
ecl
ima
tiqu
eetl
eur
s
i
nterac
tions
.Sourc
e:IPCC,2007

5 M
étéF
rance :h
ttp
:/
/www
.me
teo
fra
nce
.f
r/c
lim
at-p
ass
e-e
t-
futu
r/c
omp
rend
re-
le-
cl
ima
t-mond
ia
l/
les
-mo
ts
-de
-la
-
c
lima
tolog
ie

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Cet
ter ec
herc
h ed’équi
lib
redub i
lanradi
at
ifte
rre
st
reeng endreunefor
t evar
iab
il
it
ésp a
ti
alee
t
t
em po
r e
ll
educ limat
.C ependan
t,depui
sledébu
tdu XXe6
l
e sact
ivi
téshum a
inesontmodif
iél
es
p
ropr
iétésd el’e
ffetd es e
rreter
res
trevial ereje
td e qu a
nti
tésim por
tan
tesd e GES da
ns
l
’atmosphè
re,engend
r a
ntunem odi
fic
ati
onpro
fondedusy
stèm eclima
tiqu
e.

1
.1.2 L
echang
emen
tcl
ima
tiqu
econ
tempo
rain
Less c
ient
if
iquesd elac omm unautéinte
rnationaleob se
rventunc hangemen
tr apideduclimat
depui
sl afinduXIX s
e
iècle.Créée n1988,leG roup ed’Exper
tsInterg
ouv e
rnementalsurl
’évolu
tion
duc l
im at(GIEC)apou rbu td’établi
r«un ee xpert
isec o
lle
ctivescient
if
iquesurl ec ha
ngem en
t
cl
im a
tique»(CNRS ,2013 )
.R é gul
ièrement
,l eG IECpub l
ied esr appor
ts(1990,1995 ,2001e t
2014)su rlesdern
iersc ons
tat
sl iésa uxqu es
tionsduc hangem entclimat
iqueai n
siqu esurles
avancéesd esmodél
is a
tions,etpropo sedif
férentss céna
rio
sd ’évolu
tionsposs
ible
sduc l
im a
t.Le s
dern
iersrappor
tsde2013e t2014s ’appui
entsurl e
st ra
vauxd eprèsde800s cie
nti
fiquesetplu
sieu
r s
mi
lli
ersd e pub
lica
tionsr écent
es pou rd re
sserun b i
lan duc hangem entcl
im a
tiqueàl ’éche
ll
e
mondia
lea i
nsiquesesim p a
ctsenvironnementauxe tsocio-
économ ique
s.

1
.1.2
.1 Év
olu
tionduc
lim
atauXX
e
s
ièc
le
Depu
islafinduX IXe si
ècl
e,unc h
angem entcl
imat
iqueestobse
rv éàl’
é chel
l eduglobeaff
ect
a n
t
lesdif
fér
e n
tsm i
lieuxenvi
ronnement
aux.L estempéra
ture
sd esur
fa ceau-dessusd e
sc on
tinen
tset
desocéansontaugm en
tée nm oye
nned e0.85°Ce ntre1880et2012 ,maisa ve cuneaccél
éra
tion
dansle
sa nnées1980.Les30d ern
ière
sa nnéesontétéle
sp lu
sc haudesd e
s800d e
rniè
resannées
(IPCC,2013).L e
se sp
acesle
sp lu
sfort
em enttouch
ésp a
rl’augmentat
iond est empéra
ture
ssontle
nordduC anada
,laSibér
ieetl
esfaçade
satlan
tiquesdelazonein
ter
tropica
le(Fi gure3).

F
igu
re3
:Anoma
lie
sdet
emp
éra
tur
espou
rlap
éri
ode1900
-2005
.Sou
rce:IPCC2013

6 C
ert
ain
sau
teu
rson
tdémon
tréd
esimp
act
san
thr
opiqu
essu
rlec
lim
ata
van
t1900(A
brame
tal
.,2016
).

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
’augmenta
tiondestem pér
ature
sm oyennesprovoqueunefontedesgla
cie
rs(par
tic
uli
èremen
t
vi
sib
leausudduG ro
enland)etun eréduc
tiondelab anqu
isees
tiva
le
,inf
luan
tsurlenivea
um a
rin
.
Lenive
aum oyendelam e
raa ugmentée n
tre1901et2010no tammentdepu
is1993(3.2mm/an
en
tre1993et2010c ontr
e1 .7mm /
a nentr
e1901e t2010).Lacouver
turene
igeus
ea upr
intemp
sa
for
tementdiminuédansl’hémisphère No
rdetlam asseto
talede
sg la
cie
rsadiminu
éd eprèsdela
mo
iti
éauc ou
rsd ece
tt
ep éri
ode(F igure4).

F
igure4:Év o
lut
iond edif
féren
tsv ar
iab
lescl
imati
quese te n
viro
nn ementale
sentre1850et2005.À
gau
c hedehautenba s:latemp éra
turemoyennedel’airau-dessusd e
sc on
tin
ents
,latemp éra
ture
moyennedelasur
fa c
ed esocéans,latempé
ratur
em oyenned el’a
irau -dessu
sdeso c
éans,leniveau
delam e
retl’ét
endu edelabanqu is
earct
ique
.À d r
oitel e
sanoma l
iesd etempéra
turesdel’ai
r,le
r é
chauf
fementdeso céans
,l’humidi
téspéc
if
ique
,l ac ouve
rtureneigeuseauprin
temp sdans
l’hémi
sph è
reNo rdetlam a
ssedesglaciers
.Sou rc
e:IPCC2013

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
1
.1.2
.2 Cau
sesduchang
emen
tcl
ima
tiqu
eac
tue
l
Parlep assé
,l e
sc hangem en
tsclim a
tiquesé ta
i en
tp ri
ncipa
lem entcontrôlé
sp arunc hangem entde
l’a
ctiv
it ésolai
rem odif
iantl’appor
té nergét
i quer eçup a
rlater
r e(Leane tal
.,1995;S h
i nde
lleta l
.,
2001).L ’a
ctiv
itévolcaniquep eu
té galem entê tr
eunf ac
teurd ep er
turbati
onc l
im at
ique(C row l
ey,
2000),l esreje
tsdem a
tiè
resvolcaniquese nsu spensiondansl’a
tm osphèrem odif
iantlebilanradiat
if
ter
rest
r e. D epui
sl ’èrei ndust
rie
lle,l esa c
ti v
itésa nth
ropiques on t ém i
sd ansl’ a
tm osphère
d’
im portantes quan
tité
sd e GES,r enforçanta i
nsil ’
effe
td es erreterres
tre( IPCC, 2013 ).L es
sc
ienti
fi quess ’a
ccordent pourd ire qu ec es ém is
sionsd e GESson tl ap r
inc
i pa
ler aison du
changem en
tc limatiquee nc our
s (C rowl e
y, 2000; IPCC , 2013 ). Poura f
firmerc e
l a
,l es
modél
isate u
rsduc l
im a
ton tsim u
l él e stem p ér
aturesdel apl a
n è
teun ep remièrefoiss anst en
ir
com pt
ed esém iss
ionsd e GESdu esa uxa ctiv
itéshum a
ines
,e tun es econdefoise najoutantc e
s
émissionsd a
nsl es ys
tèm eclimatique
.C esd eux m odél
isa
tionson te nsui
teé téc om pa
réesa ux
donnéesm esurée
sa ucoursdel am êmep é
riode.L esrésul
tat
sm on
trentqu elor
squel e
sém issionsne
sontpa si n
tégrée
sa us y
stèmec l
im a
tiqu elesm odèle
ss ous
-est
im entlestem pér
aturesdel ’
airetd es
océans
,a l o
rsqu ’e
ll
ess ontbienreproduitesl o
r squelesém is
sionsd e GESd ’orig
inesa nth
rop ique
s
son
tin
tég
rée
s(F
igu
re5)
.

F
i gu
re5:Compara
isondesré
sul
tatsd
emod él
isa
tionp
renan
te ncompt
ei)uniqu
ementle
sfa
cte
urs
natu
rel
s(e
nbl
eu)i
i)int
égran
tlesémi
ssion
sd eGE Sd
’or
igi
nesanthr
opique
s(enro
ug e
)ave
cles
donnée
sob s
erv
ées(ennoi
r)
.Source:(IPCC,2013)

10

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
’éche
llesynop ti
qu eetl ’
éche
lleplanét
aire( ras
sem b
lée
ss ouslet erm ed’échel
leg l oba
le)
c
oncernentlesg r
andescircul
at
ionsatmosphér
i que
se tm a
rine
s,r ég
iss
a n
tlar épa
rti
tiondesg r
ands
c
limatsdug lobe(pola
ire
,é qua
tor
ial
,océani
qu e… )(D eParc
ev auxetHub e
r,2007).L escond i
tions
a
tm o
sphériquesdel a
rgeé che
ll
eaffec
ten
tlesp ropr
iétésducl
im atsurdeg randsespaces
,c onféran
t
a
ux é che
llesc l
im a
tiquesi n
fér
ieur
esd esp ropri
étésc omm un e
s (Quénol
, 201 1).C e
sg rands
e
nsem bl
esc l
im a
tiquessontcons
ti
tuésd’unem ult
itudedesous-ensemble
sa uxs p
é c
if
i c
it
ésp ropres
.
L
esé lémentsdes urface
svon tper
turbe
rl e
sc ond
iti
onsatm osphér
iquesa univeaud elac ouche
l
imite(Oke,2002)am en
antunegrandedive
rsi
t édeclima
tsrégionauxetlocaux
.

L
’éche
llerég
ional
e(m éso
-éche
lle
)tie
ntcom p
ted e
sph é
nom ènesatmosphér
ique
stelsqueles
ven
tsrég
ionauxinf
luencé
sparle
sc ha
îne
sdem on
tagnesoulaproximi
tédel’océ
an(foehn
,bri
sede
mer
),ungrandlacouun egr
andeforê
t.Pa
rexem p
le
,ung randlacpeutin
fluen
cerlecl
imatd’un
e
unerég
ion(tempé
ratu
re,humid
ité
,vent…)su
rplusi
eursd
izaine
sd eki
l om
ètre
sc a
rré
s(Sp e
roeta
l.,
2016;D i
all
oetal
.,2017)

Àl’éche
llel o
cale
,c esm êmesph énomènesa tmosphér
iquessontm odi
fiésp a
rd enom br
e ux
fac
teursd’échel
lespl u
sf in
es,m enantàun eg randevariab
il
itéspatio-
tem po
rel
leduc l
im a
t.P ar
exem p
le,àl’in
tér
ieurd’unec ha
îned em ontagnes
,un eval
léep e
utprovoqu e
rd esdéb
itsloc
auxa u
coursdec ycl
esjournal
iers(bri
sed ev a
llée
)(B rö
tze tal.
,2014; A rduin
ieta l
.,2016).L’éc
h el
le
mi
crocl
im a
tiqueconcernelesv a
ria
tionscl
im a
tiquesobservée
ssurd ec our
tesdist
ances
.Elle
ss ont
souventcau
s ée
sp a
rlam icro
-topographi
eoup a
rd e
sob s
tacl
esisol
és.Pare xemple
,laprés
enced’un
rem b
laienb a
sd epentev afavor
ise
rl aformati
ond elacd’ai
rfroidlorsd e
ss i
tua
tion
sd ’
inve
rsions
thermique
s(B r
idie
retal.,2004).

L
ap ri
s eenc om p
ted esé che
llesspat
io-
tempore
llesestessen
tie
lled ansl
’étudedus ystème
climat
iqueterr
est
re.T ou
tep e
rtu
rbati
ond an
slesm éc
a n
ismesd’uneéche
lleclima
tiquespéc
if
i qu
es e
répercu
terasurlesaut
r e
sé ch
ell
es,àd e
sd eg
rése
td estempor
ali
tésvar
iées
.Auxé che
lle
srégionale
s
etlocal
es,larugos
itéetletypedesurfac
esontdesfact
eur
squ ipeuven
tcréerunegrandevar
ia b
il
ité
spati
aleduc l
im a
t.A f
ind ’ana
lyserl’
impactduc h
angeme n
tclimat
iquea uxéche
llesrég
ionaleset
locales
,l’in
fluen
c edec esdi
ffér
e n
tsfac
teursdo
itêtrepr
iori
séeetintég
ré eda
nsl e
sp ro
tocole
sd e
mesureetdem odé
lisat
ionduc l
im a
t.

1
.3 L
esr
éseau
xdem
esu
rese
tle
smod
èle
scl
ima
tiqu
es

1
.3.1 L
esou
ti
lsd
eme
sur
esd
esva
riab
lesc
lima
tiqu
es
Lesdif
féren
tsré
seauxd’obse
rva
tionduclimatsui
ventd esnorm esbienspéci
fique
ssu iv
antle
n
ive
aud ’
é c
hel
lecons
idéré
e.Lesré
seauxdem esur
esnat
ion a
ux( typeM é
téoFrance)sontins
cri
tsà
l
’Organ
isat
ion Mond
i a
led ela Mé
t é
oro
logie(OMM ,h ttp
://worldwe
ather
.wm o.
int
/f
r/pi
lot
.html
),
o
rgan
isa
tiondesN a
tions Un
ies
.Le1 m ars2016,134s erv
i c
esm é
téo
rologi
qu e
sfournis
sentd e
s
p
rév
isi
onspour1870v i
lle
sàl’OMM .C e
sstat
ionsm é
téorologi
qu e
sdoiventrépondr
ea uxnorm e
s

12

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
del’OMMpou rpouvo
ircom pa
rerlesdi
ffé
rente
ssta
tions.Lespost
esd emesur
esdoiventê
tresu
r
unesurf
acee nhe
rbéeetsuf
fi
s amm e
ntélo
ignésd etou
tob sta
clepourquelam e
surenesoi
tp a
s
per
turb
éep arlesélémen
tslocaux.E nout
re,lescapte
u r
sdo iv
entêtredi
sposésàd eshau
teur
s
rég
lem en
tai
res(2mpourl
atem pé
ratur
eparexem p
le)
.C essta
tion
sinst
al
léespourcer
tai
nesdepu
is
plu
sieu
rsdécenni
es,pe
rmet
tentd’avo
irunem esu
redel’évol
uti
onduclimat(
IPCC,2013).

Àl’éche
llelocal
eetmicro
,desré
seauxdem esu
r esplusdens
esontét
ém isenpla
cepourmesu
rer
l
esv a
ria
tionsloca
lesde
sv a
ria
ble
sclimat
iques(Gottf
riedeta
l.,1999;Benni
eetal.
,2008;Suggi
tt
e
tal.,201 1; Bonne
foy
,2013).Danscessitua
tions
,l erése
aue s
tins
tal
léàp rox
imit
éd’é
léments
p
ert
urbat
eursduc l
imatdel’
éche
ll
elocal
e(topographi
e,b â
ti…).

L
’a
tm osphèr
eé tantc om poséed ep lu
sieu
rsc ouch
es,les mesu
resvert
icalesd esva
riab
l e
s
mé
téoro
logiquessonté ga
lem en
tim po
rtan
tespourlacom p
réhens
iondufonc
tionnementducl
im at
.
L
’ut
il
isat
iond em ontgo
lfi
ère ap ermislespremièr
esm esur
ese nal
ti
tud
e,a ujou
rd’hu
iréal
isées
p
rinc
i p
alementàl ’aided eb a
llon
ss onde(Ov ar
lezetal.,1987; S
anka
re t Norm an
,2009) ou
d
’appare
ilsspéci
al
i s
ésd anscetyped em esu
recomm eleSODAR(Son icDetect
ionA ndRanging)
(Nig
roetal.,2011;K a
tur
jietal
.,2015).

Lestechniquesd etélédé
tect
ion (d
rone,s a
tel
li
te,a é
roporté
e )c om p
lè
te n
ta ujou
rd ’huic e
s
di
sposi
ti
fs
,p erm e
ttan
tl’é
tuded ephénomèneclimat
iqued el’éc
hellesynoptique(K au
fm anetal
.,
2002;F unat
sue tW augh
,2008 )a uxéche
lle
sl e
sp lu
sfin es(Bendigeta l
.,2012; K loogeta l
.,
2012;Z huetal.,2013;Jol
ivote
ta l
.,2017
).Cependan
t,pluslaréso
lut
i onspa
tiales’
aff
ine,p l
usla
couver
tur
esp ati
aleetlaréso
lutiontempor
ell
ed iminuen
t,n ep e
rm et
ta n
tp a
sd ’avo
irun em esu
re
cont
inuesurd egra
ndsespace
s.

Cesréseauxd’obse
rvat
i on
sdres
s e
ntuné t a
td e
sl ieuxduc l
im a
tprésen
tetp a
ssé
.T oute
foi
selle
s
nepe uven
tê t
redisponib
lesentoutpointd el’e
spa ceetdut emps.Lerecou
rsàl am odé
li
sat
iondu
cl
im a
te s
tindispensa
blepourobten
irun einformationhom og è
ned a
nsl’esp
aceetletem p
s.Avecle
déve
l oppementd esordinat
eur
se tl ’
augm enta
tionc onsé
qu en
ted ela pui
ssanc
ed ecalcu
l,les
modè
l esm é
t éo
rolog
iquese tcl
imatiquess ontaujourd’huid esout
ilslarg
em en
tu t
ili
sésp a
rl e
s
spéc
i a
lis
tes
.D anslecadreduc ha
ng ementc l
imatique,lesm odè
lesprés
enten
tsurt
outl’avan
tagede
pouvoirsimule
rl’évolu
tionducl
im a
tfut u
r,lesobs e
rv a
tion
sr e
stan
tn é
anm o
insind
ispensab
lespour
l
av a
lid
ati
ond ecesmodè
lessu
rle
sp é
riod
esd er
éfér
ences(pr
ésen
t,pa
ssé
).I
le x
is
teau
jou
rd’hu
i
d
if
fér
entsm od
èle
scl
ima
tiqu
es,a
dap
tésauxd
iff
éren
teséch
elle
sspat
ia
lese
ttempo
rel
les
.

1
.3.2 L
es mod
èle
scl
ima
tiqu
es
Unm odè
lee s
t,pardéf
i n
it
ion,unesimpl
if
ica
tiond’unph énomèneétud
i éaf
ind’enfac
il
it
erla
compré
h en
sionetl’
int
erp
r é
tat
ion.Lesmodèle
sclima
tiquesetm é
téoro
logique
ssontparm
ilesplus
compl
ex e
s,dufaitdugrandnom br
ed evar
iab
lesetdesinte
ract
ionsàprendreencompte
.Ilexi
ste
unegrandev a
rié
téd em odè
les
,dyn ami
quesous ta
tiqu
es,pouv a
ntrepré
s en
teruneouplus
ieurs

13

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
v
ari
able
scl
im a
tiqu
esàd
esé
che
ll
est
rèsd
ive
rse
s,c
ouv
ran
tl’
ens
emb
led
elap
lan
èteouuns
eul
h
ecta
redet
err
ain
.

Mêm es’i
lsrepo
sentsurlesm êmespr
inc
ipesphys
ique
s,i
lc onv
ien
tdansunpremi
ertempsde
d
is
tinguerle
sm odè
lesm é
téoro
logiqu
esetl
esm od
èle
scl
im a
tique
s.Bi
ensouv
ent
,cesdeuxt
ypesd
e
m
odèlesson
tlesdéc
lina
isonsd’unemêmeb a
sephys
ique
.

Lesm odèle
sm é
téorologiquesontpou rbutd ep r
édi
relescondi
tion
sclimat
iquesd an
sunfu tu
r
p
roc
h e(quelquesjours). Pourc e
la,lem od
èlee stini
ti
ali
séàp ar
tirdec ondi
tionsclimat
iqu
es
m
esu
réese nuninstan
tt .C et
teini
tia
lis
ationes
tr épé
téerégu
liè
rement(que
lquesheures
)pourres
ter
a
uplusprochedel’évo l
utionréel
led el
as i
tua
tionatm o
sphér
ique
.D eplus
,laci
rculat
iondesocéan
s
e
stconsi
déréecomm es tat
i que(l
’évolu
tiones
tt roplen
tepourm od
ifie
rd emaniè
rep ercep
tib
lele
s
c
ondi
tionsatmosphér
i quesàc et
teéchel
letempor e
ll
e).

Unm odèlecl
im a
tiqueapou robjec
ti
fd esim u
lerl’évolu
tionduclimatsurd e
stemp sbeau
c oup
plusl ongs. L ac ircu
lati
on thermohal
ined el ’océane tl esé change
se n
trel es mi
li eux
envi
ronn em en
tauxson tp r
ise ncom p
te.L ’
ini
ti
alisa
tione s
tr éa
li
séeàun ed a
tete tl em odèle
fonct
ionn ee nautonom i
eàp a
rti
rd ecettedate
,c réantunep la
nète«virtue
ll
e»num ér
ique
.L es
résu
lta
tss ontensuitec ompar
ésa ux donnée
s ob se
rv é
es pourv a
lid
erl em odèl
e.C esm od è
l e
s
permet
te ntdereconstru
irelecl
imatpassédelaT e
rr e
,m aispermet
ten
té gal
em en
tdec ons
tru
ired es
scéna
rio sd’évo
l u
tionfutureduclimatena gi
ssan
tsu rl esvar
iab
lesdusy stèmecl
im a
tique(GES ,
tem p
ératures…).L essec
tionssu
ivant
esn es’
inté
resserontqu
’ a
uxm odèl
esclimat
iques
.

1
.3.2
.1 L
esm
odè
lesd
eci
rcu
lat
ion
sgén
éra
les(MCG
)
Àl’éc
hel
ledugl obe,lesm odè
lesdecircu
lat
ionsgén
éral
essimulen
tleclimatsurl
’ens
em b
led el
a
pl
a nè
te.C e
s m odèles physiquesreposen
tsu rlesé qua
tion
sfond am ent
ale
sd el ’
atmosphèr
e,
pr
in c
ipa
lementlesé quat
ionsd em écan
iquesdesfl
uidesdeN avie
r-Stok
es(N avie
r,1821;Stokes
,
1845). Lesp rem i
er s m odèl
es,d a
tantd esa nnée
s 60,é t
aien
t pu remen
ta tm o
sphér
iques
.
L’
a ugmen
tat
iond elapu i
ssanced ecalcu
letl e
sdonn é
esfournie
sp arl’image
riesa
tel
lit
air
eon t
permisd’
int
égre
rd ep lusenp l
usd’él
ém en
tsinte
rag
iss
antdanslesyst
èm ecl
im a
tiqu
e

I
lex
is
tea
ujou
rd’hu
iun
equ
inz
ain
edem
odè
lesg
lob
auxr
epo
san
tsu
rde
spr
inc
ipe
ssim
il
air
es.L
es
c
ontin
ent
setlesocé
ansa
ins
iqu el
’atm
osphèr
esontd
écoup
ésencube
sél
éme
nta
ire
sd ep
lus
ieur
s
c
enta
inesdekilom
ètr
esderéso
lut
ionhor
izon
tal
eetque
lquesc
ent
ain
esdemè
tre
sd eré
sol
uti
on
v
ert
ica
le(Fi
gur
e7).

14

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igur
e7:R ep
rése
nta
tiondelapl
anè
tepar
unmod
èlecl
imat
ique.Sou
rce:IPSL

Pa
re xem pl
epou rleH adAM3(H adleyC ent
r em ode
l)
,larésolu
tionestd e2 .5°enl a
ti
tud eet
3.75
°e nlongi
tude,cequ icorr
espondàl’équat
e uràun egr
il
lede278kmd erésolu
tionnord/sudet
417kme s
t/oues
t(Pop eeta l
.,2000).C e
sm od è
lescoupl
ésO céa
n-A tmosphèresontutil
iséspou r
simule
rleclim a
tp a
ssé(H a
ywoodetal.,2009)e tfutu
rdelaTerre
.Ilssontég a
l ementuti
li
séspou r
repr
ésente
rl es phénom ènesclima
tique
sd ’
éch e
lleglobal
ec omm el ’
évolu
ti on del am ou s
son
indi
enne(Prodhomm eetal.,2013)
.C esontlesréfére
ncespou
rlam odé
lisa
tionc l
im a
tiqueglobale
etil
sc ondi
tionnen
tl ’e
ns embledescarac
téri
st
i quesdesm odè
lessim u
lantlec limatauxé c h
ell
es
infé
rieu
res(Giorg
ie tM earns
,1991).

Cesm odè
lespossèden
tc e
pendan
tun eréso
luti
ontropfa
iblepou
rêtreemployé
sd a
nslesétudes
cl
im a
tique
sàl ’
é c
hel
ler ég
iona
leoul oca
le
,e tleurut
il
isa
tiones
tdoncdif
fic
ilemen
te nv
isag
e a
ble
pourdesétud
esd’impa c
ts
.D esmodè
lesspéci
fiquesàce
rta
inesr
égion
sontdec ef
ai
tétédéve
loppés
pouraf
fine
rlarésolu
tionspa
tia
le.

1
.3.2
.2 Mod
èle
sré
gionauxd
ynam
iqu
es
Lesm odèl
esd eclimatrégionalseconcentr
entsurun ep a
rt
ierestre
int
edug lobe.D elam ême
maniè
requ eles MCG ,lesm odèlesrég
ionauxrésolventnum é
riquementl’
é vol
utiond e
sv ar
iabl
es
cl
im a
tique
s(C ret
atetal
.,201 1).Lesdonnéesauxbo rdsdudom ained’an
alysesontfournie
sp a
rles
donnéesdem odè
lesglobaux.Ilssimulen
tm ieuxlesp roc
essusphysique
sd ecet
t erégionqueles
MCGe tr e
présent
entm ieuxlesc ont
ras
tesclimat
iquesd ecett
eé chel
le.Ene ffe
t,l e
snu ages
,les
front
s,ains
iqu elatopograph
i efinenevontsouve n
tp asêt
rep r
ise ncom p
tep arles MCG ,orces
paramèt
ressonttrè
sim por
tantsdansplus
ieurséchangesthe
rmiques(H er
reraetal
. ,2006)
.
Deuxgra
ndstype
sd emod
èle
srég
i ona
ux ex
ist
e n
t,le
sm od
èlesàair
elim
it
éeetlesm od
èlesà
r
éso
lut
ionvar
iab
le
.L e
smodè
lesàa
irelimi
téen
ec once
rnen
tqu’uner
égi
onduglob
e.Pou
ratt
eindr
e

15

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
lesrésolu
tion slesplusfine
s(d el’ordr
eduk ilomèt
re)
,lem od è
levafoncti
onnerparuns y
stèm ede
gr
ille
sim b
ri quées
.L agri
llelap lusl a
rgee stdi
rect
eme n
tem boî
téed an
sun MCGqu ifournit
l’
informationa uxbo rdsdudom a
ined ’é
tude(Giorg
ietal
.,2004 ).Lesgr
il
lessu
ivante
ssontforcées
parlag ril
lesup éri
e u
re,intég
r an
t àc h
aqu ep a
sd es donn é
esd etopogra
phie,dev ég é
tat
ion,
hydrograph
i qu e
s,etl escaract
érist
iquesd e
sso lsavecd ep lusenp lusded ét
ai
ls.Ile xi
sted e
nom bre
ux m od è
lesàa i
relimitée
,c omm eW eathe
rR es
ear
c ha ndForeca
st
ing(WRF )(Sk amarocket
al
., 2008 )
,R e
gionalA tmospher
i c Mod e
ling Sys
tem(RAMS ,Pielkeetal(1992 )
),P rovi
ding
REgionalClim atesforIm p
actsStudies(PREC IS
,Jonesetal.,(2004)
)

Undeséc
uei
lsm a
jeursdesm odèl
esàai
relimité
ee stlem a
nqued’in
tera
cti
onsent
relemodè
leà
e
tle MCGlu
ifourn
iss
a n
tlesdonnéese
ne n
trée
.E nd’a u
tre
stermes
,iln’e
stpaspos
sib
ledecor
rig
er
l
esbia
isév
entue
lsdu MCGa v
e clemodè
lerégiona
l,e tcem êmedansl
’air
elimi
téecon
sid
érée
,en
p
lusdes«p
robl
èm e
sd ebord»liésaus
autderésolu
tion(Goub a
nova,2017)

Lesm odè
l esàr é
solu
tionv ar
iablec ouvren
tsp a
tial
em entl’ensembl
ed elap lan
ètea vecun e
réso
lut
ionsim i
laireaux MCG ,m a
isprésententuneréso
lutionplusfin
esurl azoned’étude
.Ilexist
e
peud em odèlesàr ésol
utionv a
riabl
e,onpou rr
aciterp are x
em pleA c
tiond eR echer
ch ePeti
te
Eche
lleGrand eE che
lle(ARPEGE(D équ éetal
.,1994))etlem odèleLaborato
iredeM é
téorolog
ie
Dynamiquez oom(LMD z(S adournyetL aval
,1984)).Bienqu enep r
ésent
a ntpasdeproblèmesliés
auxeffe
tsd ebo rds,cesm odèle
son tc ependan
td esinconvénient
ssimila
iresa ux modèlesàa i
re
limi
tée
,no t
amm en
tlaré p
ercus
siond eserreur
sdu MCGd anslarégionciblée
.A ut
red ésavan
tage,
ilspré
sentents ouven
td esréso
lution
ssp atia
lesplusfaib
lesqu elesm odèlesàa i
relimitée
.Ile st
égal
em en
tpo s
sibledec oupl
erd e
sm odèlesàrésol
utionv ar
iabl
ea vecd e
sm odèl
esàa irelimit
ée
comm ec’es
tl ec aspour ALAD INqu ie s
tu t
il
isépourd ésagr
égerlem odèle ARPEGEp erm e
ttan
t
d’ob
ten
irun erésolut
ionspati
alede10km(Ho rany
ietal.,1996).

Uneprob
lém a
tiqu
ec ommunea ux modè
lesdyn amique
sr é g
ionauxestlapu is
sanc
ed ec
alcu
l
n
éce
ssa
ire pou
rl esfai
refonct
ionne
rsu rd el ongu
esp ér
i odes
,c e
lle-c
is ’a
ccro
iss
antav
ecl a
r
éso
lut
ion
.D e
sm é
thode
sb a
séessurd e
srelat
ionsstat
is
tiqu e
s,d emandan
td estempsdecal
cul
i
nfé
rie
urs
,ontétédéve
loppé
espourrep
résen
terleclima
tàd esrésolu
tionsplu
sfines
.

1
.3.2
.3 D
ésag
réga
tions
tat
is
tiqu
e
Aussiapp e
léedésagréga
tionem pir
ique,cetensem b
l edem éthod er e
posesurlep r
incipequ ele
cl
im a
tr égiona
lv aêtrelarésul
tanted’unerela
tionstatis
tiquee ntrelesvari
able
sd ’é
chelleglobale
(préd
i c
teur
)e tl’ensembled esvariab
lesd el’é
c he
ller ég
i ona
le(p rédic
tant
).Ilexis
teun eg rande
div
ersitédec esméthodes.Lesm éthodesdi
tesd efonctiond etransfe
rtvontc h
erche
ràt rouverun e
re
lationd i
r e
cteentrelesso r
tiesd e
sm odè
lesg lobauxe tl e
sv ari
ablesrégi
onale
s( topog
r aphi
e,
hydrograph
i e
),notamm entàl’aided erégr
essi
on(S c hoofe tPryo r
,2001;Bü rg
eretCh en,2005;
Mar
tine tal.,2013)
.L e
sm éthodesbaséessurle
sr és
ea uxd en e
u ronessontéga
lem e
ntutil
iséespour
lad ésagré
g a
tionsta
tist
iqued estem pé
ratu
resetd esp réc
i pi
ta
tion s(Snel
leta l
.,2000;S choofet

16

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
P
ryor
,2001). Uneaut
reapproch
ed elade
s c
ented’éc h
ell
estat
is
tiquees
tlam éthodedestype
sd e
t
em ps
,dontl’hypo
thèseprin
cipa
leestrésuméep arP agé(2008): «chaquer ég
imed etem p
s
p
art
icu
lie
r(repré
sen
tép arunev a
riab
ledec i
rcula
tiona tmosphé
riquedegra ndeéch
elle:le/
les
p
rédi
cteu
r(s
))estassoc
iéà un edis
tr
ibu
tionsp éc
if
i qued e
sv ari
able
sclimatique
slocale
s(p a
r
e
xem p
lelatempé
rat
ureetle
spréc
ipi
tat
ion
sàp et
iteéch e
ll
e:le/le
sprédi
cta
nt(
s))».

Lep r
incipa
la van
taged ec esméthodesestleurfaib
len éce
ssi
tée ntempsdec a
lcu
l.D eplus
,elles
permetten
td ’obten
ird esr éso
lut
ionsp lusfinesqu el e
sm é
thod e
sdyn amiqu es
.L eurprinci
pale
fa
i b
lesser é
sided ansl efaitquel ’hypothèsedeb as
en ’es
tp asv ér
if
iable
,c ’est
-à-d
irequ eles
re
l a
tionssta
tist
iquesd éveloppée
spou rl eclimatactuelres
tenté ga
lespourl esé ven
tuel
sc l
im a
ts
futu
rs.E noutre
,l e
sdonn é
esn éc
essair
espou rm e
ttreenplacec e
sr e
la
tionspe uven
têtrediff
ic
ilesà
acquéri
rd ansd esrégionsé lo
ignéesoud esrégionsprésen
tantun etopographiecom ple
x e
.E l
les
prés
ententé ga
lem en
tl’i nconvén
ientd en éces
sit
erun eé va
luationsystémat
iqu edel ’
incer
ti
tude,
souventa uc a
s-par
-cas( IPCC,2013 ).C e
sm é
thodess ta
ti
st
iqu e
ssonté gal
em en
tem p
loyéespour
spat
iali
serlec limatdire c
tementàp ar
tird edonn éesd’observat
ion
,p ermettantd’at
teind
red es
réso
lutionsspat
iale
strèsfines(del’ordr
ed eladizai
n edem è
tres)
.

1
.3.2
.4 In
terpo
lat
ions
pat
ial
ede
sdonn
éesc
lim
ati
que
s
Enutil
isantdesdonn éespon ctue
ll
esfou rniesp a
rlesréseauxdem esu r
es( s
tat
ions,capteur
s)les
mé
thode sd’int
erpola
tionsp a
tia
lep erm e
ttentd’obten
irun ei n
format
i onc ont
inu edansl’espace.
Ain
si
,W uetL i(2013 )ontr epré
sent
él estem pé
r a
ture
ssurl’ensembl
edut er
ri
toiredesÉtat
s-U n
ise n
appl
iqua n
tunk riggeagesu rlesdonn éesissuesd e
sstat
ionsm étéo
rologiquesdisponib
les. Unedes
mé
thode ssta
tis
tiqueslesp l usem p
loy ées
,s imila
ireauxfon ct
ionsd et rans
fer
t,c or
respondàl a
mé
thoded esrégress
ionsliné ai
resounonl in é
aires
,a ve
cc omm evariab
l eàe xpl
iquerunp aramètre
cl
im a
tique,etcomm evari
a blesexpl
icative
sl ’env
ironnem e
ntdus i
ted ’é
tud e(Bridi
eretal.,1995;
Elv
ebakk e tal.,2003; L hote
ll
ier
,2005; S tahletal.,2006;Jo lye ta l
.,2009 )
.C e
st ypesd e
modé
lisat
ionsfou rn
issentsouv entd esr é
sulta
tsp réc
isduf ai
td el’util
isat
iond esob se
rv a
tions
comm edonn éesd ’en
trée
.A find’obtenirun er é
solu
tions p
ati
alee n
c oreplusfine,da n
sl ec ad
re
d’é
tudesd eclim a
tsl ocaux ou m icrol ocaux,ile st poss
ibledes ’appuye
rs u
rd e
sr éseaux
spéc
ifiqueme n
tinsta
lléspou rspat
ia
liserlesvariab
lescl
im at
iques
.

L’und e
spo in
tsfortsdecesmét
hodesestleu
ri ndépendancevi
s-à-v
isdesm odè
lesd’éc
hel
les
supérie
ures
.L eursincer
ti
tud
esson
tuniquemen
tc ont
rain
tesp a
rlaqu a
li
téd eladonn éemesuré
e
(supposéefia
ble)etlacapac
it
édelaméthodeem ployéeàr e
produ
irelephénom èneétud
ié(e
rreu
r
faci
lem en
tqu an
tifi
able
).M a
islat
rèsfor
ted épendancea uxdonnéesd’ob
s erv
ati
onsd i
sponi
bles
limi
t ecependan
tfortemen
tleu
rgén
éra
li
sat
ion.

Le
sc h
am p
sd’app
lic
ati
onsdesmod
èle
setm é
thode
sd é
cri
tsci
-des
susson
tas
soci
ésàuneéc
hel
le
spa
tia
lepar
ti
cul
ière
.L’u
ti
lis
ati
ond
’ou
ti
lsapp
ropr
iésàl’
échel
lecl
imat
iqueé
tud
iéees
tfond
amen
tal
e
(T
able
au1).

17

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 T
abl
eau1: Mod
èlescl
imat
iques
,réso
lut
ion
sspa
tia
les,é c
hel
lese
tdoma
ine
s
d’appl
ica
tion
,d’apr
èsQuéno
letal
.,2014
Modè
les Réso
lut
ionspa
tia
le Eche
lle Applicat
ion
Modé
lisat
ionde laci
rculat
ion
atmo sphér
iqueglobale
.
GCM 500à50km G
loba
le
Modé
lisat
ionduchangemen t
cl
imatique
Modè leà Prév
ision météoro
log
ique,
G
loba
leet
résolut
ion 200à10km Modé
lisat
ionduchangemen t
rég
iona
le
var
iable cl
imatique
Prév
ision météoro
log
ique,
Modè
leàai
re Rég
iona
leà
50km à200 m Modé
lisat
ionduchangemen t
l
imi
tée loca
le
cl
imatique
Descen te que
lqueskilomè t
res
Rég
ionaleà A
ffinementdelaréso
lution
d’échel
le àquelquesd i
zaines
locale spa
tialedes modè
lesrégionaux
stat
istique de mètres
Interpolation Que
lquescen taines
Loca
leà
desdonnées de mèt
re sà Modéli
sat
ionduclimat
lo cale
mic
ro
d
’obse rvations quelque s mètres

L
’ut
il
isa
tion d
es m
odè
lese
sti
ndi
sso
cia
bled
el’
étud
e du c
hang
eme
ntc
lim
at
iqu
e.L
eur
s
ut
il
isa
tions
,coup
lésàdesscé
nar
iosso
cio
-éc
onom
iqu
esap
erm
isd
eme
tt
ree
npl
aced
esp
roj
ect
ion
s
ducl
im atpou
rle
sd é
cenn
iesàven
ir
.

1
.4 Mod
él
isa
tionduch
ang
emen
tcl
ima
tiqu
e
L
ac oncen
tra
tiond egazàe f
fetd eserr
ed ’orig
in eanthrop
i quec ont
inuan
tàa ugm e
nterd ans
l
’atmosph è
reter
r e
st
re,leré chauf
fem en
tc l
im a
tiquee nc our
sv as eprolonge
rd a
nsl esdécenn
i esà
v
enir
.M alg
réquelquesvoixdi s
sona n
tes
,un etr
èsg randem ajo
ri
t édess c
ient
if
ique
se tdespoli
tiques
s
’accordentpourdirequel’ évolu
tionactue
lleduc lim a
te s
tl’und ese n
jeux ma
jeurs,sicen’estle
p
rinc
ip al
,dessocié
tésa c
tue
lle setfutur
es. Und esdéfisdesclim a
tologuesetdesm odél
isa
teursdu
c
limate s
td’est
im e
rleclimatfu tur
.L espro
j ec
tionsclimati
quesp révuespourle
sd écennie
sàv en
ir
e
tl eu
rsim pa
ctssurl ’
environnem entetle sso c
iét
éss ontm odé
liséese nfonc
tiond ed i
ffé
r en
ts
s
cénariossocio
-économiquesp robable
s.

1
.4.1 L
esp
roj
ect
ion
sduchang
emen
tcl
ima
tiqu
eauXX
Ie s
ièc
le
Lasect
ionprécéden
t ea m ontréquelesm odè
lesclimat
iqu e
sdyn am iqueséta
i en
tc apab
lesde
rep
résent
erlecl
im a
tp ass
éd elaT er
re,m a
iség a
lementd’es
tim e
rlec l
im a
tfu tu
rdel aplanè
te
.Ilest
ext
rêmem en
tdif
fic
iled eproposeruns c
énar
ioun iquepourl’évo
lutionduc limatauc ou
rsdus i
ècle
àv en
ir
.D ’unep a
rt
,lav a
ria
tionduc l
imatn’ es
tp asent
ièrem en
tp révi
siblep a
rl esm odè
les
,e t
d
’ a
utrep a
rtl’évolu
tion des so c
iét
és hum a
i ne
s,i n
fluan
ts u
rl ac oncent
rat
ion d e GES,e st
ext
rêmem en
tim prév
is
i b
leàl ongterm e
.P l
usieursscéna
rioson tétéc réés
,i n
té g
rantdif
féren
tes
évol
uti
onsd es sys
tèm esa nthrop
iques(poli
tiquee nvi
ronnem ent
a l
e,d émographi
e… )e tleurs
impact
ssurlesmil
ieuxe nvi
ronn ementa
uxetp arconséqu
e n
tsurlesy s
tèm eclimat
ique(Fi
gure8).

18

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igur
e8:Approc
heséque
nti
ell
edescau
sese
td e
scons
équ
en c
esduchang
emen
tclima
tiqu
e
pou
rlac
réa
tiondess
cénar
iosfu
tur
sduchangemen
tcl
ima
tique
.Sou
rce: Mo
ssetal
,2010

L
ess c
énar
ioslesplusré
centssurle
sé volu
tionsposs
iblesdesc oncen
tra
tion
sd e GESson
tles
sc
énario
s RCP(R epr
esen
tat
ive Concen
tra
tion Pathway
s).Ilsr emplac
entles Spe
cia
lR epo
rton
Emis
sion Sc
enar
ios(SRES).C esscéna
riossonti s
susd ’unproje
ti nt
erna
tiona
lrassemb
lan
t30
ce
ntre
sc l
imat
iques:leCM IP-5(Coupl
edM odelInt
ercom p
arai
sonP ro
ject
)quiviseàé v
alu
erle
s
so
rt
iesd e
sm odèl
esd eci
rcul
ationgéné
raleocéan-a
tm o
sph è
re(Jon e
s,C.D .etal
.,2011)
.Q ua
tre
sc
énario
sm a
jeur
sontétére
tenus(Mossetal
.,2010;IPCC ,2013):

 RCP8.5:S cén
arioqu
iprévo
ituneaugmen
t a
tiond e
sém i
ssions GESaucou
rsdu
pro
chains
ièc
lesan
sm i
seenpl
aced’un
epol
it
i qu
ed elimi
ta
tiond e
sGES .C
’es
tdon
c
lescé
nari
oquipré
voi
tler
échau
ffemen
tgl
oballeplusimpor
tant.

 RCP6
.0:S c
énar
ioquip
révo
ituneaugmen
tat
iondesém
iss
ion
sde
sGESj
usqu
eda
ns
le
sanné
es2080pui
sunedim
inut
iondesémi
ssion
s.

 RCP4.5:Scén
ari
oi de
nti
quea
uRCP6
.0,e
xce
ptéqu
elad
imi
nut
iond
esém
iss
ion
s
es
tpr
é vu
eve
rs2040.

 RCP2.6:P remi
erscén
ari
oqu ipré
voi
tunediminu
tionrap
ided el
ap roduc
tiond
e
GES
,s u
iteàlamisee
nplaced’unepol
it
iqu
eglob
alederéduc
tiondesémiss
ionsde
GES
,quip e
rmet
tra
itd
elimi
terler
échauf
femen
tà2°Càl ’hor
izon2100
.

L e
sm odè
lesclimatiquesontétéini
tia
lis
ése ntenan
tc ompt edec esdif
férentss céna
rio
sa f
in
d’obten
ird esproje
cti
on sprobab
lesdel’évo
lut
ionduc l
imata uxc ou
r sdu XXIse
iècle.Lesécar
ts
sontc onsi
dérabl
essu ivan
tl e
ss c
énar
ios. Àti
tred’exemp
l e
,un eaugm en
tat
iond estem pé
rat
ures
moy enn
esd eprèsde6 °Ce s
tprévueparlescéna
rioRCP8.5e tun eaugmenta
tiond estem pé
rat
ures
limitéeà2°Ce stsim uléparlescénar
io RCP2 .6
.D eplus,l eréchau
ffementa tt
e ndun’es
tp as
uniformed an
sl’espace
,ilestplu
sinte
nsed an
sl’hémi
sphèr
eN ord,pa
rtic
uli
èreme ntaupô l
e(Figur
e
9).

19

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re9:E
vol
uti
ond
est
emp
éra
tur
ese
nfon
ct
ionde
sdi
ff
ére
ntss
céna
rio
sRCP
.Sou
rce:IPCC
2013

I
lestpo s
sibl
ed ’u
til
iserlesm odè
lesré g
ionauxàa ir
elimit
éeouàr ésolut
ionv a
ria
blepour
rég
iona
li
serlesscé
n a
riosRCP ,ét
antdonnéqu’i
lssontbasé
ssurdespr
incipessimi
lai
resaux MCG.
Lepro
jetCORDEXaa insipourobje
cti
fd erég
ional
iserle
sproj
ect
ionsclimat
iquesdesscéna
rios
RCPsurl’en
sem b
led elap lanè
te
.Ilsed éc
lineenp lu
sieu
rssous
-pro
jet
sd épendantdelarégion
d’
étud
e,parexem p
lelep roj
etEURO -CORDEXv i
seàr ég
ion
ali
serle
sp roj
e c
tion
sclimat
ique
se n
Eu
rope
.

E nFranc
e,l
em od
èleàai
relim
ité
eALAD INapermi
sdemodé
li
serl’
évolu
tiondest
em pé
rat
ure
s
e
nfon c
tiondecessc
énar
iosave
cun eréso
lut
ionde9km.L’
augmenta
tiondestempé
ratu
resn’e
st
p
assp a
ti
alemen
tuni
forme
.E l
lees
tm oi
nsinten
sesurl
afa
çadeAt
lant
iquequed an
sl’es
tdup ay
s
(
Figur
e10).

20

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re10: Modé
li
sat
iondest
empéra
ture
sparl
emodèl
eALAD
INe nFran
ce
m
étr
opo
li
tain
ee nf
onct
iondess
cénar
iosRCP
.Sou
rce:LeRou
x,2016

Aucundesmodèle
s,dynamiqu
esous t
at
iques,nepeu
trepré
sent
erp a
rfa
itemen
tlecl
imatd’unl
ieu
donné
.L eséca
rtsimpor
tant
se n
trelesdif
fére
ntsscén
ari
osd echangementcl
imat
iqueprovi
ennen
t
desincer
ti
tude
sliéesàlam od
él
isat
ionc l
imati
que.Lac onna
iss
a nc
ee tlaquan
tif
ica
tiondec e
s
dern
ière
ssonta
insicap
ita
lespou
rc onna
ît
relam arg
ed’er
reurdesm odè
les
.

1
.4.2 In
cer
ti
tud
esd
ela mod
éli
sat
ionc
lima
tiqu
e
Ilexi
stedem ult
iple
ssou
r c
esd’
inc
ert
itude
sdanst
ousl e
se x
erc
icesdem
odé
lis
at
ion
.D an
slecas
d
el am odé
lisa
tion duchangeme
ntcl
im at
ique
,ilest pos
sib
led ele
scl
ass
ere nt
roi
sg r
and
es
c
atégo
rie
s.(Jouz
eletal
.,2014)
.

 Lesince
rti
tudess c
ienti
fique
se ttechn
iqu
es(Incert
itud
eép
i s
témique
). C e
tt
ep rem
ière
sour
ced ’inc
ert
itudee s
ti nt
rinsè
que àl’ut
il
isa
tion de m
od è
les numér
iqueseta ux
conna
iss
ancessci
e n
ti
fiquesdufonc
tionn
emen
tduclim a
t.Mêmesilenombr
ed epar
am è
tre
s

21

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 pri
se ncom pten’ac e
sséd’augm en
terauc ou
rsdut emps
,ilestdi
ff
icilemen
tim aginab
lequ e
les m odèles num ér
iques dynamiques puissen
tr eprés
ente
rl ’e
n sembl
ed esp roces
sus
cl
im a
tiques.L esp roces
susd esou s
-m a
il
l e
s(infér
ieuràl ar é
solut
ion du m odèle
)s ont
notamm entdiff
ic
ilesài ntég
rerd an
sc esm odè
les(nuag e
so r
ageux
,i nver
sionsthermiques
local
es)(L eTreut,2005).L’am é
lio
rat
iond elarésol
utionspa
tia
led es MCGe tl’u
til
isat
ion
cro
issantedesm odèle
sr ég
ionauxatté
nu e
ntc e
se f
fet
sd esous-mai
lles
,m aisnep ermet
tent
paspou rl’in
stan
td erét
ro-ac
tionpourc orr
ige
rl esm odèl
esd e
sé chel
lessupér
ieures
.D e
plus
,certai
nsph énom ène
setm écani
sm esnesontpasparfa
itemen
tc onnusdesspéci
ali
steset
sontdon cdi
ffic
ilesàreprés
ente
r.

 L’
incert
itudeliéeàl ava r
i abi
liténaturel
l educ l
ima t(incert
itudes tochast
ique). Une
secondesourced’
in c
e r
ti
tud edel am odél
isat
i onclimat
iquep rovi
e n
td elav a
riabi
li
téin
terne
duc l
im a
t.C er
tain
s ph énom èn
e stel queE lN ino oul ’osc
ill
ation N o
rd A t
lant
iques e
produ
isentdef açoni rrégul
i è
red ansl et em ps (Cassou, 2004).E ne ff
et
,l esm ul
tipl
es
inte
ract
ionsetprocessusclim a
tiqueconfèrentunc ara
ctèrechaoti
queàl ’évolut
ionducl
im at
,
notamm en
tsurd esé chel
lest em por
ell
esàc ourse tm oyensterm e
s.L esm odè
lespeuvent
repré
sente
rc e
sg randeso sc
illa
tionssurun ep é
riodelongue(100a n s
)m a
issontincap
ables
deprévoi
rleursda
tesd ed ébutetl e
ursdatesd efin(M étéoFrance,s
.d.).

 L’
ince
rti
tuderéf
lex
ive:L’i
nté
gra
tiondescé
nar
iossoc
io-
économi
quesdansl
esproje
cti
ons
cl
imat
iquesfu
ture
sam ènen
tunenouvell
esourced’
ince
rt
itud
e.E nef
fet
,l’évo
lut
iond e
s
soc
iét
éshum a
ine
sestex
trêmemen
tdif
fic
il
eàa n
tic
ipe
ràlongte
rme.

Cesdiffé
ren
tessourc
esd’ince
rt
itudepeuventsec umu
lera ve
cl’aff
inementd elaréso
lut
ion
spa
tial
ee tave
cl’u
ti
li
sat
iond emod è
lesd’
im p
acts(modè
leshydro
logique
s,agronomiqu
es…).Ceci
expl
iquelesdi
ffé
renc
esobtenu
esd an
slesrésu
lta
tsi
ssusdem od
éli
sat
ionuti
li
santplus
ieu
rsm od
èle
s
cl
imatiquesave
cun mêm epos
tula
td edépar
t. Onpa
rlea
lorsdecascaded’i
ncert
itud
e(Figu
re11),
déf
inisurlepo
rta
ilDRIAS7 comm esui
t:

«Lesm é
thode
sd eré
giona
lisa
tionetle
sé t
udesut
il
isan
td e
sm odè
lesd’
impact(e
x: modè
le
h
y dr
ologique
, modèleder endemen
t agri
cole
)s’appui
entsurd e
ss imu
lat
ionsde mod
èles
c
limatiqu
e sglobau
x,eux-mêm e
sc ond
it
ionné
s pard e
sh ypo
thè
sesd edéve
loppem
entsoc
io-
économiques
,formantains
iun echa
îned e modé
lisat
ion. Chaquem a
il
led ecett
ec ha
înei n
trodu
it
unesourced’in
cer
tit
ude
,d esor
tequec e
tt
ed erni
è r
eaugm enteaufuretàm esurequel’ondescend
danslac ha
înedemod é
lisa
tion
.O npar
lealorsd ecascaded ’
ince
rt
itudes
.Ilestdoncimportan
td e
garde
r àl ’esp
ri
t quel’augment
ati
on del ar éso
lut
ions pa
tia
led essimula
tions
, oul ec a
lcul
d’
indic
esp lu
sinté
grésquedesvar
iable
satmo sphér
iquessef a
itaudé
t r
imentd’uneinc
e r
ti
tudeplus
grande
.»

7 h
ttp
:/
/www
.dr
ias
-cl
ima
t.
fr
/ac
comp
agn
eme
nt/
sec
tion
s/177

22

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re1
1:S
chémad
eca
scad
ed’
inc
ert
itud
e.Sou
rce:D
ria
s,d
’ap
rèsB
oé,2007

L
’é v
alua
tiond elaqual
itédesm odè
l e
setl’est
im a
tiondessour
cesd ’in
cert
itudeson
ta u
jou
rd’hu
i
unep a
rtim por
tantedutravai
lde sm odé
lis
ateursduc l
im a
t(L eTreut,2005; K nu
tt
ietS e
dláček
,
2013).L e
sp rojec
tionsfut
uresduc l
im a
tr éponden
tdon càun ea pprochefort
em en
tprobab
il
iste
.
Cer
taine
ssou rc
esd ’
incer
ti
tudesdoiventêt
rem ax
imiséespournepa som e
ttredesfutu
rsposs
ible
s
(in
cert
itud
es tochas
tique)alo
rsqu ed ’au
tresdo i
ventê t
rem in
imiséespou rlimite
rlec a
ract
ère
al
éatoi
redel aproj
ecti
on(ince
rt
itudeépis
témiqueetré g
iona
li
sat
ion)
.

Àcour
tetm oyenterme,lesince
rt
itude
sliéesauxp roj
ect
ionsclima
tique
ssontpr
incipa
lement
duesauxinc
ert
itude
sd esm odèl
esetàl av a
riab
il
itén a
ture
ll
educ lima
t.C epe
ndan
t,surlelong
te
rm e(2081
-2100)
,l’in
cert
itudem a
jeur
ep rov
ientd e
ss céna
riossoc
io-éc
onomiqu
es(H awkinse
t
Sut
ton
,2009),c ec
ie xp
liquantle
sd i
ffé
rencesplusim por
tant
espourl’hor
izonlo
inta
ine n
trele
s
di
ffé
ren
tsscéna
rios
.

23

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
1
.5 Con
clu
sion
Lesy s
t èmec limati
queterres
treest uns yst
èm ee nv
ironn ement
alc om pl
e x
e.L esm u
lt
ipl
es
proce
ssusd ’
i n
terac
tionsen
trelescom posa
nte
sdu m i
lieufai
tqu eleclimatv a
riefor
t ementàtoute
s
leséchellesspati
alesettemporel
les
.Pou rcom p
rendreces ys
t ème
,s iim por
tantpou rlesact
ivi
tés
hum a
ines,lesscien
ti
fique
son tmisenp l
acedenom breuxréseauxdem esuresperm e
ttantd’obs
erve
r
l’évo
lutionduc l
im a
ts u
ivantcesdiffére
nte
sé chel
les.A ve
cl ’ac
crois
sem entd elapu issa
nced e
cal
c u
linform a
tique
,l’homm eapuc réerdesm odè
lesrepr
é s
entantdem anièr
esim pl
ifiéelesys
tèm e
cl
im a
tique. Chacunepo s
sédantdesa van
tage
se td esinconvénien
tse nfonctiond ele u
rsc h
am ps
d’app
lica
tions.

Lec hangementclimat
i quee nc our
sp erturbelesystèmec l
im a
tiqueetengendredesm odi
fica
tions
surl’ensem b
led el’env
ironn em ent
,a ve cd e
sr ép
ercussi
on ssurlabiodive
rsi
té(Ro senzweigetal.
,
2008), m a
iségalementd esim pactsim portant
ssurlesso cié
téshum ai
nes(M endel
sohnetal.,2006;
Rodhain,2008).L esdifféren
tss cénar
i oss oci
o-économi que
sc réésparlesscien
tif
iquesdu G IEC
am ènentà d e
sé vo
lutionst rèsd if
férentes duc l
im at pourles ièc
leà v eni
r.L aré duc
tion de
l’
i n
certi
tudelié
eàl am od é
li
sation(incerti
tudeé p
istémique)estune n
jeuim por
tantpourlacréat
ion
dem odè
l esd’
im pact
sduc hang ementc limat
iquel esplu sprobab
lespo s
sible
s(m odèlea g
ricol
e,
hydrolog
i que…).L adimi nut
iond el’in
c ert
itudedesm od
èlesd’im p
actnéces
siteuneréduct
iond ela
résolu
tions pa
ti
aled esp rojec
tionsc l
im atiquefutu
res,pou rm ie
uxi n
tégre
rl av a
ria
bil
itélocal
edu
cl
im a
t,qu ipeu
têtreim portantesurd ec ourte
sdistance
s.

Undess ec
teur
slep lusvulnérab
lefaceauc hangem entcl
im a
tiqueestlesec
teuragri
c o
le.Ene f
f e
t,
lam ajor
itéd espr a
tiquesa gr
icole
ss onttrèsd épend an
tesd eleure nvi
ronnem en
t:so l
,c lim a
t,
géo
logie. Duf ai
td es av ari
abi
lit
és pati
alee tt em pore
ll
e,l eclim a
t atr è
ssouv ent unrô le
pré
pond é
r a
ntd a
nsl aqu a
litéetlaqu an
titédesr éco
ltes(Do eringetal.,2002).L em ain
tienetl a
dura
bil
itéd e
sp r
atiquesagricol
ese s
tund ese n
jeuxc apita
lpou rlesièc
leàv enirquec esoi
tsu rle
pl
ané conomique,scient
if
iqu eoupolit
ique(B eddingtonetal.,2012;R icka
rdsetal.,2014).Parm i
lesdif
f é
rente
sc ul
turesa gr
icole
s,laviticu
ltu
ree stl’uned esplusvu l
nérab
lesf a
cea uxv a
riat
i ons
cl
imatiques(Jones
,G .,2006 a
).E nef
fet
,lav i
gn eesttrèssens
i b
leauxc ondi
tionscl
im a
tiquesets on
déve
lopp ementesté t
roitementliéàl av ari
abil
itésp a
tia
leduc l
im a
t(dug loba
la ul oca
l)
.L e
déve
lopp ementd ep roje
ctionsclimat
iquesp rena n
te nc omptec e
ttev ar
iabi
lit
é du c l
im a
te st
néce
ssa
i redansuned ém a
rched ’a
dapta
tiondelap rofessi
on.

24

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE2: LAF
ILIÈREVIT
ICOLEDANSUNCONTEXTE
DECHANGEMENTCL
IMATIQUE

2
.1 G
éné
ral
ité
s

2
.1.1 Con
tex
teh
isto
riqu
eetg
éog
raph
iqu
eduv
ignob
le mond
ial
Depui
splu
sie
ursm i
ll
énai
res
,lavign
eaétécu
lt
ivéepourp
rodu
iredura
isinouduvin
.M a
isc’es
t
a
uc oursdel’an
tiqu
ité
,p a
rt
icu
liè
remen
ta v
ecl’empir
erom a
in qu
elav ignecul
tiv
ée pourla
p
roduc
tiond
evinserépandàtra
ver
sl’Eu
rope
,unegrandema
jor
itéde
svignob
lesac
tue
lsayantune
o
rig
ineroma
ine
.

Lacul
tur
ed elav
ignehorsdel
’Eu
ropes’es
tdéveloppéep
e nd
antlapé
riod
edec o
lon
isa
tionave
c
l
’imp
lan
tat
iond evignob
lesen Am
éri
quedu No rdete n Amér
iqueduSud,m ai
sé g
alementen
A
fr
iqu
eduS ud
,enA us
tra
li
eetenNouvel
le-Z
éla
nd e
.P l
usrécemm e
nt,d
enom b
reuxvi
gnobleson
t
ét
ép lan
té senA si
e,essen
tie
llemente nChine
,pourrépond
reàl ’augment
at
iond elad emand edela
consomm a
tiond esderniè
resd é
ce nn
iesd a
nsc e
sp a y
s.Aujourd’hu
i,lac u
lturedel av igneest
lar
g ementré p
andueàtraverslemond e
,avecuntota
ld esu
rfa
c ecult
ivéede7534 mil
lie
rsd ’hec
tar
es
(m ha
)(O IV,2015 )
.L ’Europec oncen
trelam ajor
itédesvi gnobl
esa vec 3362 m h
a,l estro
is
pr
incipauxp aysviti
cole
sé tan
tl’E sp
agne(1021m ha
),laFrance(786 m h
a)etl ’
Ita
li
e(682 m ha
).
L’
extens
i onr ap
ideduv ignobl
ec h
i no
isfai
td ela Ch
i n
elepa yshorsE u
ropea veclaplusg rande
sur
facec u
lt
ivée(830 m ha)
,suivip a
rlesÉ ta
ts
-Unis(419 mh a
),l’Argen
tin
e(225 m h
a),le Chi
li
(211m h
a)e tl’Aust
ral
ie(149m ha)
.

2
.1.2 Lav
ign
ecu
lt
ivé
epou
rlap
rodu
cti
ond
evin
Lavi
gneestuna rb
ri
sseaugr
impan
ta ppa
rte
nan
tàlafamil
ledesVi
t a
cées
.Parmiles19g enr
esd e
ce
ttefami
lle
,leg enr
eV it
is
,orig
ina
iredeszone
schaudesett
em pé
réesdel’hémisphèr
e Nord
,e s
t
ut
il
isétr
adi
tionne
llementpourlavi
ticu
ltu
reetpar
ti
cul
ièremen
tl’espèc
eV i
ti
sV ini
fera (Reyn
ier
,
2011
).Vi
tisVini
feras edéc
lineenplu
sd e5000var
iét
ésetletermed ecépage
,trèsem pl
oyée n
v
it
icul
ture
,c o
rre
spondàun evar
iétécul
tiv
ée.Excep
téd anscer
tain
ssecte
urspré
cis(Chil
i)
,lavigne
n
’es
tp lusplan
téedir
ectemen
tsurs esrac
ines
.L ephyll
ox e
ra,unpuceronravageu
ro ri
gina
ired e
s
É
tat
s-Uniss’a
ttaqu
anta uxra
cinesd elavigne
,a r
rivaenE u
ropeàl afindu XIX e
e
tprovoqua
d
’impor
ta n
tsdomm agessurl
ev ignobl
ee u
ropéen
.D epuis
,lesvignessontpla
ntéessurunpo rte
-
g
ref
fe,d’uneaut
reespècedeV
it
is oùi s
sud’hybr
ida
tionentr
ee sp
èces
,rés
ista
ntauphylloxe
ra.

Lavigneestuneplan
tevivace,el
lenem eur
tpasa ucoursd el’h
ive
r( excep
tée ncasd e
t
em p
éra
turet
rèsb
asse
)etsaduréedeviep
eutat
te
ind
replus
ieur
sdizai
n e
sd’année
s.Elleacc
om p
li
t
c
haquesa
isonuncyc
ledecro
iss
anceetuncyc
ledere
produc
tion m
enantàlaproduc
tiondesra
is
ins

25

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
u
ti
li
séspou
rlav
ini
fic
ati
one
tlap
rodu
cti
onduv
in,oub
ienpou
rde
sra
is
insd
eta
bleoud
esr
ais
ins
s
ecs
.

2
.1.2
.1 L
apha
sed
edo
rman
ce
Souslesla
ti
tude
st em pé
réesdanslesque
lleselleestm a
j o
ri
tai
remen
tc u
lti
vé e
,lavigneconna
ît
uneph asedereposhi v
ernaldedé bu
tnov em breà m ar
sd ansl’hém
isphè
reN o
rdetd em a
rsà
sept
em bredan
sl’hémisphèr
eSud.C erepose s
tr e
lat
if
,ils’ag
itd’unep
répara
tionàlafut
uresai
son
vé
g é
tati
veavecl’évolu
tiondesrés
ervesg l
ucidiques(Carbonneaueta
l.,1992).Auc ou
rsdec e
tt
e
pé
riode,lescepss ontp eusen
siblesa uxt empéra
turesn éga
tiv
es.Tout
efoi
s,d estempé
ratu
res
ex
trêm e
s(<20°C )p e
uv en
tengend
rerlam ortdup i
edd evigne
.

2
.1.2
.2 L
edé
bou
rrem
ent
Àlafindel’h
iver
,lesfut
ursram
eauxcommenc
entàappa
raî
treaumi
lie
ud ela« bour
re»,un
f
ilam
entpro
tége
antl’
inté
rieu
rdubourg
eon(B
lou
in,2007
).Ladatedud
ébourr
ementvar
iesuiv
ant
l
ec ép
ageetlalat
itud
e.A prè
sledébour
rem
entdébu
teunepériod
ederisqu
ed egelprin
tan
ier
(M ade
lin
,2004)pouv
antendommagerlesfut
uresgrapp
esetent
raî
n e
rdespe
rtessu
rlaré
c o
ltedu
m
ill
ésime.Ladatededébou
rreme
ntd ép
e ndfo
rtementdest
em p
éra
turesd
el’h
iv e
retdudébu
tdu
p
rintemps
,m a
isaus
sidefac
teu
rsbio
logiquese
tc u
ltu
raux
,notammentlema
tér
ielvég
éta
l(Kel
lere
t
a
l.,2010).

2
.1.2
.3 L
afl
ora
ison
Dansl’h émisphèreN ord
,l e
sfleur
sd elav ignes’épanouis
sen
tp endantlesm o
isd emaietdejuin
,
p
ermettantlaf écondat
iond e
sovules
.D ansl am a
joritédescas
,l epollenfécondelesovule
sd ’un
m
êm ece p(féc ondat
iona utogame)
,m êmes ilev entp e
rm e
tp a
rfoislaf é
condat
ione n
treceps
.L a
f
lor
aisone stfa vor
iséep a
runbone nsole
il
l ementetd estempérat
uressup é
rie
uresà20°C ,m a
isles
e
xtr
êm esd ec ha
leur(> 38°C )limitentl e phénom èned e pol
lin
isati
on(W ink
ler
, 1962)
.L e
s
p
réc
ipita
tionsp euventé g
alem e
ntp e
rturberlaf l
oraison,l’
eauem pê
ch elescapuchonsflo
rauxd e
t
om beretd el ib
érerleso rgane
sr eproducteu
rse tlimiteledé p
lacem entdupo ll
en. Unefo
is,la
f
écondat
i onop érée
,l e
sfuturesbaie
ss eform en
t(nou ai
son).

2
.1.2
.4 L
avé
rai
son
Environd eux moi
saprè
slaf
lora
ison,lesbaie
sr amoll
iss
entetunebrusqueaccumula
tiondesu c
re
danslesg rappesalieu
,accompagnéed ’unchangem en
td ecouleu
rd e
sr a
isin
s.Lesr a
isi
nsrouges
passen
ta lorsduv e
rtaurouge(Figure12)e tlesr ai
sin
sb lan
cs,duv er
top aqueàunv ertplus
transparen
t.G énéra
lement
,lacro
issanc edesram e
a uxral
ent
ita u
tourdel avéra
ison,sousl’ef
fet
d’uned iminuti
ond eladi
spon
ibi
li
tée ne au(R eyni
er,2011).Led éc
lenchementdelav éra
isonest
sousétroi
ted épendanc
edelatempéra
t u
r e
,sibienquelad a
tedev é
rai
sonp eu
têtreconvenablemen
t
modéli
s é
ea vecun esommethe
rmiqu e (Parke
retal.,2011)
.Ilap ara
illeu
rsétéremarquéqu e
,plus

26

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
l
afréquenced e
st em p
éra
tur
essupérieur
esà 25°Ce s
té le
vée dur
antlap ér
iod
ep réc
édantla
v
éra
ison
,p lusc e
lle
- c
iserapréc
oce( Jone
s,G .etD a
vis
,2000b).C epend
ant
,ladatedev é
rai
son
d
épend moinsfor
tem en
td e
stempér
aturesqueless
tadespré
céden
ts(débour
remente
tflo
rai
son)
.L a
c
apac
ité hydrique dusol,déte
rminante pourlatem p
éra
tureautou
r dusy s
tèmeracina
ire
,v a
é
gal
em en
tj ouerunrôle(vanLeeuwenetal
. ,2004
).

F
igu
re12:G
rapp
edeM
erl
ote
ncou
rsd
evé
rai
son
. @L
eRou
x2016

2
.1.2
.5 L
ama
tur
it
é
Aprè
sl av éra
i son,le ss ucre
ss ’accum u
lentjusqu ’
àl ar é
colte
.I ln ’exis
tep asd em arqu eur
physio
logiqu epr éc
i sdel am atu
ri
té,carl’accumulat
ione tlad égrada
tiond esc om posé
sclés(su cres
,
acide
so rganiques,c om pos é
sph éno
liques
,a rômesetp récurseur
sd ’a
rôm es
)n ’estpassynchron e
.L a
datedev enda ngese std é
term in
éep a
rl evitic
ult
eurl or
squ’ilest
im equ el e
sr aisin
son ta
tteintle u
rs
matu
ri
tésop tim a
l es
.N éa nm oin
s,pourc om pa
rerlesavanc ée
sd em aturi
té,les euilde200 gd esu c
re
parli
treestsouv e n
tr e
te nu.L am a
tura
tiondur ai
sins’ é
ta
l esurunp euplusd ’un m o
ism a
iss adu rée
esttr
èsv ariablesu ivan
tl ecépage.Le sarôm e
sdur a
isins ed éve
lopp ent
,l essu c
ress’accum ulent
,
l’ac
idi
téc hutee tlepo id sdesb a
iesa ugme n
te(Hug l
inetS c hne
i d
er,1998;B l ouin
,2007)
.Un efois
lam aturi
tét echno logique( suc
ree ta c
ide),phénolique(m aturi
téd esp épinse td espel
licules)e t
aromat
i queatteinte,lesv endangesp euventdébute
r.C esdifférent
sst a
de sph énologi
quesrequ ièren
t
descondit
i onse nvironnem ental
esp a
rt
i cu
lière
spou rperm et
trel’achèvem entduc yc
lephénologi que
.
Laph énologied el av ignee stene f
fetfortementc ont
raintep arl’envi
ronn em entdanslequ ele l
le
évolue
.

2
.2 Rô
led
el’
env
ironn
emen
tsu
rlaph
éno
log
ied
elav
ign
e
L
aph
éno
log
ied
elav
ign
ees
tcon
tra
int
el’
env
ironn
eme
ntphy
siqu
el’
ent
our
ant
.Le
sdi
ffé
ren
ts
fa
cteu
rse
nvi
ronnem
ent
auxn’ag
iss
entp
asind
épend
amm en
tlesun
sde
sautr
es,m
aisautr
ave
rsd’un
sy
stèmecompl
exed’i
nte
rre
lat
ion
s.C’es
tc e
tt
e qua
si
-in
fin
itédes
itu
ati
onsenvi
ronnem
ent
ales

27

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
po
ssib
lesqu
ip erme
tl’expr
ess
iond’un
etrèsg
randediv
ersi
téde
svi
nsàt
rav
ersl
emond
e.L
e
sy
stèmeenv
ironnem
ent
/vignee
staucœurd
elano
tiond
eterro
ir
.

2
.2.1 No
tiond
ete
rro
ir
Lanotiond et
erroi
rr e
groupelespropr
ié
tésspéc
if
iqu e
sd el
’env
ironnem e
ntloca
l(sol
,clima
t,
p
lan
te)etd espr
atique
sc u
ltur
ale
se tvin
icol
essouslesque
ll
eslevind ’uneprop
rié
téestprodu
it
.
L
’Organ
isat
ionIn
ternat
iona
led el
av ign
eetduV in(OIV)donneladéf
initi
onsuivan
ted’unte
rro
ir
v
it
ico
le:

«Leter
roi
rvit
ivi
nico
lees
tunc onceptquiseré
f èr
eàune spa c
esu rl
e que
ls econs
trui
tuns avo
ir
col
lec
ti
fd esin
terac
tion
se n
t r
eun m il
ieu phys
i qu
ee tbiologiqueide n
ti
fiab
lee tlesp ra
tique
s
vi
tiv
ini
col
esquiysontappliquée
s.C e
si n
terac
tionsrévè
lentun eorig
inali
tée tabout
iss
entàun e
répu
tat
ionpourlesprodu
it
sv i
tiv
ini
colesorig
inaire
sd ecetespa c
e.Lesv al
e ur
sdut er
ri
toirefon
t
par
tieduter
roi
retsontmise
se névidenc
epa rdesc a
ract
éris
tiquespaysagèresspéc
if
iques»(O IV,
2015)
Tro
isa c
teursm aje u
r sd el’ef
f e
tterroi
rs edistinguent:l esol
,l eclim atetl aplante
.L esd i
ffé
re nt
s
typesd esolsurl esqu e
lsl av ignesed éveloppei nfl
u e
nc en
tlaph énol ogied elap la
nteetl etyped e
vinproduit
.L esp ropriétéshyd r
iquesdus olj oue n
tno t
amm en
tunrô lem ajeurd an
sl’al
im en
tat
i on
ene aud elapla nte(K ellereta l
.,2010; R enou fetal.,2010;v anL eeuw en,2010b )
.L eclim a
t
condi
tionnel’effetm il
lésim e,c ’e
st
- à
-direl ad iffé
rencedut yped ev inp roduite nfon ct
iond e
l’annéeenc ours
,m a
isé galem en
tlesd a
tesd ’app ar
it
ionsd esdiffé
r entsstadesph énolog
i quesd ela
vigne
.L ev i
tic
ulte urintervie n
tpou rnu ancerlesim pac
tse nvi
ronn em entaux(W ebbetal. ,2012 )à
trave
rss esprat
iqu esc u
lt u
rales:itinéra
iret e
c hnique(systèm ed ec onduitee te n
tre
tienduso l
)e t
choixdu m a
tér
ielv égétal(v ar
iétécult
ivée,clon eetpo r
t e
-gref
fe),afind ep roduirechaquea nnéel e
me
illeu
rv inpossible,r eprése n
tat
ifd el’appell
atione tdel aproprié
t é
.L ’étud ed’unterro
irv it
icole
doitpasse
rp arun ea pproc hes ys
tém i
quem et
t ante nrela
tionc estroisg randsf ac
teursas su
rantl a
typic
itéduv inprodu it( F
i gure13).D enom b
r eusespublicat
ionsetouv ragestr a
iten
td ansled étai
l
lesinf
lu e
ncesd ec esd if
f érent
sf ac
teursdut erroirsurlaph énologi
ed elav igne,lacom posit
iond e
s
ra
i s
insetl’
im pactfi n
alsu rl evinproduit(Hug l
i netS chne
i d
er,1998;B lou in
,2007;K el
l er
,2010;
v
anL
eeuw
en,2010
a,2010b
).

28

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re13:A
ppr
och
esy
stém
iqu
edel
’ét
uded
’unt
err
oirv
it
ico
le
.Sou
rce:v
anL
eeuw
en,2010

Parmicestroi
sv ar
iabl
es,lecl
im a
testcelu
iquipr
ésen
telaplu
sg ra
ndev a
riab
il
it
ét em
pore
lle
.Il
e
stadmisdec ons
idérerquelespropr
ié
tésdusolévo
luen
tp euàl’
échel
letempore
llehumai
neetle
f
acteu
rv é
g é
tal(vigne
)dut e
rro
irestin
trin
sèqueme
ntsouscont
rôleanth
ropiqu
e.P a
rconséqu
ent
,
l
’ét
udedesfa c
teur
sclimat
i qu
esestpr
im o
rdia
lepou
rlesv
iti
cul
teur
s.

2
.3 In
tera
ctionv
ign
e-c
lim
at
Lav ar
iab
il
it
étem po
rel
l ein
ter
-annu
ell
educ lima
tcondi
tionnetoutd’abordfor
tementl
ar é
col
tee n
c
ours
,e xpl
iquan
tl esdiffé
rence
sd evinsp rodu
it
se nfon c
tiond esa nnée
s:i ls’ag
itd el’ef
fet
m
il
lés
im e
. M a
isl ec l
im atjoueé g
alement unrôletrèsim por
tan
ts urla phénol
ogiee tle
d
éveloppemen
td elav igne
,a vecdesint
erre
lat
ionsé
troi
tese ntr
el e
sv a
riab
lescl
im a
tique
se tle
c
om por
tementdelaplan
t e(Ton
iet
toetCarbonneau
,2004)
.

2
.3.1
.1 L
esp
réc
ipi
tat
ion
s
Danslesrégionsvit
ico
lesoùl’
irr
iga
tionn ’e
stp a
sp r
atiquée,cequie s
tlec a
sd an
slam ajo
ritéde
s
vignoble
se nF ran
c e
,l’
al
im en
tat
ionene audel apl
anted épendd espréc
i p
ita
tionsetdelaréserveen
eaud essol
s.L arecharg
ee neaudessol
sa uc our
sd el’hiv
erdo i
tê t
resuffi
santepoura s
surerlebon
fonct
ionnem e n
td elaplan
tedanslapremi è
rep a
rt
ieduc yc
l ea nnu
eld elavi gne
.L avignee s
tune
pl
a n
tem édit
erranéenne
,s e
sbesoin
se neauson tre
lat
iv emen
tl imité
setl aqualit
éduv inproduite
st
eng énéra
lfa vor
iséepardefaib
lespréc
ipita
tionsauc oursd elas a
isone s
tivale(N e
eth
ling,2016)
.
Desc umulstropim por
tantsdepréc
ipit
at
i onsa um om en
td el aflor
aisonp euventlapertu
rb e
ren

29

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
empêchantlachut
ed e
scapuchonsf
lora
uxetlaféconda
tionet
,p a
rconséquen
t,l
ed éve
loppemen
tde
lafu
tureg r
a pp
e.D e
spréc
ipi
tat
ionsabondan
tesetrégu
lièr
esa ucou
rsdel’étéfavo
ri
sentéga
lemen
t
ledéveloppementdem a
lad
iestelquelem i
ldi
ou,l’o
ïdiumoul eBotry
tis
,entr
aînan
td espe
rte
sde
réco
ltequant
ita
tive
setqua
li
tativ
esimport
ante
s(Jermin
ietal.
,2015)
.

2
.3.1
.2 Ra
yonn
emen
tso
lai
re
Laprinc
ipal
esourced’
én e
rgielumin
e u
seetthe
rmiquesu rTer
reprovientdura yonnem e
ntsola
ire
.
L
apho to
synthè
sed elaplupar
td esplan
tesetdoncd elav igned é
pe ndfort
em entd elaqu an
ti
té
d
’éner
giereçuep a
rc erayonnement(Hug l
inetS chne
i de
r,1998).L aphotosynthè
s etran
sforme
l
’éner
gielumineuseenén e
rgiechimiquepermet
tan
tl asynt h
èsed essu c
res(J ack
son,2008).L e
r
ayonnem e
ntsola
irej
oueé g
alementunrôledi
rec
tsurlac omposi
tiondur ai
sin
,e np a
rt
i cu
lie
rsurles
c
om posé
sph éno
lique
s. Àc eniveau
,sonrô lees
tc ependantdif
fic
ileàd ist
ingu erdel ’
effe
td e
s
t
em pé
ratu
resm êmesice
rtain
sa u
teur
sontréuss
iàisole
rs onact
ion(Sp aydetal
.,2002 )
.

2
.3.1
.3 T
emp
éra
tur
edel
’ai
r
Latemp é
ratu
red el’ai
re s
tun ev a
riab
lem a
jeureda nsledév e
loppementd elavigne(G lads
ton e
s,
1992; D eP ar
ce vauxet Huber,2007; M iradeO rduña,2010;J one
s,G .e tA l
ves,2012 ).L es
tem p
éra
turesvontê tr
ed é
terminantespourl aprécoc
itéd el
’a ppar
it
iondessta d
esph énologiques
,e n
par
ticu
lie
rpou rlaf lora
isonetl av é
raison(v anL e euweneta l.,2008;P a
rkereta l
.,201 1
).L a
quant
it
éd echaleurjoueé g
alements u
rl’accum ul
at
iond e
ssu c
r e
sp endan
tlap ér
ioded em atura
tionà
lafindel ’
été
,pl uslestem p
érature
ss e
ron télevé
sa uc oursd ecet
tep é
riode,pluslet auxd esucre
ser
aim por
tant (R ibé
reau-Gayon eta l
., 2006 )
.L at em péra
ture opt
im ale pourl aque
llel a
photo
synthèsees
tm aximume std e25°C(A llewel
t,1980;Z u
ffe
rey,2000)
.A u
-delàd ec eseu
il,la
photo
synthèseestralent
ie.Lez érov ég
étati
f,tem pé
r a
turee nd eç
àd elaquel
lel aphénol ogi
ed ela
pl
anteeststoppéee stclass
iquem en
tfix éà10°C(W inkle
r,1962 ).Cepend an
t,cet
t elim i
tev ar
ie
suiva
ntlem a
tér
ielv égé
tal(cépage,porte-gre
ffe
)etr estediscuté
e(Poug et
,1968 ).D estravauxd e
modél
isa
tionrécentsm ontr
entqu eces eui
le stcer
tainem en
tp lusfaib
lequ e10 °C(Mon cu
reta l
.,
1989;P arke
retal.,201 1
).

Destem pé
ratu
rese xt
rêm esrepré
sent
enté ga
lementunr isquecl
im at
iquepourl acul
turedela
vigne.D estem pér
aturestropélevée
s(>35°C )e n
tra
înentun eper
ted ’an
thocyanes(Morietal
.,
2007)e tp euventabîm e
rl e
sb a
ies(échaudag
e)etlesfeui
lles(Webbetal.,2012).Inv
ersemen
t,au
coursd el’hiv
er,destem péra
tur
esinfé
rieur
esà–20°Cp euventent
raîne
rlam ortdupieddevigne
(R eyn
ier,201 1
).U nefoisl edébour
rem en
te f
fec
tué,d e
st em p
éra
turesn éga
tivesend e
ssou
sd e
-2.5°Cp euven
te nt
raînerd e
sd égâ
tsim por
tant
setc ondui
r eàun epertepar
tie
lleout o
tal
ed el
a
récolt
e(D amie ta l
. , 2011)
.E n
fin
,l estem pé
ratu
res,l ’é
vapot
ranspi
rat
ion poten
tie
ll
ee tles
préc
i p
itat
ionsc ond
itionnentlebilanhydri
que(Mo rla
t,1992; O jedaetal.
,2002;v anLeeuwen
Bo
ise
tal
.,2009
),f
act
eurp
rim
ord
ia
lpou
rlepo
ten
tie
lqu
ali
ta
ti
fde
sve
nda
nge
s.

30

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Latempéra
turees
tdonclavar
iabl
ecl
imat
iquep
rinc
ipa
lein
flu
antlaphé
nol og
iedelavigne
.D e
s
i
ndicesba
séssurl
estempé
rat
uresousu
rdessommesthe
rmi
quesontét
écré
é safi
ndecara
ctér
ise
ret
c
las
serle
sdiff
éren
tscl
imat
svit
icol
es,ma
iséga
lem
entpourmodé
lise
rlaphénolog
iedelav
i gn
e.

2
.4 L
esind
ice
sbio
cl
ima
tiqu
es
L’
em p
loid’
ind
ice
spourc a
rac
tér
iserl
epo t
ent
ielc
lima
tiquededi
ffé
ren
tster
roi
rsvi
ti
col
ese s
t
e
sse
nti
el
.D an
suneréso
lut
ionde2015,l
’OIVr e
commandel’u
sag
ed’unce
rta
innom b
red’
indi
ces
,
e
nsebasan
tsurl
abib
liog
raph
iesu
rc esu
jet
.

2
.4.1 A
ver
ageg
row
ings
easont
emp
era
tur
e(GST
)
Ceti ndi
c esebasesurl
at empér
atu
rem oy
ennedu1er av
ri
lau31o c
tob
redansl
’hémi
sphèr
eNo rd
(1e
r
octobreau30a vr
ilpourl’h
émisphè
reSud)
.Ilcompor
te4clas
sesf
ixan
tle
slimit
esdelacu
ltu
re
del av igneentre13°Ce t21°Cd etempé
rat
uresmoyennespou
rlasai
sonvégé
tat
ive(Jon
es,G.,
2006 a).Pou rc h
acunedec esclas
ses
,lescépag
esthéo
riquemen
tlespl
usadapt
ésontensu
iteété
asso c
iés(Figu
r e14).

Figu
re14:Cl
ass
esth
erm
iquesde«Ave
rageGrowi
ngS e
ason
T
emp
erat
ure»e
tle
scépag
esadap
tésàce
sdiff
ére
nte
sclas
ses
.Sourc
e:
Jone
s2006.

2
.4.2 L
’ind
iced
eWink
ler
Lepote
nti
elt h
erm i
qued’unerég
ionvi
tico
leestsouv
entest
im énonp asenfonc
tiond’une
t
empér
atu
rem oyenne
,m a
isd’uneaccumu
la
tiondetempér
atu
res(degr
és-
jour
s)
.L econcep
td es
d
egr
és-
jou
rsc ons
is
t eàca
lcul
erladi
ffé
ren
ceentr
eunetempéra
tur
ejourna
li
èreetunet
em pé
ratu
re

31

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 T
abl
eau3:C
las
si
fi
cat
iond
eszone
svi
ti
col
esba s
éesurle
sv a
leu
rsd
el’
Ind
iced
eHug
lin
(T
oni
et
toetCarbonneau
,2004)
.
Ca
rac
tér
ist
iqu
es R
ang
s V
aleu
rs
T
rèsc
haud IH+3 IH>3000
Ch
aud IH+2 2400<IH<3000
T
emp
éréc
haud IH+1 2100<IH<2400
T
emp
éré IH-1 1800<IH<2100
F
rai
s IH-2 1500<IH<1800
T
rèsf
rai
s IH-3 IH<1500
2
.4.4 G
rap
evin
eFl
owe
ringV
era
ison mod
el(GFV
)
L
aph é
nol
ogi
edelavignees
ttrèssens
ibleauxtempé
ratu
res
.L em odè
lephéno
logi
que GFV
(Pa
rkere
tal
.,2011
,2013)apourobj
e c
ti
fd ’e
st
imerl
ad a
ted elafl
orai
sone
td elavéra
isonen
fon
cti
ondesomme
sthe
rmique
spourunetrè
slargeg
amm edecépag
esdanslemonde
.Ilaét
écrééà
p
art
ird e81v ar
iétésdevignese tsurd esrele
vésd e2278d at
esd eflo
raisonetd e2088datesde
v
éraison,e n123l ieuxdiff
ér e
n t
s,etsou sunl argesp e
ctr
ed em a
croc l
im at
s.Ilsec a
lcul
ee n
a
ddit
i onna n
tlestem pé
rat
uresj ourn
aliè
resm oyennessupér
ieuresà0°Càp art
irdu60e
j
ourd ela
s
aison(1 m
e
r
a
rsou29f év
rie
re ncasd’a nn
éeb i
ssext
ile
)d an
sl’hémisphère Nordetàpar
tirdu28
a
oûtd an
sl ’hémisphèr
eS ud. Un ev a
leurd ed eg
r é
s-j
ourspropreàc h
aqu ecé p
ageestatt
ribué
e
p
erm et
tantd ’e
st
im e
rlad a
ted eflora
isonetdev ér
aison(Tab
leau4).

T
ableau4:Sommest
hermiqu
es(F*),bas
éessurleGrap
evi
neFlow
ingVera
isonmodel
(GFV)
,pourle
sque
ll
eslesp
rinc
ipauxcépagesroug
esduBorde
lai
sat
te
ign
entlafl
ora
isonet
lavéra
ison(Park
eretal
.
,2011)
F
lor
aison F
* RMSE r
²
M
erl
ot 1269 5
.6 0
.79
C
abe
rne
t-S
auv
ignon 1299 5
.2 0
.72
C
abe
rne
tfr
anc 1245 5
.1 0
.72
V
éra
ison F
* RMSE r
²
M
erl
ot 2636 6
.6 0
.73
C
abe
rne
t-S
auv
ignon 2689 6
.9 0
.64
C
abe
rne
tfr
anc 2692 7
.1 0
.63
2
.4.5 Ind
iced
efr
aîch
eurd
esnu
it
s
L’
indi
ced efra
îche u
rd e
snui
ts(T oni
ett
oe tCarbonneau
,2004)aétéc
réépouré
tudi
erl
’in
fluen
ce
d
escondi
tionsnocturnessu
rlam a
tur
ationd e
sb a
iesaucoursdu mo
ispr
écédan
tle
svendang
es.Les
t
em p
éra
turesnocturnesinf
lue
ntsurl abiosyn
thèsedesc ompo
sésaroma
tiqu
esdura
ntlaphasede
m
atu
rat
ion,dansles30j ou
rspré
cédantlarécol
te (Vaudour
,2003)
.Ilco
rre
sponddan
sl’h
émisphè
re

33

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Nordàlatemp
éra
t u
reminimalem oy
ennedu moisdesep
tembre
,etàl atempé
ratu
remin
imal
e
moyenn
edu moisd emarsdansl’hémi
sphè
re Sud
. Qua
trecla
ssesontétédéf
ini
essu
ivan
tla
tempéra
tur
emoyenneno
cturn
ea ucou
rsdel
ap é
rioded
em a
tur
ati
on(Ta
bleau5)
.

T
abl
eau5:C
las
si
fi
cat
iond
esz
one
svi
tic
olesbasé
esurl’
ind
iced
efra
îch
eurd
esnu
it
s(T
oni
et
toe
t
Carbonn
eau,2004
)
Caractér
ist
iques R
angs Va
leu
rs
Nu
itschaudes IF1 IF>18°C
Nui
tstempérée
s IF2 14°C<IF<18°C
Nu
itsfr
aîche
s IF3 12°C<IF<18°C
Nui
tstrè
sfraîc
hes IF4 IF<12°C
2
.5 L
imi
testh
erm
iqu
esd
elacu
ltu
red
elav
ign
e
L’
étuded
estempé
rat
ure
sestdonci
ndis
soc
iab
ledel
’ét
uded’unt
erro
irvi
ti
c o
le
.Histo
riqu
ementl
a
v
ign
ee stmajo
ri
ta
iremen
tcult
ivéedansle
sz on
estempé
réesavecd e
st empé
rat
uresm oy
ennes
c
om p
ris
esen
tre12°Cet22°C(Fi
gure15)
.

F
igu
re15:P
rin
cipa
lesr
égi
onsv
it
icol
es(enno
ir)e
tsec
teur
scompr
isen
trel
’iso
the
rme12°Ce
t
l’
iso
the
rme22°C(1950
-1999
)(engr
is)
.Sour
ce:Jon
es,2012

De
sv ignob
lessontcepe ndan
tim pla
ntésau-delàd eceslimitesthermiques
.D an
sl e
ss e
cteur
s
t
ropicaux,lacul
turedelav ignee nal
tit
udep erm e
td ’a
tténue
rl estempératu
restropélev é
es.P a
r
e
x emple
,s u
rl’î
ledelaR éunionsit
uéeenclimattrop
ical(21°S)
,d esvignessontim p
lan
téesd ansle
c
irqued eCila
os,à1300md ’a
lt
itude
.L egrad
ientthermiquealt
itudina
llimitelesext
rêm esc ha
uds
a
uc our
sd el ’
étéaust
ral
,e tl estempéra
tures noctu
rness onts uf
fi
samm e n
tb asse
sp e ndan
tl a
m
aturat
ionpourp e
rm e
tt
reun ebonn esynthè
sed esarôm e
s.E nde çàdel’i
sotherme12 °C ,c omm e
a
uQu ébecauC an
ada,le
sv it
icul
teursu
ti
lisen
td escépagestrè
sp récoce
spou rrépondr
ea uxc our
tes
s
aisonsv égé
tat
ivesetem pl
oien
td ive
rsesp r
atiquespou rprotégerlesv i
gnesd estem p é
ratu
res
e
xtr
êm e
sd el
’hi
verqu
ipeuve
ntde
scend
reju
squ
’à-30°C(
ex:bu
tta
gea
upi
ed,e
nfou
iss
eme
ntsou
s
l
an e
ige
)(Jol
ive
tetDubo
is
,2000
a,2000b
).

34

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lec h
angemen
tclima
tiqu
ee ncou
rsvaremani
erlesposi
tion
se nla
ti
tud
eete nal
ti
tudedes
i
sot
hermesac
tue
lle
s.Lac ompo
san
tecl
ima
tiqu
ed est
erro
ir
srisqued’
êtr
eal
tér
ée,in
flu
antsu
rla
t
ypic
it
éd e
svi
nsprodu
it
s.

2
.6 Ch
ang
emen
tcl
ima
tiqu
eetv
it
icu
ltu
re
L’é
troi
tere
la
tionent
relavigneetl
estem pé
rat
ure
setl’augment
ati
ong én
éra
led e
st empér
atu
res
m
oyennesa ucour
sd esd e
rniè
resdécenni
esa m odi
fiélac omposan
tethermiqu
ed e
st e
rro
irs
v
it
ico
l e
s.Unenouvel
leaugment
ati
ondestem p
éra
tur
esm oy
e nn
esestat
tendu
ed ’
ic
iàl afinduXX Ie
s
ièc
le.L’é
tudedecec h
angementetde
sc onsé
quenc
essurlescul
ture
svit
ico
lesestessen
tie
ll
epou r
l
ap é
renni
tédelapro
fess
ion
.

2
.6.1 Augm
enta
tiond
est
emp
éra
tur
esd
ansl
esv
ignob
les
Lac omm unaut
és cien
tifi
que ac omm encéàs ’
inté
r es
sera uxc onséquence
s duc h
angem en
t
cl
imatiques url’environnem en
tvit
icoleprinc
i p
alementàp arti
rd esannées2000,aler
tantsurun e
al
tér
ation po ss
ibled est er
roi
rsviti
c o
lesp arl ec hangem en
tc limat
ique (Schul
tz, 2000)
.D e
nom b
reusesé tudeson tm on
tréunea ugm e
nta
tiond estem pé
r a
turesm oyenne
sd anslesvignoble
s
mondia
ux ( Jon e
s,G .etal.,2005;T ondutetal.
,2006 )
,a in
siqu ’uneaugm en
tat
iondesv a
leursdes
indi
cesb io
clim at
ique s(W hi
teetal
.,2006;S a n
tosetal
. ,2012)(Figur
e16) .Leslimi
testhéor
iques
decultur
ed el avi gnesontr emont
éese nlat
itude,expl
iquantl’ém e
rgencerel
ativ
em en
tr éc
entede
nouveauxvi gnobless ep
tentr
ionaux
,p arexem pleenA ngle
terre(Jones
,2004 )
.C et
teaugm ent
ati
on
destem p
éra
t uresam odi
fiélescond
it
ionsd edé v
eloppem en
td elavigneetdem atu
rat
iondur a
isin
.

F
igu
re16:Ind
icesdea)Win
kleretdec)Hugl
incal
c u
lésenE u
ropesu
rlapér
iode1980
-2009
e
tlesd
if
fér
ence
se n
trel
esmédianesde
scalc
ulée
spourlesindi
cesdeb)Wi
nkle
retd)Hugl
in
surlap
ériode1950
-1979
.Source:Santoseta
l.
,2012

35

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
2
.6.2 Chang
emen
tcl
ima
tiqu
e:impa
ctsu
rlav
ign
eetl
evin
Lam odi
fica
tiond e
sc ondit
ion sc l
im a
tique sa uc our
sd elasecondem oi
tiédu XXe s ièc
l ee tau
débutdu XX Iead ’oresetd éjàm odif
iélaph énologied elavigne
,p rovoquantun ea va n
céed ansla
sa
isond e
sdifféren
tss t
a de
sph é no
l ogiques(Jon es
,G .eta l
.,2005; W ebbetal.,2008;v anL ee uwen
Boi
se ta l
., 2009; M i
r ad e O rduña, 2010 ).C et
tea va
ncéed ess tades phé nolog
iqu ee s
t
par
tic u
liè
rem entm arqué e pourl af lor
aisone tlav éra
ison (Du chênee tS chneide
r,2005 ).L es
vend ange
sd ébutentp arc onséque n
tp lustôt(Ad elsheime tal
.,2016 ).U netropg ra ndepr écoci
té
dansl esv endangesp eu
tm e nerà un m a uvaisé qui
li b
resu c
re/ac
i de
s,e t unem odific
ation d e
l’exp r
ess
iona romatique(Pon seta l
. ,2017).L ’augm entat
iond e
stem pératu
resno ctu
rn esp enda n
tla
pér
i oded em a
t ura
tione ngendred esp roblèm essim ila
ires(M adel
ine tal.,2010 )
.L enom br eetla
duréed esépisodesd es écheressed anslesv ignob l
e saé g a
lementaugm e n
télorsd es60d ernières
anné es
.Plusqu ’uneraréfact
iond e sprécipi
tations
,c ’estl’augmenta
tiond el’évapot
ran sp
irat
i ondu e
àl’a ugment
ationd estem péra
tur e
squ ie nestr e
spon sable
.L ebila
nhyd riquede v
ientd epl u
se nplus
déf
icitai
re(v anL eeuwe netD estrac-I
rvine
,2017 )
.

2
.6.3 V
ersun
etr
ans
forma
tionr
adi
cal
edel
avi
ticu
ltu
re?
Dan
sl ed ern
ierrappor
t du G IEC,ile s
tj ugéh autemen
tp robab
le quel’augmenta
tion de
s
tempéra
turessepoursu
ivetouta ulongdu XXIe
s
iècleave
cun einte
nsi
tévari
able(de2°Cà6°C )
su
i v
antlesscéna
riosd’émis
siond eGES .L’a
daptat
ionàc e
sfuturescond
it
ionspluschaudesestun
desdéf
isim por
tantpourlapér e
nnit
éd elafi
liè
r evi
tivi
nico
le
.H ann
ahetal(2013 )p
révoientune
for
teb a
issedelapossi
bil
itédec ul
tive
rlavigned an
sd enom b
reuxvignobl
esa c
tue
lsetlac r
éat
ion
denouveauxvignobl
esd a
nsd essec
teurspl
uspropices(enl
at
itudeetenal
ti
tude)(Fi
gure17).

F
igur
e17:Changem e
ntdupoten
tie
lvi
tico
lepourlesc
énarioRCP8.5poursurl
ap ér
iode2041-
2060avece
nrougelesv
ignobl
esactue
lsdon
tlepoten
tie
ldiminu
e,enver
toùc epot
ent
ielse
ma
int
ien
tetenb
leulesnouveau
xsecteu
rspot
enti
el
lementfav
orab
lesàlacul
tur
ed elav
igne.
Sour
ce:Hannahe ta
l.
,2013

36

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Cependan
t,cett
eétud ees
tb asé
esurun es é
ried’
indice
sbio c
limat
iques,etn eprendp a
se ncompte
l
aproba b
leada p
tat
iond esacteu
rsd elaf i
li
èrevit
icole
.V anL eeuwenetal(2013 )ontm on
tréqu e
d
anscerta
insvignoblesactu
elslevinprodu i
te s
ttou
j ou
rsd equ a
li
té,alo
rslesl imi
testhéor
iquesd e
c
esindicessontd ’oresetd éjàdép a
ss ée
s.F aceà une nv
ironnem en
tc h angeant
,lessolut
ion s
d
’adap
tat
ionss on
tnom breu
s e
s.V a
nL e euw e
ne tD e
strac
-I
rvi n
e(2017 )on tp résen
téun esér
ied e
r
éponsesposs
iblesàd i
sposi
tiondelap rofes
sionvi
ticol
epou rlimi
terlesim pactsdel’augment
ati
on
d
estem p
érat
ures: m odi
fica
tiondeprat
i quesvi
tico
les(diminuti
ondur apportfe u
il
le/
fru
it)
,séle
ction
d
em a
térie
lv ég
étalplusta
rdif(cépa
ge,cl one
,porte
-gref
fe)
,m od
ifi
cati
ond ess ys
tèm esdecondui
te
.

Deplus
,l’ut
il
isa
tiond eso
rt
iesdem odè
lescl
im a
tiquesglobauxa v
ecuneréso
lut
i ondeplusi
eu r
s
c
enta
inesdekilomètr
esn ’e
stpasapprop
rié
epou rlac ar
acté
risa
tiondelacom posantec
limatique
d
’unter
roi
rv i
tic
ole
.M êmesilaconnai
ssan
ced el’évo
l u
tionduclim a
tgl
obaleste s
sent
iel
lepou r
m
enerdesétude
sd ’
im pac
tduc ha
ngem en
tcl
imatique
,l adive
rsi
téd esc
lima
tsrégionauxetlocaux
d
ester
roi
rsvit
ico
lesdoitêt
rein
tégré
epourplus
ieursrai
sons:

 L
’ada
pta
tionauchangemen
tclimat
iqueserapr
inc
ipal
em e
ntréa
li
séeparlesv
it
icul
teu
rs
,à
l
’éche
ll
ed ele
urexpl
oit
at
ion.Larésol
uti
ond e
sm odè
lesglob
auxn’es
tpasadap
téepourl
a
m
iseenplac
edess
tra
tégi
esd’ada
pta
tionàcet
teéch
ell
e (Dunnetal
.,2015
).

 L
eclimatàl’éc
hel
lel o
cal
ee s
tind
isso
ciab
led e
sspéci
fic
it
ésd’unter
roi
rvit
ico
leetd
ela
t
ypic
it
éd esvinsprodu
its
.O r
,lecl
im a
tp eu
tp r
ése
nterdesvar
iat
ionsimpo
rta
nte
ssurd
e
c
our
tesdis
tanc
es,par
tic
ipan
tauxfo
rtscon
tras
tesdan
slesvinsp
rodui
tsause
ind’un
emême
r
égi
onviti
col
e.

2
.7 Con
clu
sion
Laforterel
at
ione n
trelaphéno
logiedelav i
gneetl ecl
imat,spéc
ifi
quementlestem p
ér a
ture
s,
pl
acel av i
ti
cult
urecomm ep a
rt
icul
ièremen
ts ens
ibleauc hangementcl
imat
iqu eprévupou rles
décenni
esàv eni
r.Leseffe
tsd el’augment
at
iond estem pé
ratur
ess u
rlesv ignob
less ontd é
jà
quan
tifi
ables
.L ’é
tuded e
sim pac
tsd el’augmenta
tion d
estem péra
tur
ess u
rl esvignobles do
it
pr
end r
ee ncom p
telesys
tèmete
rroi
retlesi
ntera
cti
onsquiopèrentensonse
in(cl
im at
,vigne,sol
).

L
aconn
ais
san
ceduc
lim
atàl
’éc
hel
led
est
erro
ir
svi
ti
col
ese
ste
sse
nti
el
led
ansunc
ont
ext
ede
c
hangementcl
ima
tiqu
e.L av
ari
a b
il
it
é duc lima
tl o
calpeutêtre unatou
td an
sl e
ss t
rat
égi
es
d
’ada
pta
tionsdelafil
ièr
efacea uc hangemen
te nc our
s. Pou
rc elaled éve
loppemen
td e
m
odél
isa
tion
sdess
céna
rio
sduchangemen
tclimat
iquein
tég
rantl
eséchel
leslo
cal
eses
tn é
ces
sai
re.

37

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
38

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 C
onc
lus
iond
elap
rem
ièr
epa
rti
e
Àl’éche
lledug lobe
,lestempérature
sontaugm en
térapidemen
tauc our
sduXXe s iècl
e,dufai
t
desimportant
sr ej
etsd e GESpa rlesa c
tiv
it
ésanthrop
iques
.D ’ic
iàl afindu XXI s
e
i
ècl
e,une
nouvel
leaugm en
t a
tion(en
tre2°Ce t6°C )destempé
ratur
esm oyenne
sdelap lanè
tee stat
tendu
e.
Lavi
ticul
tureetlesty
ledevinproduitsontfo
rtemen
ttr
ibuta
iresdelatempé
raturedel’air
.Lorsdes
décenn
iesàv eni
r,lesvi
ticul
teu
rsv ontfa
irefaceàune modi
fica
tiondespropr
ié
t é
sclima t
iquesde
leur
st e
rro
irsvit
icoles
.

Pourp e
rm e
ttreauxac
teursdelaf i
lièredem ett
reenpla
ced e
sstrat
égie
sd’adapta
tionad équates
auc hangem e
ntc l
imat
ique,iles
tn écessa
ired ’avo
irunebonn econnai
ssancedel’évolutiondu
cl
imatàl ’éche
lledester
roir
svit
i col
e s
.L esm odèle
scl
imat
iquessimulen
td e
sfutu
respo s
si b
l esdu
cl
imate nfonct
iond ed
if
féren
tsscé na
ri o
ssocio-économ
iques
.L arég
ional
isa
tionvi
al’ut
ili
sa t
i onde
modèler ég
ionaux afortement am é
lioréfortem en
tlar é
solu
tionspatia
led esprojec
tionsd e
s
scénar
iosd ec hangemen
tc l
imat
i ques,fac
il
itantleses
timat
ionsd esesimpact
ssurl esp ratiqu
es
vi
ti
c o
lesau xéchel
lesg
lobalese
tr égionale
.

Maisl est empsetl apuis

sanced ecalculdes modèl
esd ynamiquesaugm en
ten
tc onsidérab
lem en
t
avecl ’affinem en
td elar ésolu
tions pa
tiale
,d em ême quel ’
incer
tit
udeé pist
ém iquelié àl a
modél
isa t
i on.E ne f
fet cesm odè
lesp résen
tentd esd i
ff
icul
tés àr eprés
enterl es phénom èn
es
cl
imati que slespluslocaux.Leursrésolu
tionsspat
ialesoptima
l e
sr e
sten
tsouventinsuff
isantepour
prendree nc omptel avariab
ili
tél o
caled e
st e
rroi
rsv i
tico
le.E neffe
tàl ’é
chel
l ed’unt er
roir
,les
temp ératu resp eu
v e
ntpr é
sente
rd esv ar
iat
ionsimpo r
tantessurd efaib
ledist
an ce
s.L esm éthode
s
d’in
terpol ationspatia
leutil
isée
sv iadesr é
seauxd em e
suresinsta
llé
sdan sdesvignoblesintègre
nt
cet
tev a r
i abil
itélocale
. Maislan éces
sit
éd ’u
til
iserdesdonn é
e sdem esure
sn ep ermetpasd eles
proje
tere nf onc
tiondess cénari
osduc hangementc l
imatiqu
e.O r
,lap r
isee nc ompted ec et
te
échel
lel o caledan sle
sp ro
ject
ionsduc hangem en
tclimat
iqu ee
ste ss
ent
iel
lepou rledé ve
loppem en
t
d’out
ile td em é
thodesadaptésauxterro
irsvit
icol
es.

39

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 SECONDEPART
IE: MODÉL
ISAT
ION
DYNAM
IQUEÀ MÉSO
-ÉCHELLE

Lesmod èlesclima t
iquesdynam iqu e
sàa irelimitéepo ssèdentd e
sr ésolu
tionss patia
lesd epluse n
plu
sf ines
.L e
sm od èl
esglobau xf ourni
ssentle sdonn éesau xlimitesd esdoma inesde s modèles
régionaux,cesd ernierspeuventêtreu t
il
iséspou rrep r
és ent
erl ecl
ima tpa s
séd ’uner égion,ma i
sils
sonté gal
em entemp l o
yéspourl ap révi
sionm étéorologiqu e
,a ins
iqu epou rré g
i onali
serl essor
ties
des mod è
lesd ec hangementc l
ima tique
.L ’emp lo
id e mod èlesd ynamiqu e
sr égionauxc omposés
d’éche
lles imb riquéesp résentel ’avantaged es ’appu ye
r su rl esé quations ph ysiquesd e
l’a
tmo sphèree tf ourni
ssen
tung randnomb r
ed ev ariablesclimatiquesàd i
ffére n
tesr ésolu
tions
,
perm e
ttantainsid ’obten
irunei nformat
ionc l
ima tiqued étai
lléeàl ’é c
helled’un er ég
ionv i
ticol
e.
Danslec adred’ é
t udesvi
tico
les,c esmod èl
esc aractéris
e ntlesv ar
iat
i onsduc l
ima tàm éso -
échell
e
ens imulantl e
sm écan
ismesp r ovoquantlav ari
ab i
li
téc l
ima t
ique.D epuispl us
i eu
rsann ées
,l e
modèleàa i r
elim i
t ée WRFe s
tu ti
liséavecun er ésolut
i ons pati
aled e1kmsu rl esvignoblesd e
Mar
l boroughe n Nou ve
lle
-Zéland e
. La mod é
lisat
ione stc omp l
étéepa runr éseaud em e
sures
compo séd esta
tion sm é
téoro
logi ques(Chapitr
e4) .L e
sso r
ti
esd etemp érature
sà2md ec emod èl
e
sontutil
iséespou rc al
cule
rlesi ndicesbioc
lima t
ique svi
tic o
less urplusieur
sm illés
im esc onsécu
tifs
.
Lechap it
re5p rés e
ntelespr
in c
i pauxr é
sul
t a
tsi s
susd ec esana ly
s e
s.

C
ependant
,lamiseenplaced ec etypedem odèlerequ
ier
td e
stempsetunepuissancedecalcul
impor
tantsain
siquedese spa c
esd estockag
ec onséquen
ts
.C esdern
iersétan
te xponen
tie
lsa v
ec
l
’af
finementdel ar é
solution spatia
lee ttempo re
lle
,l ac ouv
ert
ure spat
ial
ed imi
nuea v
ec
l
’augm en
tat
iondelarésolu
tions pat
iale
.L echapi
tre6 présen
teledéve
loppementd’unem ét
hode
ded e
scent
ed ’éc
hel
les t
atis
tiquep ermet
tantd ’obt
enird e
sc ar
tesd etempérature
sa vec une
ré
solu
tionde1kme nrédui
san tconsi
dérabl
em en
tlestempsdec a
lcu
l.

E
nfi
n,l
’ut
il
isa
tiond
’un m
odè
lec
lima
tiqu
evad
epa
ira
vecl
’év
alua
tiond
el’
inc
ert
itud
e.L
e
chapi
tre7é va
l u
elac apaci
tédum odè
leàr epr
oduir
elestempé
rat u
resens’appuyantsurlerése
au
desta
tion
sm ét
é o
rolog
iqu e
se nplace
.L’ ana
lys
ed e
sbiaise
stfa
iteàd iv
ers
esé che
ll
est empore
ll
eset
sousdiff
éren
tesc ondi
tionsa tmosphé
ri qu
es.P u
is unecorr
ect
i on du b
i a
is mo y
e n annue
le s
t
propo
séeafi
nd ’a
ff
inerlesvaleur
sd esindic
esbioc
limat
iqu
esobtenuesdanslechapitre5.

41

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE3: APPROCHE MÉTHODOLOG
IQUEDELA
MODÉL
ISAT
IONDYNAM
IQUEENCONTEXTEV
ITICOLE

Depui
splusie
ursa nnées
,lem odèl
edyn amiquer é
giona
làa i
relimi
téeW ea
therR es
ear
cha nd
Fore
c a
st
ing(WRF )e s
tu t
il
isépou rm od
éli
serlec l
im a
tà m é
so-é
chel
led anspl u
sieu
rsrég
ions
vi
tic
olesn éo
-zé
landaise
s.A prèsa vo
ird éc
ri
tl ec on
tex
teg é
néra
ld elav it
icu
ltu
r een Nouv
elle
-
Zé
lande,cechapi
tresefocal
isesurunep ré
senta
tiondusit
ed’é
tudeetdesdispos
it
ifsexpé
rimen
taux
mi
se nplac
e.Lad e
s c
rip
tionetl’u
til
isa
tiondum od è
le WRFdanscecont
extesontensui
teabo
rdées
.

3
.1 V
it
icu
ltu
reenNou
vel
le-Z
éland
e

Lacu
ltu
redelavigneen Nouv
el
le-Zé
land
ead é
butéave
cl’ar
riv
éedesEuropé
ensàlaf
indu
X
IX s
e
iè
cle
.M a
isl
’indus
tr
ievi
tiv
ini
col
ear é
ell
emen
tc ommen
céàs ed
ével
opperàpar
ti
rdelaf
in
desa nn é
e s1980,e tsesituea u
jourd’hu ia u18er a ng m ond
i a
le nterm e
sd ’hectol
it
resp roduit
s(O IV,
2015)L.
esv ignoble
ss ontr ép
art
issu rlesd euxîles.L at opographieetl aposit
ionlatitudina
led es
régionsv it
ic o
lesd eNouv e
ll
e-Zéland ee nge ndren
tun efort
ed ispar
itéaun iveauclimat
i que,al
l an
tdu
cl
im atd et ypesub t
ropic a
lpou rl e
sr é g
i onsv i
tic o
lesl esp lusa uno rd,( a
v ecunet em pé
ratu
re
moyenn ep enda n
tl asaisonv égét
atived e17 .6 °C )àd esclim a
tsd etypest em p
érésb eaucoupp lu
s
frai
sa us udd el’îleduSudd anslar égiond eC ent
r a
lO t ago(avecun et em pé
ratu
rem oyenneau
coursd el asaisonqu is ’élèv
eà14 .3°C )( F
igur e18) .L afo rtedispari
tésp at
io-t
em pore
lled es
cl
im atsr égionauxa f
fected em aniè
r es ignifica
tivel aqu anti
té,lesc a
ractér
ist
iquesetl aqu al
itéd e
s
vinsp rodu i
tss urun ea nnéedonn ée (T rought,2005 ).L esrisquesc limatique
spou rl ’
indust
rie
vi
ticoles ontp rinc
ipalem en
tl edé v
el opp em entd em a
la d
iedûa uxd éveloppem en
tsd em ois
issur
es
(ex:bo tryt
ise tm ild
iou)d ansless e ct
e ursc haud sethum ides
,e tlesg elée
sp rin
tanièresd ansles
vignobl e
sl esplusa us
traux.L escondition st empéré e
sf ra
îc h
e sprésen
tesd anslesrégionsa usudd e
laNouv elle
-Z élandesontf avo
r a
blesàl ’ é
l abora
tiond evinsf in
s(S tu
rm anS chulmanne ta l
.,2014).
Ene f
fet,l aplupartdesv insnéo-zél
a nd a
isp rim ésp ré
s en
tentl apar
ticul
aritéd’êtr
ec u
lt
i vésd ansdes
conditionspl u
sf raî
chesqu eleurséqui valentsi n
ternationaux( ImreetM a uk,2009).

43

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re18:T
emp
éra
tur
emé
dian
eannu
ell
eenNou
vel
le-Z
éland
e.Sou
rce:
N
IWA

Mar
lboroughes
tlaprin
cipa
lerég
ionvit
ico
ledeN ouve
ll
e-Zéland
ea v
ec66 %delasurfac
eto
tal
e
c
ult
ivéeetel
lerep
résen
te65%delaproduct
ion (
Im ree
tM a
uk,2009)
.L ec
épageSauvi
gnonBlanc
r
eprés
ente77%duv i
gnobledon
tlam aj
ori
tédelaproduc
tiones
td e
st
inéeàl’
expor
tat
iongéné
ran
t
p
lusde750m i
ll
ionsd’eu
rosen2012.

Lasituationgéogr
aphiquedus i
teauno rd-
estdel’
îleduSud(F i
gure19),bordép a
rl’o
c é
an
P
aci
fiquee tce
rnédeh au
tesm on
tagne
se ng
e nd
reunefo
rtev a
riab
il
itéc
lima
tique
,im p
acta n
tles
tyle
d
evind ’uneannéedonnée(Trough
t,2005)
.L eclim
atf
raisaucoursdupr
int
em pssoum etle
svignes
a
urisqu ed egel
éesprin
t a
niè
res.Lesproj
etsd ere
cher
ch esurlesre
lat
ion
sc l
im a
t/v
i gnesesont
n
atu
rell
em en
ti n
tér
essé
sàc ett
er ég
ion afind edév
elopperd esm é
thodesd em esuresetd e
m
odél
isationsag
rocl
im a
tique
s

44

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re19:Lo
cal
isa
tiond
espr
inc
ipau
xvignobl
esdeNou
vel
le-
Zé
lande
.Sourc
e:Stu
rmanetal
.,2016

3
.2 Mod
él
isa
tione
tme
sur
eag
roc
lim
atiqu
esd
ansl
esv
ign
obl
esN
éo-Z
éland
ais

3
.2.1 S
ited
’étud
eetr
ése
aud
eme
sur
e
Lesvignoble
sd eM a
rlboroughsontbord ésàl’estparl’OcéanP a
cifiqueete n
tourésd em ontagnes
culminantàplusd e2000md ’al
ti
tudele sm et
tantensituat
iond’abrip arrappor
ta ux m assesd ’a
ir
humidesdom inant
ese nprovenancedel ’oue s
td ela Nouvel
le-Zélande(S turmanetT apper
,2006 ).
Lesvignessontrépar
tie
sl elongded euxv alléesprinc
i p
ales
,lav a
lléed el’Aw a
tereetl av al
léed e
Wai
rau(F igure20).L esvignessontpla n
té esm ajo
ri
tairementsurl e
st er
rainslesplusp latsoue n
pente
sdou cesm êmesid eplusenplusd ec oteauxplusa b
ruptssontre c
onverti
se nvignobl es( Imre
etM auk,2009).L ecl
im atestdetype«t em péréchaud».L e
sp réc
i p
ita
tionssontpl usim portante
s
l’h
ivera vec70mme nj u
ille
tete naoût,ta ndisquel’étéa u
st
r a
lc om por
teun m oiss ece nfév r
ier
(35mm )
,c equ iconfè
red e
st r
ait
sm é dit
err an
ée n
sa us ec
teur.M aisl esfacteu
rsg é ogr
a phiques
engendrentd’
im por
tan
tesv ar
iat
ionscl
im a
ti que
s.L esvignoble
sson tsoum isàlafoi sa uxe f
fetsde
l’océa
n(b ri
sesd em e
r,inert
iethermiqu e
)e tdur e
liefacciden
té( écoulementd’airfroid,e f
f e
td e
foehn)
.

Ce
ttefor
tev
ari
abi
li
técl
imat
iqu
ev ain
flu
encerl
aqu a
li
téetl
aqu an
ti
téduvinprodui
td an
sla
r
égi
on. Un
emei
lleu
recompr
éhen
sione
tquant
if
ica
tiondece
svar
iat
ionscl
ima
tiqu
esestess
ent
iel
le

45

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
pourl’adap
tat
ion du v
ignobl
ee tdesp r
at
i que
sc u
ltu
ral
esfacea uc h
a ngemen
tclima
tiqu
e.L a
tem pé
ratu
reestlep r
inc
ipalp a
ramèt
rep e
s an
ts urlav a
ria
bil
it
éi n
terannue
lledurendemen
tdu
vignob
le,l
’humid
itédus o
létantas
suréeparl’u
ti
lisa
tiongéné
ral
iséedel’ir
rig
ati
onsurl
es e
cteur
.
Au niveaudesextrêmesclimat
iqu
es,cet
ter égione s
tfort
em en
ts oumisea uxép
isod
esg él
ifs
pr
i n
tan
iers
.

Pourm esure
rc et
tev ar
i abi
litésp a
tia
leduc lim a
t,unr éseaud estat
ionsm ét
é oro
logiquesaé té
inst
al
léd anslesvignoblesp ardiffé
rent
so rganism e
s(Un iver
si
t yofC an
terbury,N ati
onalInsti
tut
eo f
Wa
tera nd A
tm ospher
icr esearch,P l
antA ndFood R esearch
,C l
im at
e Con sul
ting)(F igure20) .C e
réseaud emesures
,àl ’
éc hel
led ecet
terégionv i
ticol
e,m e
surepon c
tuel
lem entlav ar
iabi
li
tés pat
ial
e
destem pér
atur
es.C et
tea ppro cheestc omplétéep a
rl ’ut
il
isa
tiond ’un m odèledyn amiqu eàa i
re
limi
tée,lem odèle WRF.L ’ut
ilisat
ioncouplé edel am odél
isa
tionetd el
’ob se
rvat
i onp e
rm e
td ansun
premie
rt empsd edéte
rm ineretd equ an
tif
ierless ourc
e sd’
incert
itudesl
iéesàl am odé
lisa
tion.Dans
uns e
c ondtemps,lorsd el am odél
isa
tionp rocha
i ned esscénar
iosduc hangem entclimat
i que
,les
donnéesm esur
éespou r
ron ts ervi
ràl ac a
librat
iondu m odè
lee tcomm ep é
rioded er é
férencepour
l’éch
ellerég
ionaledec ese c
te ur
.

F
igu
re20:Su
rfa
ceo
ccupé
ee nv
ignee
tst
ation
sdemesu
resc
lima
tiqu
esdan
sle
svi
gnob
lesd
e
Ma
rlbor
ough
.Sour
ce :St
urmaneta
l.
,2016

3
.2.2 M
odé
li
sat
iondynam
iqu
eà m
éso
-éch
ell
edan
sle
svi
gnob
lesd
eMa
rlbo
rough

LeW eath
erR es
earc
handFo r
ecas
ting mod
el(WRF)e s
tun modèl
enum é
riqu
eàa i
relimi
tée,la
p
rés
e n
tat
iondecetypedem od
èleaétéfa
itedan
slech
a p
it
re1. WRFe stun mod
èleopen
-sour
ced e
p
réd
ict
ion météo
rolog
iqu
ee tdesimula
tiondel’a
tmosphè
re(Skam arocketal
.,2008)
. WRFe st
l
argementu t
il
isé àtrave
rsl e monde pourdive
rsesa pp
lic
ati
on st e
ll
es quel ap r
évisi
on
m
été
oro
log
iqu
eent
emp
sré
eloud
ess
imu
lat
ion
scl
ima
tiqu
esr
égi
ona
les
.

46

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lem odè
lefonc
tionneave
cunsyst
èm edegr
il
lesim b
riqu
éesàdif
fér
entesrésolu
tion
ssp a
tia
les
p
ermet
tan
td el
imit
e rl
estempsdecal
culno
tamm entpourat
te
ind
relesrésolu
tionslespl
u sfin
e s
(
Jacob
son
,2005),lepoid
sd e
sso
rt
iesobt
enue
sétantexpone
nti
ela
vecl’a
ff
i nementdelarésol
ution
(
Tab
leau6).
T
abl
eau6:F
ich
ete
chn
iqu
ed e
scr
ipt
ived
esd
iff
éren
tesgr
il
lesde WRFut
il
isé
epou
rlam
odé
li
sat
ion
cl
imati
quedan
sle
svignob
lesde Ma
rlbor
ough
Domaine Po
ids(en Mo
)pou runejournée
Résolu
tion Couver
ture (pasdetempshoraires
)
(G
ri
lle)
1 27km EnsembledelaNouvelle
-Zé
lande 150
2 9km 1
/2No rddel’
ileduSude t1/2duSuddel ’
i
leduNord 220
3 3km No
rd-Ouestdel
’i
leduNo rd 1100
4 1km V
ignoblede Marlbo
roughet Mar
lbo
roughsounds 2500

Lag
ri
llelaplu
slarg
ec ouv
rel’ensem b
led ela Nouve
ll
e-Zé
landeavecuneréso
lut
ionspa
ti
alede
27kmp e
rm e
ttan
tderepré
sen
t e
rl’évolut
iond e
ssituat
ion
ssynopt
ique
sa u
tourdup a
ys.Lasecond
e
gr
il
lecom p
rendlamoi
tiésuddel’î
leduN ordetlam oi
tiéno
rddel’
îleduS udàuneréso
lut
ionde
9km.Lag ri
ll
esuiv
anteaun eréso
l u
tionde3km ,ellees
tcent
réesurle No
rdd el
’îl
eduSud ,e
t
repré
sentel ’env
ironn emen
tr ég
ional,notamme n
tlesm a
s s
ifsm on
tagneuxàl ’oues
tetled é
troi
td e
Cooka uN o rd
.L ag ri
llelaplusfinequa n
tàe l
lec ouvrelar é
giond e
sv ignoble
sd eM ar
lborough
avecuner é so
lut
i ond e1km(F igu
r e21).L atopographieloca
lee s
tintég
r é
epou rlarepr
ésenta
tion
desper
turb ati
onsi ndu
itesparl
esc ondi
tionsdesurf
a c
eàc e
tteéchel
le(br
ised em e
r,ef
fetdefoehn).
Lescondi
ti onsini
tialesauxbordsd echaqueniveaudeg r
illesontfor
céesp a
rl e
ssort
iesdelag r
il
le
den iv
eausup é
rieure
,l e domain
eà27kmé tanti n
iti
aliséav e
cl e
sdonn ées NCEP FNL8 qu i
fourn
issentl e
sc ondit
ionsauxlimi
tesdudom a
inetoutesles6h eure
s.

F
igu
re21:a
)Cou v
ert
urespat
ial
ed e
squat
ren
ive
auxdeg
ri
ll
ed e WRFb)sec
teu
rcou
ver
t
parl
arésolu
tionl
aplusf
ine(1km
)Sour
ce:S
turmanetal
.,2016

8 Na
tiona
lC en
ter
sforEnvironmenta
lP re
dic
tion
/N a
tion
alW ea
therS e
rvic
e/NOAA/U.S
.D epartmen
tofComm erc
e.
2000,upda
teddai
ly.NCEPFNLO pe
rat
ionalM ode
lG lobalTropospher
icAna
lys
es,con
tinuingf
romJuly1999.
Rese
archD a
taArch
iveattheN at
iona
lC en
t e
rforAtmo sphe
ricR e
s ea
rch
,Computa
tiona
la ndInf
orma
tionSyst
em s
Labora
tor
y.ht
tps
:/
/doi
.org
/10.5065/D6M043C6.A cce
s sed15-01
-2013

47

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
essor
ti
esdu m
odèle WRFfourn
issen
tle
spr
inc
ipa
lesv
ari
able
scl
imat
ique
spou
rch
acundec
es
doma
ine
sàun er
éso
lut
iontempor
ellede3hpourle
sdeuxg
ri
llesl
esp
lusla
rge
seta
upasdet
emps
ho
rai
repou
rlesr
éso
lut
ionsle
splusfin
es.

Le
ss imul
at
ionsc l
imat
iquesontdébu
tée n2008e t
,lenom b
red emill
ésimesm odé
lis
ésest
d
éso
rm a
issuf
fi
sa n
tpourdéc
ri
relesva
ria
tion
sintr
a-annue
ll
e se
tinte
rannue
ll
esd ecet
terég
ion
.Pour
c
hacundesmil
lés
im esé
tud
iés
,desind
icesbio
clima
tiquesprop
resàlavign
eonté t
éc a
lcu
lésàpa
rt
ir
d
elagri
ll
elaplusfin
e(chap
it
re4)
.

L
’éva
luat
iond el’inc
ert
itudedu m odè
leestnécessa
irepours ’as
surerqu elem od
èlerep
résente
cor
rec
tementleclimatrég
ion a
ldelar ég
ion
.L aval
idat
iond esv a
leur
sm odé
lisé
esaétéef
fectu
éee n
ut
il
isan
tlesdonnéesdur és
e audesta
tionsmétéo
rologi
ques.Lesi nd
icesc a
lcul
ésàp a
rt
irdessor
ties
du modè
le WRFon tétécom par
éesa ve
clesdonné e
se nreg
ist
réesp arlessta
tion
s.Lescondi
tions
cl
imat
iquesgénérale
sa ya
ntunrô l
eim por
tan
td an
sl adis
tri
butiondest empéra
ture
sàl’éch
ell
ed ela
rég
iond eM a
rlborough(SturmanetQ uéno
l,2012)
,l aqu a
li
téd esm odél
isa
tionsaétééva
luées ou
s
di
verse
scondi
tionsatm o
sph é
rique
sdétermin
éesàp ar
ti
rd elagril
leà27kmd e WRF(cha
pit
re6).

48

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE4: APPL
ICAT
IONDE MODÈLECL
IMAT
IQUEÀ
HAUTERÉSOLUT
IONPOURL
’ÉTUDEDELAVAR
IAB
ILITÉ
CL
IMAT
IQUED
’UNERÉG
IONV
ITICOLE

L’u
ti
lisa
tiondu m odè
leàh aut
er éso
lut
ion WRFp e
rm e
td ecarac
t é
ris
erlav ari
abil
itéduclimatà
l’éche
llerégion
ale
.C em odè
leatt
eintdesréso
l u
tion
ssp a
tia
lesa dap
téesàl’éc h
ellerégi
onalem a
is
nécess
itedespuiss
an ce
sd eca
lculetdesespacesdestocka
geim portan
ts
.D an
sunc ont
extevi
tic
ole
,
WRFa d é
jàé téu t
ili
séà p lu
sieur
sr ep
rises
,p are xemple pourl’étuded el av ar
iabi
li
téd es
tem pé
ratu
rese nBourgogne(Xuetal.,2012)etdanslesuddel’Ang le
terr
e(N esb
ittetal
.,2016)
.E n
Nouvel
le-Zé
l a
nde,lem odèlees
tu t
il
isépourl’é
tuded elavar
iabil
itécl
im at
iqueà m éso-
échel
ledes
vignob
lesdeM a
rlboroughavecuner é
solu
tionspat
ial
ed e1km ,depuislem i
llé
sim e2008-2009
.

D
ansc
ech
api
tre
,le
sso
rt
iesd
est
emp
éra
tur
esdu m
odè
leon
tét
éut
il
isé
espou
rca
lcu
lere
t
c
art
og r
aphi
erle
sp r
incip
auxind
ice
sbioc
lim a
tiqu
esdecet
terég
ionv
iti
cole(Stu
rm a
netal.
,2017
).
L
em odè
lephénol
ogique GFVaé ga
lementétéemploy
épourm od
éli
serlesdat
esthéor
ique
sde
f
lor
aisonetdevé
raisondupr
inc
ipa
lcépagecul
tivéd
anslese
cte
ur:l
eS auv
ignonblan
c.

Lafortevar
iab
ili
téspat
ial
ed esval
e u
rsdesindi
cesré
v è
lelacom
plex
itécl
imatiquedecet
terég
ion
vi
ti
c ol
e,j ou
antunrô leimportan
tsu rlesdi
sp a
ri
tésdanslaphéno
logiedel avigne.M a
isc e
tt
e
com pl
e x
itécl
imati
quequ es
tionnesurlacapa
citédu modèl
e WRFàreprodui
rel e
sph é
nom èn
esd e
sous-mai
lles(<1km).L’ut
il
isat
iondur és
eaud es
tat
ionsenpla
ceapermisdec ont
rôl
erlesré
sul
tat
s
obt
e nusparlam od
éli
sati
on.

4
.1 Mod
él
isa
tiond
esind
ice
sbio
cl
ima
tiqu
esà m
éso
-éch
el
le
Lessimul
at
i on
sclima
tiqu
es WRFontét
éréal
isée
sàunp asd
et empshora
iresurl
’en
sem b
led
es
m
il
lés
im e
sd epui
s 2008
-2009(Figur
e 22).L e
sm il
lés
imesétudi
ésp r
ésen
tentdesp ro
fi
lst
rès
d
if
fére
nts
,m arqueu
rdelafo
rtev
ari
abi
li
téin
ter
annuel
ledest
empé
r a
ture
ssurlesi
te
.

49

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
l
’ef
fetd’i
ner
tiethe
rmiqu
edel
’Oc
éanP
aci
fiqu
eauc
our
sdel
anu
it
,lu
ipro
cur
antd
est
emp
éra
tur
es
m
inimal
esplu
sé l
evées
.

Fi
gu r
e23:T empé
ratu
resmo
yenne
sp endantlas
aisonvégé
tat
ivedansl
esv
ignobl
esd e Ma
rlbor
oug
(01-09au30
-04,i
ndic
eGST)de2008-2009à2013-2014.Donn
ées WRFà1kmd eréso
lut
ion.Sourc
e:
Sturmanetal
.,2017

F
igu
re24:Ind
icedeHug
linmoye
nde2008-2009à2013-2014dan
slesvi
gnob
lesde Ma
rlbo
rough
.
Donn
ées WRFà1kmd
er é
solut
ion
.Sour
c e:Sturmaneta
l.
,2017

51

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 LesvignoblesdeM arlboroughson td isposé
sd ansl essecteu
rsp ré
sentantlesvaleur
sm od él
isées
detem p
ératu
rese td ed egr
é s-
j oursl esp lusélevé e
sdus ite
.L e
ss ecteurspluse na l
titud en e
permetten
tp asd’obteni
rd esc ond i
tionst he
rmiquessu ffis
antespourlabonn em atura
tiondur ais
i n
.
Pours edé v
eloppe
rc orrectem e n
t,l avi gnerequier
td esa ccum u
lat
ionsd et empéra
t u
ressuffisantes
pourunbond éve
lopp em entd es acroissancedud ébour rementàlam atur
ation.L’
indiceGFVs im u
le
àp a
rtird’unes omm ed ed eg rés-joursl adateàl aquelle50%d elaflorai
sone s
ta tt
eint
e.Pou rle
Sauvignonblancp a
re xem ple,l av aleu
re stde1282d egrés-
jours
.L acartograph
ied elaflo
r aisondu
Sauvignonblancb aséesurc eti ndice(Fi gur
e25 e tFigu r
e26)p e
rm e
ta uxv i
ticu
lteur
sd ’
a n
ti cip
erla
cro
issanced elav ignepou rc ha quem illés
im eétudié.L esfigure
sm e
ttenté ga
lem en
te na vantla
var
iabil
itéinte
rannu e
lled ec ha qu esecteur
.L ’u
ti
lisationc om b
inéed em odèlesdep réd
ict
i ond el a
phénologieaveclessortiesdem od è
lesàh auterésolut
i ondonneàl afi
lièrevit
icol
eun einform a
tion
quant
ifiéeetspat
ialis
é epou rc ha quem illés
im e
.L am i seàjourd el’évolu
tiond e
sd egrés
-j oursest
fai
tequo t
i d
ienneme n
tp arl e
sé qui p
esdu«C e n
trefora tm o
spheric
sR esearch»d eCh ris
tc hurche n
Nouvell
e-Z é
lande(http
://wineclim a
te.co
.n z
/?p age_
i d=47).

F
igur
e25:Da t
espou
rlesque
ll
esleSau
vignonBlances
tàm i
-f
lora
isonpourl
emil
lés
ime2013-2014
se
lonl’
ind
iceGFVdanslesv
ignob
lesde Mar
lbo
r o
ugh.Donn
ées WRFà1 kmder
ésol
uti
on.Sourc
e:
S
turmanetal
.,2017

52

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re26:Date
smo y
enne
spourle
sque
lle
sleSauv
ignonB lan
caatt
ein
tlami-f
lora
isonpou
rle
s
m
il
lés
imesde2008
-2009à2013
-2014se
lonl’
i nd
iceGFVdansle
svignoble
sde
Ma
rlbo
rough
.Donnée
s WRFà1kmd er
ésolu
tion.Sour
ce :S
turmanetal
.,2017

4
.2 L
imi
tesd
ela m
odé
li
sat
iond
esind
ice
sbio
cl
ima
tiqu
es

Lacart
ogra
phied el
’indi
ce GSTaé gal
em en
tétéuti
liséepou
rd é
termin
erqu el
ssontlescépag
es
l
esplusadap
tésd’aprè
slesc l
ass
esoptimal
esdet empér
atur
esm oyenn
esdec etind
ice(Tab
lea
u7) .
E
ncart
ograph
iantcesclas
ses,lava
rié
téquisemblelaplusadap
téeauxcondi
tionscl
im a
tiqu
esdela
r
égi
one s
tlePinotnoi
ralorsquelecépag
edom in
a n
testleSauv
ignonblanc
.

Tab
leau7:T empéra
ture
sm oyennesopt
imales(oc
tobr
eàa vr
il)pourl
esp
rinc
ipau
x
cépage
sd e Ma
rlborough
,d’aprèsJone
s(2006,2007)
C
épag e Tempér a
turem oyenneoptimale(o
ctobreàavr
il
)en°C
P
inotGr
is 13–1 5
.2
Ch
ardonnay 14
.2–1 7
.2
P
inotno
ir 14-16.2
S
auvigno
nb l
an c 14.8
-1 8

Ilfautêtr
etrèsprudentavecl’in
terp
rét
at
iond esrésu
lt
ats
,lesm odèl
e sdynamiques
,comm et ous
l
esm odè
les,sontun esim pl
if
icat
iond elar éa
li
t é
,etp r
ésenten
tun ep ar
td eb ia
isd a
nsl eurs
e
st
im a
tions
.D e
sé tudesprécéden
tesontr e
levéunb ia
isfroidd an
sl essor
tie
sd estem pé
rature
s
m
oyenn e
sa nnue
llesd e WRF(N e
sbit
te tal.,2016;S tee
leeta l
.,2015 )
.L er é
seaudes t
ations
p
rése
ntsu rlesited ’
étudeestuti
lisépouré v
aluersilessor
tiesut
ili
s ée
spourl escar
tographie
s
p
récéden
tesp r
ésen
te n
té ga
lem en
tc ebia
is
.(Table
a u8).L em odè
letendé ga
leme n
tàsou s
-es
t imer
l
estem pé
ratur
esm oyennesetl’
inten
sit
édub i
aisestt
rèsvar
iab
l esu
ivantless
tat
ions.

53

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 T
abl
eau8:D i
ffé
renc
e sen
treva
leu
rsm esur
éesparler
éseaudes
tat
ionsi
nst
all
édansl
esvignob
les
de Ma
rlbo
roughetle
sv a
leu
rsm od
élis
éesparlemodè
le WRFpourlemi
llé
sim
e2013-2014

M
o y
enneTN M
oyenneTX
Station AWS WRF WRF–AW S AWS WRF WRF
–AW S
B
lenheimA irpor
t 9.7 9
.1 -
0.7 21
.5 20
.2 -1
.2
Da shw ood 10
.5 10.4 -
0.1 20
.6 18
.9 -1
.7
Band al
er o 9.9 9
.4 -
0.6 21
.5 19
.4 -2
.1
B
lindR iver 11
.0 10.6 -
0.3 19
.8 18
.8 -1
.0
Bo oker 10
.3 8
.9 -
1.4 21
.3 19
.9 -1
.4
BlindRi verR eserv
e 10
.7 14.0 3.4 20
.0 17
.9 -2
.1
F airhal
l 9.0 8
.9 -
0.1 21
.0 20
.1 -0
.9
LionsB ack 9.8 10.3 0.5 20
.2 19
.1 -1
.1
Oyste rBa y 9.3 9
.0 -
0.3 22
.4 20
.2 -2
.2
Rap au ra 11
.4 9
.8 -
1.6 19
.7 20
.0 0.3
R aran g
i 10
.7 10.9 0.2 21
.1 18
.9 -2
.2
S eaview 11
.0 10.7 -
0.3 19
.9 18
.9 -1
.1
Waihop a
i 9.2 9
.0 -
0.2 21
.8 19
.8 -1
.9
Wa
ir auB a r 10
.9 13.0 2.1 20
.7 18
.1 -2
.6
Ward 10
.2 10.9 0.8 19
.6 18
.7 -0
.9
Waihop a
i 9.4 8
.8 -
0.6 22
.0 19
.9 -2
.1
UpperW airauV a
lley 9.5 8
.9 -
0.5 21
.5 19
.3 -2
.2
RMSE 1
.2 1.7
Indexo fa gr
e ement 0.66 0
.50

Deplusceti nd
icer eposeun iquementsurl est empéra
ture
spou rd éf
ini
rleslimitesoptimale
sd e
cul
tures
.M êmes ic e
sd ern
i èresontune f
fetim por
tan
ts urledé v
eloppem en
td elap lan
te
,d ’au
tre
s
fac
teursperm e
ttentd enu a
n cersonim pac
t,no tamm entlespra
tiquescultu
rale
s(W e bbetal.
,2012).
Dansplusi
eursr égions
,c er
t ainscépagessontt oujourscult
ivésetp rodui
sentd e
sv insd equal
ité
al
orsqu eleslimite
st héoriquesd ecul
tured ec esm êm e
sc épag
eson td é
jàétéd é
pa ss
éesduf a
itde
l’
augm enta
tiond estem pératuresaucoursd esd e
rni
èresd é
cennies(vanL eeuwene tal
.,2013 )
.E n
out
re,lesS auvignonb la n
cc ul
tivé
sà M ar
l boroughson tv e
nd angésàd esn ive
a uxd em atu
ri
té
inf
érieu
rsa uxa u
tresS auvignonb lan
cc ul
tivésàt rave
rslem onde,cequ iestunee xpre
ssiondeleur
te
rroire
tc onfèreauxv insp rodui
tsleu
rtypici
t é
.

4
.3 Con
clu
sion

Lem odèl
e WRFap e
rm i
sdesp
ati
al
ise
rplus
ieu
rsi
ndi
c e
sb io
clima
tiqu
esdan
sle
svignob
lesde
M
arl
borough
.Ladi
st
ribu
tionde
sva
leursdec
esind
ice
sesttrè
sv a
ria
bleàlafo
isda
nsl
et empse
t
d
ansl’e
spac
e,ref
lét
antlacom
plex
itéc
limat
iquedusi
te
.L aphé
nolog
iedelavign
ee nes
tpa
r
c
onsé
quenta
ffe
ctée
,a v
ecde
sdéca
lag
esnot
ablesda
nsl
esda
tesd
’occu
rre
ncedel
afl
ora
ison
.

54

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Maislestem psdec a
lculetl’espac
en écessa
ireàlam iseenplaced ’untelm odè
l elimi
t entsa
r
eproduct
ibil
itésurd e
se space
sp luslarges
.D anscerta
inessi
tuat
ions,c esdi
ff
i cu
ltéstec hnique
s
p
euventêtrerédu
ite
se nut
ili
santd e
sm éthodesdedescen
ted’éche
llest
atist
ique
.E nseb asantsurles
r
ela
tionsstat
ist
iquesent
relest empéra
turesd elagr
il
leà3kme tl e
sv a
riab
lesenvironnem ental
es
(
topograph
i e
,hydrolog
ie)déri
véed elagril
leà1km ,iles
tpo s
sib
led ec r
éerun m od
èled efon c
tion
d
et ran
sfer
tp e
rm e
ttan
td ec ar
tographi
erl estempérat
uresà 1km d er éso
lut
ione nd im i
nu an
t
c
onsidé
ra b
lem en
tlestempsdec alc
uls
.C et
tea pp
rochees
td é
tai
llé
ed anslechapitre6 .

Deplus
,lapar
td’
inc
ert
itud
edueàl’ut
il
isa
tiondu m
odè
lel
imi
telacon
fia
ncedan
sle
sré
sul
ta
ts
ob
tenu
s.Leré
seaudes
tat
ionses
tut
il
isépourm en
eruneé
tud
edé
tai
llé
edesbia
isd
ansl
echapi
tre
7.

55

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE5: MODÉL
ISAT
IONDYNAM
IQUEDUCL
IMAT
AVECDESCENTED
’ÉCHELLESTAT
IST
IQUE

L
’ut
il
isa
tiondem od
èledynamiquen’es
tp a
sl ’un
iquem oye nd’af
finerlaréso
lut
ionspat
ia
led e
s
modè
lesclima
tiques
.D enom br
eusesm é
thodess t
at
ist
iqueson té ga
lem entétédéve
loppéspour
réa
lis
erlesdes
centesd’é
chell
esindi
spens
able
spou rlesétudesclimat
iqu e
sàd eséche
lle
splusf
ines
(Herr
eraeta l
., 2006).L ’u
ti
li
sat
ion de mét hode
ss t
at
i s
tiquese nc omplémen
td esd e
scent
es
d
’ é
chel
lesdynamiquessontdesm oyen
sd’at
teindredesré
solutionsplusfinesetdecouvr
irdeplus
g
r a
ndsespace
s,toutenlimit
antlapuis
sancedec al
culnécessa
ire(W ilbyetW igl
ey,1997;A y
aret
a
l.,2016)
.

Enef
fet
,le
stempsdeca
lcu
lnéc e
ssa
ire
saufon
cti
onnementdesmodè
lesàa
irel
imi
téeson
tl’un
d
esfa
cteu
rsl
imit
antl
eurut
il
isa
tionetleu
rgéné
ral
isa
tion
.L apu
iss
ancedeca
lcu
letl’e
spacede
s
toc
kagerequ
iss ’
acc
ro i
ssen
td em an
ièreexponen
tie
ll
ea v
ecl’a
ff
inementdelar é
sol
uti
on.Le
d
éve
loppemen
td em é
t hode
sm oin
sc onsommat
rice
se nre
ssou
rce
si n
format
ique
se s
tuna xede
r
eche
rcheimpor
tan
tpou rlarég
iona
li
sat
i ond
esm odèl
escl
imat
ique
s,not
amm en
td a
nslecont
ext
e
d
echang
em en
tcl
im a
tiqueoudenom b
reusesa
nnéesdedonné
esson
tnéces
sai
res
.

Cecha
pit
reestint
égra
lementc
om pos
éd ’una
rt
i c
lepr
ésen
tan
tunemé
thodededesc
ented
’éche
ll
e
s
ta
ti
st
iqueasso
ciéeaum od
èleàai
relimi
tée WRF,soumi
sàEnv
iro
nem
enta
l Mode
lingandSo
ftware
(
rév
is
ionsmineur
es).

5
.1 Éva
lua
tiond
’un
emé
thod
eded
esc
ent
ed’
éch
el
les
tat
is
tiqu
e

5
.1.1 R
ésum
éét
endu
De
ux m é
thode
sdede s
centesd
’éche
lledestem péra
ture
sdu modè
le WRFonté
técompar
éesd ans
l
ebutd’obt
eni
runerésolu
tionde1kmsurl esv
i gnobl
esd eMa
rlbo
rough:uneméthod
edyn amique
e
tunem é
thodes
tat
is
tique
.L adesc
ent
ed ’
éc he
ll
edyn amiqueà1kme s
tobte
nuevialacon
figur
ation
d
e4gri
llesde WRF(desce
nted’
é c
hel
ledyn amique)
.

Ladescent
ed ’
éche
llesta
ti
st
i quees
tqu a
ntàe l
leréa
li
séea vecunerég
res
sionnonli
n é
air
eSVR
(Suppor
t V ec
torR egre
ssi
on)e n
trelest empér
atu
resd el ag ri
ll
e à 3km etl esv ar
iab
les
topogr
aphiques(a
lt
itud
e,pent
e,o r
ien
tat
ion
,lat
itudee
tlongit
ud e
)à1kmd eréso
lut
ion
.L ebia
isdes
deux méthodesestéva
luéàl ’ a
idede18s tat
ionsm é
téoro
logique
sa u
tomati
quessurlesiteet
pré
sentan
tp eudedonnéesm anquan
tesviad e
sindic
ate
ursstat
ist
ique
s(RMSE[Roo tM eanSqua
re
Er
ror]
,IOA[ Indexo fa g
reem en
t]
,c oe
ffi
cien
td ec o
rré
l a
tion
).L ’
impac
td elat a
il
le duj e
u
d
’en
tra
îneme
ntes
téga
leme
nta
vecl
esi
ndi
cat
eur
sst
at
is
tiqu
esd
ansunsou
cid
ere
produ
cti
bil
it
ésu
r
d
esespa
cesp
lusr
édu
it
s.

57

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Le
srésu
lta
tsrévè
len
tqu
epourunéchan
ti
llond’en
tra
înemen
td eta
il
leé qu
iva
len
te,i
ln’estpas
n
éce
ssa
ired’ut
il
ise
rl ades
cen
ted ’é
che
lle dynamique
,b i
enp lusc oût
eusee nr e
ssour
ces
i
nfo
rmat
ique
sete ntemp
sd eca
lcu
l,ladescen
ted’é c
hel
lesta
ti
st
iquefourni
ssa
ntdesr é
sul
tat
s
s
imi
la
ire
s.

5
.2 Art
icl
e:Comp
ari
sono
fst
ati
st
ica
landd
ynam
ica
ldown
sca
lin
gre
sul
tsf
romth
e
WRF m
odel
R
enanL
eRou
x1, M
arwanKa
tur
ji
2
,P
eym
anZawa
r-R
eza
2
,H
erv
éQu
éno
l1
andA
ndr
ewS
turm
an2

LETG
1
-CO
STEL
,UMR6554CNRS
,Un
ive
rsi
téd
eRe
nne
s2,P
lac
eduR
ect
eurH
enr
iMoa
l,R
enn
es,F
ran
ce
2
C
ent
refo
rAtm
osph
eri
cRe
sea
rch
,Un
ive
rsi
tyo
fCan
terbu
ry,C
hri
stc
hur
ch,N
ewZ
ealand

H
igh
ligh
ts

• Tw
ome
thod
sofdown
sca
ling2ma
irt
emp
era
tur
esa
rec
omp
are
d

• Com
put
at
iont
imefo
rdown
sca
lingn
ear
-su
rfa
cet
emp
era
tur
esr
edu
ced

• Bo
thm
ethod
sev
alu
ate
dus
inga
nind
epe
nde
ntob
serv
ati
onn
etwo
rk
Ab
str
act

T h
isstudyc omparestwo m e
t hodso fdown scal
ingt heW eatherResearc ha ndFo recas
ting m odel
outputtem pe
ratu
rest o1kmr esolut
i onovert helarg
e s
tv ineya
rda reainN ewZ ea
land.Th e WRF
dyn amica
ldown scal
ingisobtain edvi aafour-leve
ln este
dg ridconfigu
r ationt ocreat
ea1 -kmg r
id.
Thes t
at
i s
tica
ldown scal
ingisac hievedusingaSuppo rtV ectorR egr
ession(SVR )between WRF3 -
kmou tpu
tt emper
at u
resa ndterr a
ina t1kmr e
solu
tion.T heb iasoft hea pproachesise valuated
usinga u
tom a
ticwe at
herstat
ions,t heaver
a ge
so fboth1 -kma nd3 -km m odelou tputareas soc
i ated
wi
thac oldbia
s.Th esens
it
i v
ityo fthem ethodstothei nputsam pl
esizei sas sessedusingstatis
ti ca
l
indicator
s.T here su
ltsd emon stra
tet ha
tfo ra ne quiva
lents am p
les i ze,t hereis no n eedt o
dyn amica
llydowns ca
lethem od eltem pe
ratur
e sfrom3t o1km ,a ss
tati
sticaldown sca
lings e
em sto
provider esu
lt
sv eryc los
et ot hoseo fdynam icaldown s
cal
i ng
, wh i
ler equir
i nglessc om puter
resources
.

5
.3 In
trodu
ction
Manya tmospher
icm ode
lsc ans imulatec l
im a
tea tv ari
ouss c
alesov ertheE a
rth’
ss urface.
GeneralCirc
ulat
ion Mode
ls(GCM s)wit hal owsp at
ia
lr esolu
tion(~300km )arem a
i n
lyu sedfo r
develop
ingc l
im a
tec h
angescena
ri osa ndfo rla
rg escalestudies.O bv
i ou
sly
,thi
sk indo fm ode
l
cannotb eusedtorepr
esen
tclima
t ev a
ria b
il
ityatthel o
cals c
ale
,s ucha sinviney
ardareas,soi tis
im po
rtanttodown sca
lefroml a
r ge
rs c a
lem ode
lst oa m uchf ine
rs caleinordertoi nvest
i ga
te
c
lim a
t evar
iabil
ityata moreappropri
at eresolu
tion.D ownscal
i ng methodscanbesp l
iti n
totwo
b
ro adg roups: dynamic
al downs ca
ling a ndstati
sti
cal down scal
ing.T he dynamica
la pproach
involvesregiona
liz
ing GCMou t pu
tt os p
e c
if
ica rea
sont heE a
rth’ssurfa
cebyc ombiningt he

58

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
primit
ivee qu a
tionsa ssoci atedw ithc on t
i nui
ty,m omentuma ndt h
e rm odyn am icp roce s
se sw ith
surfacec haracte
risticso ft h ere giono fi nter e
st
,s ucha ster
rai na ndl and -use.Anum bero fd if
fere n
t
regionalm od e
lsli ke RAMS(R egionalA tm osph e
ric Mod e
li ngSy s
tem–(P iel k
ee ta l
.,1992 )
)o r
WRF(W ea
t herR es ea
rc ha ndFo re c
a st
ing– (Sk am arocketa l.,2008 )
)h aveb e
e nw idelyu sedt o
dynam ical
l ydown sca
lef romt hes ynop tica ndl argerscalea tm osph ericc i
r culationi no rdert o
provideah igh -
reso lu
tiona n alysisofw ea thera ndclim a
teinr e gionsofc om p
le xterrain.C a
ldw el
le t
al
.(2009 )e valuate d WRFou tputov erC a l
iforniaat12kmr e sol u
tion.I tw a salsou sedt ostudyf ire
weatherov erN ewZ ea
l and (S im p
sone ta l.
,2014 ), while WRFh asb ee nu sedi nv ineyardc a s
e
stud
i e
si nbo t hSou thA fr
i c a(Bonn ardote ta l
.,201 1;S ol
ta nz adehe ta l.
,2016 )a nd N ewZ ealand
(Sturm ane tal.,2014 ). On eo ft hem aini s suesfordyn am i
c aldown s calingi st hel argeam ounto f
com putingt im en ee dedt oa c hievef ines c a
ler esolut
ion. Aw ayt oa ddr es
st h
isi s suei st ou se
sta
tist
icalm ethod sofdown scaling.Int hi
sc ase
,l ocalcl
im at eisp re dictedt hroughe s
ta b
lishinga
rela
tionshi pb e
tw e enlar gers cal ea ndl o cals ca
lev ariab
les
.T hereares ev era
ld iffere ntm ethodso f
sta
tist
icaldown sc a
ling,i ncl ud
i ngt heu seo fr eg
r e
ssion model sa ndsto c has
ticw eath e
rg enerato
rso r
weathertyping,a sdo cum e ntedby W ilbya nd W igley (1997),H err
erae ta l.(2006 ),a ndA batzoglou
and B rown ((2012 ).A lthougha num be ro fd iffe
re n
tr egre ss
i on m odelse xis
t, Suppo rtV ec
t o
r
Regressi
on(SVR )w asc ho s enfo rt h
i sst udyb ecauseofitsc a pabil
ityt oh andleal arg eam ounto f
mult
i-dim ensionald ataw ithou tr equirings ignif
icantqu ant
it
ieso fc om putationtim e.S uppo r
tV ector
Regressi
on h asa lready b ee nc a
rrie d ou ti no thers itu
ation sw i
thu se
fu lr esults( i.e
.w e
tland
vegeta
tion m appingu singt em pora
ls eriesby B etbedereta l
.,(2014 )),a tm osph er
i ctem pe
rature
pred
i c
tion(R adhi kaetS ha shi
,2009 ),a ndt imes er
iesp red
icti on(S apa nke vyche tS ankar,2009 ).In
cl
im atem odeldown scaling ,ith asb ee
nu s edfo rdown sca
li ngt em per a
t u
r e(An a ndhie tal.,2009 )
andp recipita
tion( (Tr
i pathie ta l
.,2006 );(Ch eneta l
.,2010 ))
.D ynam icala nds t a
tisticalp r
ese n
t
adva n
tag e
sa ndd isadva nta ges
,a ndanum bero fstudiescom paringa ndc om b
i ningdyn am icala nd
sta
tist
icaldown sc a
lingh av eb ee napp l
ie di nc l
im atem odel
ling(Bo é
,J u
lie n
,2007;Gu tm anneta l.
,
2012; C am poza noeta l
.,2016 ).T hesek i ndo fstudiesaree ssentia
lt oim p
rov et her esolut
iono f
cl
im atem od elw i
t houti ncre as
i ngt her e
sou rcesrequiredinth em odell
i ngp ro cess
.

5
.4 M
eth
odo
logy

5
.4.1 S
tudya
reaandda
ta
Thestudya r
eaforthisrese
archist h
eM a
rlboroughv in
eyardr eg
ion, wh
i chisthelar
gestw in
e
produc
inga reaofN ew Z e
aland(23000h aa r
ec over
edbyv ineyards
,a ndt heto
talstudysite
repres
entsaround6000km²).T heare
aissurrounde dbyhigh m oun
tains(someo fwhichreachover
2000m)a ndisborde
redbyt heP ac
if
icO ceanont heeast
ernside(F igur
e27) .T hecomplexter
rain
,
com b
inedw i
tht h
eo ceani
ci n
fluenc
e,c r
eatesa v erys pe
cif
i candc om p
lica
tedlocalclimate
influ
encedbybo thm ount
ain-val
leya ndland-seab re
ezec i
rc u
lat
ions. An etworkofa utomat
ic
weathe
rstat
ions(AWS )h a
sb eene s
tab
lishedoverr ec
e n
ty e
arst oanalys
eclim at
ev a
riab
il
ityov e
r

59

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igure29 :Schemati
cover
viewofth
e
m
ethodologyusedtocompa
rethetwo
downsc
alingappr
oaches
.

5
.4.3 S
ens
it
ivi
tytos
amp
lings
ize
AstheSVR m ethodi sba se
dont h
er e
lat
ionshipb e
tw eenanum be
ro fe xp
l a
n a
toryv a
riable
sa nda
dependentvar
iable,trainingo ft h
es t
ati
st
icaldown sca
lingisd epe ndentont hes izeoft hei nput
da
ta s
et.Reducingt henum bero finputpointsw ithoutreducingth eac cu
r a
c yo fthedown scal
e d
output
sm ayb epossi b
leforst udyi
ngsm al
lerare asthantheM arlboroughv ineyardregion
,wh i
lea t
thes ametimefu r
therr educingc omputa
tiontim e.T h
ei ni
tia
ld a
t a
s etofa pproximate
ly2000i nput
point
sw assam p
l e
dr andom lyt oobta
inad if
fere n
tsizedtrai
ningd a
t ase
t,thef i
rs
ton ew ith50%o f
thei n
it
ia
ld a
taset(a bout1000po in
ts)
,as econdon ew ith25%(500po ints
),a nda no
theron ew ith
only5%(100po int
s).T he naf ina
lsub-sampling w a
sund er
takenu singa K -m eansclass
ificat
ion.
K-m e
ansclus
ter
i ng(M acQu ee n
,1967)isa m e
t hodcomm on
lyu sedt oautom at
ical
lyp a
rti
tionad a
ta
se
ti ntok groupsw iths imilarc ha
rac
teri
sti
cs.W ags
taffetal.(2001 )s umm a
rizedthem e
t hodby
st
atingtha
tK -m eansproce ed
sbys e
lect
ingki ni
tialclus
tercentre
sa ndt henitera
tivel
yre f
iningt hem
by:

• E
achi
nst
anc
ebe
inga
ssi
gne
dtoi
tsc
los
estc
lus
terc
ent
re

• E
achc
lus
terc
ent
reb
eingupd
ate
dtob
eth
eme
ano
fth
ein
sta
nce
sin
sid
eth
ecl
ust
er
.

Thealgor
ithmconve r
ges whenthe
reisnofur
thercha
ng einass
ignmentofi n
sta
ncestocl u
sters
.
Thi
sa lgor
ithmisa pp
liedtot h
et e
rra
invar
iable
s(el
eva
tion,sl
ope,aspec
t,a ndloca
tion
)w itha n
equiv
alentsampl
eb eingta
ke nf
rome achc
lust
er(100po
ints)
.T h
isla
ststepisessen
tia
lino rderto
know wh e
thert
hel oc
a t
ion
so ftheinpu
tpoin
tsplayaroleinthequal
ityofth edownsca
ling.T he
outpu
to feachstat
ist
icalm ode
lw asc omp
aredtothe18 AWSa ndthedyn amica
ldown s c
aling
outpu
t.

62

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
F
igur
e31: Mapo ftheaverag
et empera
turedi
ff
erencebe
tw e
enthedynamic
alands
tat
ist
ica
l
downsca
lingof WRFfrom3t o1kmo verthe Mar
lbor
oughr eg
ion
,basedonhour
lydata
(pos
it
ivevalu
esd eno
teawa rmb i
asassoci
atedwi
thd ynamic
aldownsc
alingo
fthe WRF
model
).
5
.5.2 A
sse
ssingb
ias
C
omp
ari
sono
fth
etw
odow
nsc
al
ing m
ethod
sshow
sth
atsom
esp
at
ia
ldi
ffe
ren
cesa
reob
serv
edinth
e
s
imu
la
tedn
ear
-su
rfa
cet
emp
era
tur
esp
rodu
cedbye
ach m
ethod
.Th
epr
edi
ct
ivepow
ero
fea
chdow
nsc
al
ing
m
ethodi
sev
alu
atedu
singt
heind
epend
entob
serv
at
iond
atas
ete
xtr
actf
romt
he AWSn
etw
ork
.Th
ree
c
las
sic
alind
ica
tor
swe
recompu
tedt
oev
alu
atet
hea
ccu
racyo
fea
ch m
ethod:co
eff
ic
ien
tofco
rre
la
tion
(P
ear
son
),th
eind
exo
fag
reem
ent(
IOA
)andth
eroo
tme
ansqu
aree
rro
r(RMSE
)(T
abl
eau9)
.TeRMSE
h
g
ive
shigh we
ighttolar
geerror
s, wh
ilethecoe
ff
ici
entofc
orr
ela
tionrep
resen
tsthes
treng
thoft h
e
l
ine
arrel
at
ionshipbetwee
ntwov ar
iabl
es.Theindexofag
reementisastanda
rdiz
edm easur
eo f
m
odelp
redic
tiveabi
li
ty (Willmot
tetal.,2012
),withava
lueof1i nd
icat
ingap e
rfec
tpredi
ct
ion,
a
nd0indic
ati
ngnoa gre
em en
tatal
lb e
tw ee
npred
ict
edandobs
ervedvalu
es.

64

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 T
abl
eau9:St
ati
st
icalanal
ysi
softh
edif
fer
encebe
twee
nobse
rvedtemp
era
tur
esfr
omth
e18AWSand
mod
el
ledtempe
ratur
esobta
ine
du s
ingdynam
ica
lands
tat
is
ti
c a
ldowns
cal
ingf
rom3to1km
.
Coef
fic
ien
to f Ind
exo
fag
reem
ent R
ootm
eansqua
ree
rro
r
corre
lat
ion
D
ynami
cal S t
at
i s
tic
al D
ynami
cal S
ta
tis
tic
al D
ynami
cal S
ta
tis
tic
al
Blenh e
imA irport 0
.71 0.73 0
.82 0
.82 3
.81 3
.48
D a
shw ood 0
.65 0.66 0
.78 0
.75 3
.67 3
.54
Banda ler o 0
.73 0.75 0
.82 0
.84 3
.69 3
.56
BlindR iver 0
.65 0.63 0
.79 0
.72 3
.39 3
.38
Book er 0
.75 0.77 0
.84 0
.85 3
.55 3
.29
Bl
indR iv erR eserve 0
.54 0.64 0
.64 0
.73 3
.76 3
.38
Fai rhal
l 0
.72 0.74 0
.84 0
.80 3
.72 3
.56
Lion sBa ck 0
.67 0.65 0
.80 0
.71 3
.52 3
.73
Oy s
t erBay 0
.74 0.75 0
.84 0
.81 3
.84 3
.67
Rapau r
a 0
.66 0.69 0
.81 0
.82 3
.42 3
.10
Rar angi 0
.65 0.68 0
.77 0
.77 3
.68 3
.48
Ridg e902 0
.62 0.61 0
.74 0
.75 4
.09 4
.01
Se aview 0
.66 0.66 0
.80 0
.75 3
.28 3
.18
Uppe rW aihopai 0
.74 0.77 0
.84 0
.85 3
.75 3
.57
WairauB a r 0
.60 0.68 0
.70 0
.73 3
.62 3
.39
W ard 0
.68 0.67 0
.80 0
.74 3
.34 3
.46
Low erW aihopai 0
.75 0.77 0
.84 0
.84 3
.78 3
.60
UpperW ai rauV al
ley 0
.73 0.76 0
.83 0
.85 3
.76 3
.58

Thedown sca
ledt emper atu
r esobt a
inedfrombo thm ethodsisverysim i
lart ot he18AWSb a
s e
d
onhourlyd at
a,althought hestati
stica
ldown scalingp roducedb e
tterresul
tsi nm o
stca ses
.R idge
902andB lindR i
v e
rR es ervep rodu c
edt hew orstresults
.R idge902i slocateda t902ma boves ea
leve
la ndB lindR iverRe servei sveryc lo
set othes eaa ndn ex
ttoar ive
r.M i c
ro climat
ice ff
e c
tsdu e
tot h
esp ecif
icclim at
ice nvironm entatt hesel oc a
tionsm ighte xpl
ainw hyn e
ithe
ro ft h
etwo
downscal
i ng methodsc anr eproduc ethetem pera
t u
r evariat
ionsattheseAWSv eryw e
ll
.Ac oldb ias
isevidenti nthem a p
so fs p
atialm e
anb iaso fa v
e rag
et em pe
ratu
reov erth est udyp er
i odforbo th
downscal
i ng methods(Fi gure32) .T hisbia
so ccur
si nthem a
inW airauV a
lley,p art
icula
rl yatinland
si
tes
,bu ti slessevidentfo rs ta
tis
ticaldown sc a
lingt hanfordyn am i
caldown scaling
.C l os
et ot he
coas
t,dyn am ica
ldown sc a
lingp rodu cedac o
l dorl ac kofb ia
s,e xcep
tfo rB li nd RiverR eserve,
wher
eaw armb iasw asd etected.Ont heotherh and,sta
tistic
aldown sca
lingp rodu cedaw eakw a
rm
bi
asornob ia
sfort heco asta
lr egione xcep
tfo rt h
eno rthernm o
stAWS(R a
r angi).A na nom alously
warmbiaso ccurredatR idg e902fo rbot hdown scal
i ng methods
,a sm en
tioneda bov e
.

65

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igure32:A
verag
etemperat
urebiasbetwee
nthetwodownscal
ingmethod
sandAW S
ob
ser
vati
onso
verth
egrowingseason(Sept
embertoApri
l)
,withdynam
icaldown
sca
ling
abo
v eandsta
tis
tica
ldownsca
lingbel
ow.
5
.5.3 S
ens
it
ivi
ty
Thes am eindica
torsa ppl
iedintheprevi
ou ssect
ion( IOA ,coef
fic
ie n
to fc o
rrel
ati
ona ndRMSE )
wer
eu sedt oc om paret heim pa
ctofs am pl
es izeons tatis
tica
ldown scal
ing(F i gu
re33) .T he
boxplotsr epre
s en
tt hem ed
iana ndthe0 .25/0
.75 qu an
tiles
. Botht h eIOAa nd RMSEr esul
ts
im p
rov eda ssam plesizei n
crea
sed(seeT 2_NZ _05,T 2_NZ _25
,T 2_NZ _50a ndT 2_NZi nFi gure
7)
.T h eter
r ai
nc lus
ter
i ngb as
edont heK-m e
a n
sa pproachd esc
ribedi nS ec
tion2.3a bovedidno t
seemt oshows ensi
ti v
ityo fther e
sul
tst ot h
el oca
tion ofs i
te si nr e
lat
iont ot h
et erra
in
(T2_NZ _km eansinFigure33) .Thecoeff
icientofc or
rela
tioni nc
rease dassam pl
es ized e
creased
,
mean
i ngt h
att hest
rengt hofthelin
earre
lat
i onsh
ipi n
c r
easedw ithasm a
llersam p
lesi z
e.T h
ism a
y
bee xplainedbyt hef actthatw i
thm orei nput
spo ints
,t her e
lat
i onshipsb e
twee nou t
putsa nd
obse
rv at
ion sareinc
r e
asinglynon-l
inea
r.

66

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
hasb e
e ns hownbySp ake tal(2007 )
.S tati
stica
ldown ca
lingr equiressigni
fica n
tlylessc om pute
r
power(100t imel essc omput a
tion onas im i
larc omputer)a ndi tis po s
siblet os ta t
isti
c a
lly
down s
calef romt he3kmg r
i dt o1kmr e
sol u
tionov eral argerar eathanfo rt he1kmdyn amic
down s
caling. Mor eefficien
tu seo fc om putingt imea ndi sb enef
i c
ialfore nvironm enta lstudies
becauseita llowst hes am ea pproac ht ob ea ppl
i edinm anyd i
fferentplaces,a ndr epe atedov er
mul
tipl
es easons
.H owe ver
,th es ta
tist
ic a
la pproachon lyall owsth edown scalingo fon ec l
im at
ic
var
iablea tat ime
,a ndi tisassum edt hatther ela
tionshipbetw eent h
isv ar
iablea nde nvironm en
tal
par
am eters(inthiscaset er
rain)a rec onsis
tentov ertime(H er r
eraetal.,2006;Suny ereta l.,2012 )
.
Moreover
,s tat
ist
icaldown sca
lingr e qui
r edt hat WRF w asrunov ert hestudys i
t etop rodu c
et he
3kmr esol u
tiond a
tas etn eed
e dt ocreatethet ra
inings e
tforSVR .A notheris
su eisthes ensitivi
tyo f
thestat
isticaldown scalingt ot hes am plesiz echo senfortr a
iningt heSVR m ode
l.O bvi ous
l y
,at
somes am plesizethem od e
lfitwou l db ecom eclo s
et operfect(them odelish ighlypr edictive)and
asthenum beroftrainingpo i nt
sd ecr
e ase
st hepre d
ict
ivepow erw il
ld rop,soi tisim portan
tt o
def
inet h
eop t
im a
lnum berofs am plesre qui
re dtoa ch
ievea c
c ura
tetem p
eratu
rep atte
rns.A lthoughi t
isexp ec
t edt ha
tdyn amicaldown sc a
lings hou ldb em orerobu sti nrepresen
tingt hea tm ospher
ic
proc
e s
sesi nvolved,ther esul
tss howt h a
tst at
ist
icaldown scalingp roducesa na ccept
a b
l er esul
ti n
thi
sc ase
,w iththea dde dbene fi
to fr educingt heprocessi
ngt im einvolved.T hec om plexityo fthe
ter
rainp rovidesagoodc ha
lle ngefo rthisa pproacha ndem phas
isest h
erobu s
t nessoft hem e
thods
used
.

Ghosha nd Mu jum dar (2008)sugg estedt heu seoft heR e

levanceV ec
t o
r M ac
hine(RVM )
approachinst
e adofSVRt odown sca
lecl
im at
em ode
ls.T h
eyob se
rv e
dt ha
tRVM ou tper
formsSVR
forregress
ion-basedstat
ist
icaldown s
cal
i ngint e
rm sofgoodn e
sso ffi
t,andRVMi nvo
lvesaf ew e
r
num be
ro frel
e van
tv ec
t o
rsa ndthechanceo foverfi
tt
ingislessthantha
to fSVR s
.Inthi
sc a
se,SVR
hasprovideds a
tis
factoryresul
ts
,bu tusinga ndc om p
aringRVMa ndSVR m ightbesom e
thingt o
explor
ei nfutu
reresearch.Stat
is
tica
ldown sca
lingcanalsob eusedforotherc
lim a
teparame
tersa nd
appl
icat
ions,asBo ée tal(2007 )d emonstra
tedt ha
tstat
ist
icaldown scal
ingproducedbet
terresult
s
fortem pera
tureandp r e
cip
itat
ion whent heyr ana nhydrologi
calm odel
. How eve
rG utmanne tal
(2012)h aves hownt hatstat
ist
icaldown scal
ingc annotrepresen
tw e
llthec hang
esint h
es patia
l
pa
tternofw interpreci
p i
ta
tionov e
rc ompl exterr
ain.Q u
ali
tyo fthedown sca
lingforbothm e
thod s
a
ppe
arsv
eryd
epe
nde
ntons
tudys
it
ech
ara
cte
ri
st
ics
.

Al
thoughbothmethodsusedth
es ameal
ti
tud
ed atas
et,t
heyaresubjec
ttoapo te
nti
alprob
lem
a
ssoc
iatedwi
ththea cc
urac
yo fthedigi
ta
leleva
tion mod
elu s
ed,inthiscas
eon ly1k i
lomet
re
r
esolu
tion
.Itw a
sno t
icedthatthere
sult
ingsm oo
thedter
rai
nr esu
lte
di nal
tit
udee r
ror
s when
c
om pa
ringbo
thm e
thodswithm ea
sur
em en
tsfroma u
tomat
icw eath
erstat
ion
s,asm u
cha s300
m
etr
es.

68

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Th
isp ape
rh asdem on
str
ate
dt h
atstat
is
tica
l downs
cal
i ng o
ft emp
era
tur
ef rom WRF 3-km
r
eso
lut
ionoutpu
tdatato1-kmreso
lut
ionusi
ngt h
eSVRa pproa
chprov
ide
sv e
rysimi
larr
esu
ltst
o
t
hos
ea ch
ievedbydynami
caldownsc
ali
ng,bu
tu s
ingfewe
rr esou
rce
s.

Inacl
im a
techangec
onte
xt,wherealotofd
ataa
reoftenre
quir
ed,c
omb
ini
ngreg
ion
aldynami
cal
m
od e
lsa ndsta
ti
st
ica
ldown sc
al
ingp rov
i d
esaninte
rest
ingframewo
rkt
oe s
tim
ateloc
alfut
ure
c
limate(Pi
ercee
tal.
,2012; Mar
tine
tal.
,2013;Tangetal
.,2016)

Asclima
teisa nim por
tantc om ponen
toftheterro
irofvineyardr eg
ion
s,c
limat
ec ha
ngew i
ll
a
ffe
cteve
ryw in
e-producingregion
,sot ha
timprovedspa
tia
lresolu
tionofcl
ima
tem ode
lscanbean
a
sse
tforw ineproducer
s,a nda ss
istinthedevel
opm en
toffi n
ely-
t un
edadap
tat
ionst
rat
egie
sfor
e
nsur
ingthefu
turesus
t a
inabil
ityofh i
gh-qu
al
itywineproduc
tion
.

5
.7 Con
clu
sion
L’u
ti
lis
ati
onc um u
l é
ed em odèl
e dynamiqu eà h au
terésolut
ione tdem é
thodeded es
cente
d
’éche
ll
es ta
ti
st
iqueap ermisd’obten
irdesr ésul
ta
tssimil
air
e sàc euxobtenusaveclad esc
e n
te
d
’éche
ll
edyn amique
,m ai
sa vecdesg a
inssignific
ati
fsenuti
lisat
iond eres
source
s.Letem psd e
c
alc
ulgagnén’es
tp asl’un
iquea va
ntagedelac om b
inai
sondec esdeux mé
thodes
.L e
sm éthodesde
d
escen
ted ’
échel
lestat
isti
quec ouvren
tdese sp a
cespluslarg
e squel e
sg r
il
leslesplu
sfi ne
sd es
m
odèl
esàa ir
elimit
ée.L ac ombina
isondesde uxtypesd eméthodesestunaxeàd éve
lopperd an
s
d
esrecherche
sfutures pouraffine
rl aréso
l ut
ions pat
ia
led esm odè
lessansdiminu
tion del a
c
ouver
turespa
tia
le.

Néanmoin
s,l
’év
aluat
ionetladimi
nuti
ond el
’in
cer
ti
t ud
eliéeàc e
sm éthode
s(assoc
iéesounon)
r
est
eun eé
tapeimpor
tant
epourl’amé
lior
ati
ondelarésol
utionsp
atia
leetd el
aqu a
li
tédesm od
èle
s
r
égiona
ux.Lechapi
tresuiv
antse
rad é
diéàuneétudesp a
tio-
tempore
ll
edub iai
sdu m odè
le WRF
d
anslarég
iondeM a
rlbo
rough.

69

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE6: INCERT
ITUDESDES MODÈLES
CL
IMAT
IQUESDYNAM
IQUES

Lesrésu
lt
atsduc h
api
tre4on tm on
tréquelesdonnéesis
suesdelam odé
li
sat
iond e
vaie
ntêtre
a
naly
séesavecp r
écau
tion
.L esm odè
lesprés
enten
tt ousunep a
rtd’in
cer
ti
tude
.D anslec a
sc e
t
rava
il
,l emodèl
e WRFp rodu
itunb i
aismoyenfroid(Ste
elee
ta l
.,2015; Ne
sbi
ttetal
.,2016)à
l
’éche
ll
ed ess a
ison
sv é
géta
tiv
es,c omp
liqu
antl’inte
rpr
éta
tion de
sc ar
tog
raph
i e
sd esindic
es
b
ioc
limat
iques
.

Le
ssorti
es WRFà1kmvon têtrefo
rtementdépend
ante
sdufo rç
ageréal
isép a
rlesé ch
ell
es
supé
rieu
res
,p a
rt
icu
liè
rem e
ntparle MCGuti
li
sépourfor
cerlagr
il
le4,sesbi
aisvontserépe
rcute
r
surlesgri
lle
sd eniveauxinfé
rie
urs
. Chaquenive
aud eg r
il
lev aégal
em en
ta ppor
tersonl o
t
d’
ince
rt
itude(ca
sca
ded ’
incer
ti
tude
).Ile
stcepend
antdif
fic
il
ed ’
iden
ti
fie
rdirec
tementlessour
ces
d
esb
iai
scréé
s.Parc
ont
re,i
les
tpo s
sib
lededéte
rmi
nersice
ttein
c e
rt
itud
ee stcons
tan
ted
ansl
e
t
emp
setl’
espac
eous
iel
leestp
lusimpo
rta
ntes
ousce
rta
inesc
ondi
tionsa
tm osphé
riqu
es.

Pouré val
uerl e
sv a
ria
tions sp
atio
-tempor
ell
e du b ia
ise te n fonc
tion desc ondi
tions
a
tm osphér
iquesaum om en
td elam odél
isa
tion
,ile stnéce
ssai
red’é
tudie
rl ec omport
em entdu
m
od èleenfonct
iond edi
ffér
e n
tessi
tua
tions
.L ad é
termi
nat
iond el
’or
igined e
sb ia
isetd el eur
s
c
om por
tement
sp euventorient
erl e
s futu
resr eche
rches pou
rd iminue
rl ’in
cert
itudel iéeà
l
’uti
lisat
iondu modè
le.Cec hap
it
reestdansunp r
emiertempscomposéd’unart
icleproposantune
a
n alysespa
tio-
tempor
el
ledub ia
isdu m odè
le WRF ,art
ic
lesoumisàIn ternat
ionalJ ourna
lo f
C
lima t
ology
.

Dansunsecondtemps,ens’appuyan
tsurlerésea
ud es t
at
ionenpl
ace,unec
orre
ctions
tat
is
tiqu
e
e
stappl
iqué
ea uxc a
rtogr
aphie
sd estem p
éra
t u
resissuesdelam od
éli
sat
ionaf
ind eréé
value
rles
v
ale
ursdesi
ndicesbi
oclimat
iquesm od
éli
sésetleu
rsi n
terp
rét
at
ion
s.

6
.1 An
aly
sesp
atio
-temp
ore
ll
ede
sbia
isdu m
odè
le WRF

6
.1.1 R
ésum
éét
endu:
L
’étudesefoca
li
sesurl e
ssor
tie
shora
ire
sà1kmdu m i
llé
sime2013 -2014.L erés
eaudesta
tions
enpla c
ee s
tu t
il
isépou rc ompa
rerl
esdonn ée
sd et empé
ratur
e sm odélis
éesa veclesdonnées
obse
rvées(Figu
re34).D ansunpremi
ertemps,lebiai
sm oyendu m odè
lep arsta
tionaétécalcu
lé
af
ind’ e
st
im e
rlavari
a b
ili
téspa
ti
alede
stem p
érat
uresàl’éch
ell
ed ’unesaisonv ég
éta
tiv
e.Leclimat
pr
ésentan
td e
sv a
ria
tionsimpor
tan
tesàl’
échel
led elarég
ion
,l ebiai
sae n su
iteétééva
luédansun
s
econdtemp
sàdive
rse
sé c
hel
lest
empor
ell
espou
rcompre
ndr
el’or
igi
nedubia
ism oy
enannu
el
.L a
d
is
tr
ibut
iondest
empéra
ture
sestdép
endant
edel’h
eur
ed el
aj ou
rnéecon
sid
éré
e(om b
report
ée,

71

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
phénomène
sd eb
ri
sesetd’i
nve
rsi
on sth
ermi
ques)l
eb ia
ismoyenho
rai
readon
céga
lemen
tét
é
ca
lculé
. Pu
is
,pourconna
ît
rele
st enda
ncessai
sonn
ièr
es,leb
iai
sm oyenme
nsu
elaensu
it
eété
ca
lculé
.

En
fin
,unea n
aly
s edel’
im p
actdescondi
tionsatmosphé
rique
ssu rlaqua
li
tédelam odél
isa
tion
WRFétécondu
iteenfonc
tiondesi
tua
tion
ss ynop
tiqu
esr e
présen
tat
ives
.L e
sanomal
iesdepress
ion
aunive
aud el
am erontétéreg
roupée
se n16c la
sse
se nuti
lis
antlam ét
hodedecl
assi
fic
ati
onnon
supe
rvi
séeS e
lfO rgan
ize Map(SOM )
.P ourc ha
cun edec esc la
sseslebia
ism oyene tl e
s
occ
urre
ncesmensu
elle
sontétéca
lcul
és.

Lesrésul
tat
sc onf
irm enttoutd’ a
bo rdquelem odè
le WRFp rés
e nteunbiaisfroidm oyen(Fi gure
36).M aisilexi
steun eoppo s
it
i one ntrele
sstationssi
tuéesàp roximi
téd el ac ôt
eoùl em od è
le
présen
teunb ia
isfroidd eplusfaibleinten
sit
évo irunl é
gerb ia
isc h
audetc el
lesp lusàl’in
tér
i eur
desterr
esoùl eb i
aisf roidestpl u
sm arqué(Figure35).D ep lus,lessit
esàp roximitédelac ô
te
présen
tentdesv ar
iationsim por
t an
te sdub ia
isa uc our
sd el ajou rnée
.L esstationsc ô
tiè
resson t
assoc
iéesàunb iai
sc h audlajournéee tàunb ia
isfroidauc oursd elanuit
.L esstat
ionssitué
esp lus
enam ontd e
sv a
lléesson tassoc
i éesàunb ia
islé gè
rementn égat
ifdu ran
tlesh e u
resd ejour
s,e tle
bi
aisfroids’
inte
n s
if
i ea ucoursdel anu i
t.Leseffet
sl o
cauxd esbrisesdem eretl eseff
etsdefoe hn,
trèsprésent
sd ansc etter ég
ion,s em blen
têtrem alrepré
s e
ntésp a
rl em od è
le,e xpl
iquantc et
te
vari
at
ions pa
tio
-tem porell
edub iais
.

Lesbiai
sl e
spl usim por
tantsontétéob se
rvéslorsqu el azoned ’ét
udee stsoum iseàs y
stèmed e
hau
tep res
sionetqu ’aucunve n
tsynoptiquen esouff
l e
.D a n
sc ecas,lav a
ria b
ili
tédestem pér
ature
s
es
tp rovoquéeparl atopographieetleseffe
tsdu mi croclim a
t.L e
ss ta
tionssituéesàl’in
téri
eurd es
va
lléesp r
ésente
n tunb i
aisd efroidlorsquelesv e n
tsduno rdson tdom i n
a n
ts(nod e
s1 -5)
.L e
cont
rasteentreless e
cteur
sc ôt
iersetlesv a
lléesestm axim a
lpou rless i
tuationsdom in
éesp arles
ven
tsd ’oues
t(nod es7e t8).L ’ef
fetdefo ehnam en ép arlesv en
tsou estn es emblepasê t
reb ie
n
repr
é s
entéparlem odè
le WRF(nod e
s1 1
-16),peut-ê
tr ee nrai
sondul issagedut err
ainauc our
sd ela
par
am ét
risa
tion du m odè
le.C e
lap euté galements i gnif
ier quel e m od è
len ereprodui
tp a
s
cor
rectementl’advect
iond ’
airfroidré
sul
t an
td ecesc ond i
tionsoue ncorequ elestem p
éra
turesd ela
sur
faced elam erd anscet
tep art
ied ela Nouv e
lle-Z é
l anden esontp asbi enreprésen
téesp arle
m
odè
lel
orsd
el’
ini
ti
al
isa
tion
.

L’occu
rre
ncem e n
suell
ed ec e
sd i
ffé
ren
tessitu
ation
sa tmosph
éri
qu e
sc on
fi
rmel erôledes
c
ondit
ionssynop
tique
ssu rlebi
aisdu mod
èle WRF.E nsept
em br
ep arexemp
le,l
asitu
ati
on16,
a
ssoc
iéeàunb ia
isc haudsurl
’ensemb
ledesst
at
ions,repr
ésen
teprèsd e25%del’en
sembled
es
s
itu
ati
onsdum oi
se xp
liquan
tlebia
ischa
ud moyen
.

C
et
teétudeaconf
irmél’
exis
tencedub i
aisfro
idm oyena nnue
ld e
stem pé
ratu
resm od
éli
séespar
WRF
,m ai
savecunefor
tevar
iab
ili
tétemporel
le
.L escond
itionssynop
tiquesenpla
cejouen
tunrô l
e
impor
tan
td an
slaqua
li
tédesm odé
lisa
tions
.C er
tai
nseff
etsl o
cauxnes embl
entpasêt
rebienpr
ise n
compt
ep a
rlem od
èle
.L apar
am é
tri
sat
iondu m odèl
ep e
uté gal
em en
têtreunesourc
edub ia
isfro
id

72

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
m
oyen.Enut
il
isan
tless
tat
ion
sprés
ent
essurlesi
te,iles
tpo
ssi
bledet
ent
erdeco
rr
igerl
eb i
aisen
a
ppl
iquan
tunerégre
ssi
onlin
éai
reaf
ind’a
tté
nu e
rl ebia
ismoyene
tdoncdere
haus
serlesvale
urs
d
esind
ice
setdestempé
rat
ure
sm oy
ennesc
alcul
ésd ansl
ech
api
tre5
.

6
.2 Art
icl
e:An a
lys
isofspat
io-
temp
ora
lbia
sof WRFt
emp
era
tur
esb
asedon
w
eath
erp a
tte
rnclas
si
fica
tion
Ren
anL eRoux1, M
arwanKa
tur
ji
2
,PeymanZawa
r-Rez
a,H
2
ervéQuéno
l1
a
ndA nd
rewS turma
n2

1
LETG,UMR6554CNRS ,Un
ive
rsi
tédeRenne
s2,Pl
aceduR ec
teu
rH enr
iM o
al
,R enne
s,Franc
e
2
Cen
tref
orAtmosph
eri
cRese
arch
,U n
ive
rs
ityo
fC an
terbu
ry,Ch
ris
tchurch
,N ewZ e
aland

H
igh
ligh
ts:
 Sp
at
io-
tem
por
alb
iasa
nal
ysi
s

 W
eat
herp
at
ternc
las
sif
ica
tionu
singt
heSOMt
echn
iqu
e

 R
ela
ting m
ode
lbi
ast
ola
rge
-sc
alep
res
sur
epa
tt
ern
s

Ab
stra
ct

V
iticul
tureisak eyeconom ica c
tiv
ityform anyc ount
riesaroundth e worl
d,a ndtem pe
ratureis
oneo ft hem os
tim por
tantp aramete
rsi ng rapeviner espons
e. M anys tud
iesh av eshownt ha
t
var
ia b
il
ityo ft em p
era
turea tt hev ine y
ard s c
aleh as as ign
ific
a n
te ffect on phy s
iologica
l
developme n
to fthegra
pe v
inea nd
,ultimately
,w inequ al
ity.TheW eathe
rR e s
earcha ndForecast
ing
(WRF )m odelhasbeenw ide
l yusedt odyn amica
llydown sca
lefromt hesynop t
ica ndlarge
rs cal
e
atmosphericcircu
lat
ioni nordertop rovideah igh-resolut
iona na
lys
iso fw ea
thera ndcl
im atein
regionsofc om p
lexte
rra
i n
.T hetem p
eraturebiasoft he WRF m ode
lisa nalysedusing18a u
tom a
ti
c
wea
t hersta
tions(AWS )i no rderto und er
standt hes patia
lv ar
iat
ioni nt heb iasdu etol ocal
condit
ions.T h e WRF-predic
tedt em pe
r a
turese xhibit
eda na vera
g eb iast hatw asr e
lative
ly
consis
tentb e
tw eenmeasurementsite
s,althought hec ons
i s
tencyofthisbiasw asfoundt ov aryin
rel
ationtow eath
ertype,timeo fd aya nds e
ason.T he
sef ac
torstherefor
en eedt ob etakeni n
to
accountinordertoproper
lyc o
rr e
cttem p
eratur
esp roducedbyt he WRFm od e
l.

6
.3 In
trodu
ction
V
it
icul
t u
reisak eyeconomicact
ivi
tyform anyc ount
rie
saroundtheworld
.T h
ec once
ptofter
roi
r
rep
resentsasp e
cif
icc ombin
ati
ono fenvironm e n
talcharac
ter
is
tic
sofav ineya
rda ndsuchhum an
fac
tor
sa sv i
ticu
ltu
ralm anag
em en
ta nd wi nema k
ingp ra
cti
ces
, whic
hr e
sult
sina nalm o
stinf
ini
te
numberofw inesty
les(vanL eeuwenetS eguin,2006).Tem pe
ratu
reisof
tendescr
ibedason eo
fthe
mos
tim por
tantparame
tersingrapev
inerespon se (Glads
tones
,1992; MiradeOrduña,2010;Jones
,
G.e
tA lves,2012),a nd manystudi
esh av eshownt ha
tv a
riab
il
ityoftempera
tureatthevineya
rd
sca
leha sasigni
fican
te f
fec
tonphy sio
logi ca
ld evelopmentofthegrapev
ineand,ult
im a
tel
y,wine
qua
li
ty.Atthissca
le,temper
aturevar
iab
il
it yisstronglyconnec
tedwithl
ocalte
rra
in(Qu énol
,2011;

73

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Scherrere t Kö rner
,201 1;A shcro f
tet Go l
l an,2012 ).H ence,im provi ngt echniqu esoft em pe
rat ure
modell
i nga th i ghs p at
i a
lr esolutioni se s
s ent
i alt ound er
sta ndingt em peraturev ariabi
lityov era
vineyarda rea. Mo re ov er
,iti sn ece s
saryt ob ea blet oc haract
er izetem peraturev ariab
il
ityi nr ela
ti on
tos eason a
lw eatherp at
te rns(Mo seda
l eeta l.,2016 )ino rd ert ound e
rstanda nda da ptv ineya rd
prac
tice stoc lim atee voluti onov erthesho rta ndl ongt erm.M anyc l
im a
tem odel
sc a ns im ulate
cl
im atea tvari ouss c a
l esov e rth eE ar
th’ssu rface.G e ne
ralC ir cu
lation Mod els(GCM s)w it hal ow
spat
ialr esolution(~150km )a rem a
inlyu se dford evelopingc lim atec ha nges cen a
riosa ndfo rlar ge
scalest udie
s. Obv i ously,t hisk indo fm od e
lc a nnotb eu s edt or e presentc lim a
tev ariabil
itya t
vineyards cale,soi ti sim po r
tantt odown s ca
lef rom GCM st oinv es
tig ateclim atev ar
ia b
ilityata
morea ppropriater esolution. Dyn amicalr e g
ion alm ode
lsa llowr e g
i onali
zing GCM ou t putt o
specif
ica reas ont heE arth’ss urf
ac e by c om biningt h ep rimitivee quation sa s
so ciatedw it h
continuity
,m om entuma ndt herm odynam icp ro ces se
sw i
thsu rfacec h aracte
risticsoft her e gi
ono f
interes
t,su cha st erraina ndl a ndu se,ata na pp ropriatesp atialresol ution. Anum bero fd if
fere nt
regionalm od elsli ke RAMS(R e g
ionalA tm osph er
i c Mod elingSy stem–(P i e
lkeeta l.,1992 ))o r
WRF(W eatherR es earcha ndFo reca
sting– (Sk am arock
,e ta l.,2008 ))h aveb e enw idelyu sedt o
dynam icallydown sc a
l ef romt hes ynoptica ndl argers cal
ea tm osph ericc irculat
ioni no rd e
rt o
provideah igh -r e
sol ut
i ona nalys
i sofw e a
th era ndc lim at
ei nre gionso fc om p
le xterra
in.C a
l dw e
lle t
al
.(2009 )e val ua
te d WRFou tputov erC aliforniaa t12kmr esol u
tion.Ith asalsob eenu se dt ostudy
fir
ew eatherov erN ewZ eala nd(S im psone tal.,2014 ),a sw ella si nvi neyardc a s
es tudiesi nSou th
Afr
ica(Bonn a rdoteta l.,201 1;So lt
a nzade heta l
. ,2017 )andN ewZ e a
l and(S turm anS c hulm anne t
al
.,2014 ),fo re xam ple
.A se v e
ry m odeli sas im p
lif
icationo fr eali
t y,ac lim atem od e
lc anno t
reprodu cee xa ctl
yt hes patialv a r
i ab
il
ityo fw eath erp aram e
t erssu cha st empe ratu
re.Inv estigat
i ng
modelb iasu si ngob serv a
ti on sfromac lim ates t at
ionn e
two rki se sse nt
ialt ob e
tte
rund ers
ta nd
modelb e hav
i ou ra nd m akeim prov em ent
st ot h e
irs im u
lat
iono fc lim a
t ev ar
ia bi
lity
.Fo rt h e WRF
model,ac ol
db i a
si nd ai
l ya veraget em peratureh asb eend ete ctedi np re v
iouss tudies (Hue ta l.,
2010;S teelee ta l
. ,2015;N e
sb i
ttetal.,2016 ),a ndfu rtherwo rkisr e quiredt oreduc esu c hbias es
forvi neyarda ppl
ic a
ti ons.T h eaimo fthisst udyi st oe valu
ate WRF m od e
lou tputa t1kmr esolu
ti on
overav iney ardr e g
i onund erdi f
f e
rentt em por a
l( e
.g.d ay/ni ght)a nda tm o
sph ericsituations( e.g.
large-scalew e a
the r
).T her esultsa ree valu a
te du s
ingas patio-t
em porala nal ys
iso fb iast h
rough
c
om pa
ri
sono
fm od
elou
tpu
twi
thm
ete
oro
log
ica
lob
serv
ati
onsob
tai
nedf
roma
nau
tom
at
icw
eat
her
s
ta
tionne
two
rk.

6
.4 M
eth
ods

6
.4.1 S
tudys
iteandda
ta
Thestudyar
eafort
hisr
esea
rchi
st h
elarge
stw in
e-produc
ingareao
fN ewZea
land,Mar
lborough
.
T
heareaisloc
ate
db e
etweenh
igh mount
ain
sa ndtheP ac
if
icO ce
an(Figu
re34)
.T hec
lima
teo fth
is
a
reaisc on
st
rain
edbyt h
isc omp
lext e
rra
in( s
ea-br
e ez
e,foehneff
ect
). Ane
tworkofa u
tom a
ti
c

74

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
w
eat
h e
rstat
ion
s(AWS )hasb e
ens e
ttedupinthepa
stf
ewy earbyseve
ralins
ti
tut
ion
stost
udy
r
egiona
lclima
tevar
iab
il
ity
.B ecau
sesom e AWSha
vemiss
ingdataduetotec
hnica
lis
sue
s,whi
le
o
the
rsh a
veonlyr
ecen
tlybeenin
sta
lle
d,only18AWShavebee
nu s
edinth
isst
udy.

F
igure34:Thelo
cat
ionandnamesofaut
omati
cweathe
rsta
tion
s(AWS)ov
erthe Ma
rlbo
rough
r
egi
onopera
tingove
rthes
tudyp
eriodof1Sept
ember2013t
o30A p
ri
l2014(i
ndic
atedbyla
rge
bla
ckdot
s)
.

6
.4.2 Spa
tio
-tempo
ralana
lys
iso
fbi
as
Cl
imatevar
i abi
li
tycanb esigni
ficantovershor
tdista
n ce
sa ndtimep e
riods
.T oassesstheabi
li
t y
ofa mode
ltor eli
ablyrep
roducep at
ternsofm et
eorol
ogicalparamete
rsitisim po
rtan
ttoi nve
st
igate
thi
ss pa
tio
-tem pora
lvari
abil
ity
.T heb ia
se xhib
itedbydyn am i
caldown s
c a
lingh a
sb eenevalua
ted
by apply
ings tandardsta
tist
icaltools,i nc
lud
ingt hei ndexo fa greement( IOA),c or
rela
tion
coef
fic
ien
t,a nd RootM eanSqu areE r
ror(RMSE ).Ina ddi
tiontoa noveral
la s
s e
ssme n
t,thebias
wascal
cula
tedb asedonbot haveraged ay
time(6a.m.t o6p .m.)andnightt
im e(6p .m.to6a.m. )
dat
a,w hi
leth ea ve
ragebiasfo reachm onthovertheg rowings ea
son w a
sa lsoc a
lcula
teda nd
mapped
.T he
sed if
feren
tanalysesofthebiasprovid
eagoodf r ameworkforest
im a
tingtheim pa
cto f

75

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
suc
hfac
tor
sassola
rrad
iat
iondur
ingthedayorco
ldairdra
ina
gea
tni
ght
,asw
ella
sfo
rde
tec
ting
se
ason
alef
fec
tsontheb
iasexh
ibi
tedbyth
em ode
lout
put.

F
ines caletem pe
raturev a
riabil
ityisalsoa f
f ectedbyl argerscalesynop t
icw ea
thertypes
,sot ha
t
iden
tifi
cationoft hem os
ts igni
fica n
tpressuresituationsov e
rN ewZ e
alandw asal
soin c
ludedint he
ana
lysisbyu s
ing WRFou tputd ataat27kmr esolu
tion.T hep a
tternr e
cognit
ionalgor
ithma dopt ed
inthiss tudyi sb asedon S e
l f
-O rg
aniz
i ng M aps(SOM ).T hea lgori
thmu se
dw as SOM_PAK
(
ht
t p
:/
/www .cis
.hut
.f
i/resea
rc h/
som -res
earch/nnrc-program s
.shtml),wh ichite
rate
sthrought heinput
de
-tr
e ndedm eanseal eve
lpr essured a
tasetw hi
lem a
t ch
inge achi nputt otheSOMnod et h
ati s
c
losesti nt e
rm so fitsE uc
lid e
and ista
n ce
.T h
e na na djustmenti sm adetot he nodea ndi ts
ne
ighbou r
st oincorporat
et hei nputdata
.V a
riousm a
trixsizes(represent
ingt h
enum bero fm apsor
pa
tte
rn s
)w e
ree va
luateda ndt henum berofiterationsa ndlea
rningr atefunct
iontypesw er
ea djus
t e
d
acco
rdingly,w i
tht h
ea imo fr educingthem eanE uc
lideandistanceb etweentheinputd a
taa ndt he
SOM.W h
e nthech angeinth eerrorisminim al
,t hepro ces
sc anb ec ons
ideredcom p
lete
.Ac rite
rion
re
ferredtoa st he“S amm on M ap”isuse dtoa s
s e
ss wh e
t h
ere achnod eo ftheSOMh asm o
rei n
comm onw ithitsneighbouringnod e
st h
annon -neighbouringnod es.Ifnot,theSOMa l go
ri
t hmw as
re
-run w itha djus
te dp a
r am e
t e
rs
. Fo re xam p
leso ft h
eu seo f SOM w i
thv ari
ou styp e
so f
me
teorologicaldatas eeK aturj
ie tal.(2015),Sh er
id anandL ee(20 11)
,N ig
roetal.(201 1)a nd
R
ichardsone tal
.(2003 ).

6
.5 R
esu
lts
Thebiasofthem ode
lw asqua n
ti
fie
dthroughcom pa
rison wi
t hobse
rvat
ionsob
tain
e dfromt he
AWSn e
twork.Thre
ec l
ass
icindi
c a
torswerecomputedtoe valu
atetheaccura
cyofeac hm e
thod :
co
eff
ici
entofc o
rre
lat
ion(Pear
son),theindexofa gre
em e n
ta ndthe RMSE .RMSEg i
vesh igh
w
eigh
ttolargeer
ror
s,w hi
leth
ei ndexofagre
ementisast anda
rdizedm e
asur
eo fmode
lp redi
ctive
ab
il
ity(Wil
lmot
tetal.
,2012,w
) ithav al
ueo f1i nd
icat
ingap erf
ectm a
tch,and0i ndi
cat
i ngno
ag
reementatal
l(Tab
leau10).Ridge902a ndBl
indR iverR ese
rveproduc
edthewor
stresu
lts
.R idg
e
902i
slo
cat
eda
t902mabov
ese
ale
velandB
lindR
ive
rRe
serv
eisv
eryc
los
etot
hes
ea,andn
exttoar
ive
r.
T
hisanom
alou
sbeh
avou
rfo
rRidg
e902p
rob
ablyc
omef
romt
hed
if
fer
enc
einh
eigh
toft
her
idg
e 902s
it
e
b
etw
eent
he WRF m
ode
landth
eac
tua
lva
lue(T
abl
eau1
1).T
hisa
lso m
igh
tre
fle
ctth
ein
abi
li
tyo
fth
e mod
el
toa
ccu
rat
elyr
eprodu
ceth
eve
rt
ica
lpro
fi
leo
ftemp
era
tur
eint
hisr
egion
,orpo
ssib
lyi
nst
rum
ent
at
ion
p
rob
lem
satth
esi
te
.Ast
hiss
ta
tioni
sremo
tef
romth
evin
eya
rda
rea
sanda
ta m
uchh
igh
era
lt
itud
e(902m
)it
w
il
lno
tbed
iscu
ssedf
urth
er
.Sim
ila
rly
,wi
thth
e WRFho
rizon
ta
lre
solu
tiono
f1 km
,anys
it
ecl
oset
oth
ese
a
l
ikeB
lind R
ive
rRe
serv
eand m
ayno
tbew
el
lrep
res
ent
edby WRF
.Mi
cro
cl
ima
tee
ffe
cts(
und
er1km
r
eso
lut
ion
)du
etoth
esp
eci
ficc
lim
at
icenv
ironm
enta
tth
esel
oca
tion
sar
ethough
ttoexp
la
inw
hyth
e mod
el
c
anno
tac
cur
ate
lyr
eprodu
cet
het
emp
era
tur
eatt
hes
elo
cat
ion
s.

76

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
T
abl
eau10:S
tat
is
tic
alana
lysi
soft
hediff
eren
cebetwe
enobser
vedt
emp
era
tur
esfr
omt
he18AW
Sand
mode
ll
edtempera
ture
sobta
inedus
ing WRF1kmout
put
s.
Coe
ff
ici
ento
fcorre
lat
ion Ind
exo
fagreemen
t Roo
t meansquareerror M
eant
emp
era
tureb
ias
B
lenh
eimA
irpor
t 0
.71 0
.82 3
.81 -0
.96
Da
shwood 0
.65 0
.78 3
.67 -0
.78
Banda
lero 0
.73 0
.82 3
.69 -1
.15
B
lindR
iver 0
.65 0
.79 3
.39 -0
.57
Book
er 0
.75 0
.84 3
.55 -1
.24
B
lindR
iverRe
serve 0
.54 0
.64 3
.76 0
.64
Fa
irha
ll 0
.72 0
.84 3
.72 -0
.61
L
ion
sBack 0
.67 0
.80 3
.52 -0
.20
Oy
sterBay 0
.74 0
.84 3
.84 -1
.06
Rapau
ra 0
.66 0
.81 3
.42 -0
.64
Rarang
i 0
.65 0
.77 3
.68 -0
.91
R
idge902 0
.62 0
.74 4
.09 2
.01
S
eav
iew 0
.66 0
.80 3
.28 -0
.62
Upp
er Wa
ihopa
i 0
.74 0
.84 3
.75 -0
.91
Wa
irauBar 0
.60 0
.70 3
.62 0
.46
Ward 0
.68 0
.80 3
.34 0
.24
Low
er Wa
ihopa
i 0
.75 0
.84 3
.78 -1
.28
Upp
er Wa
irauV
al
ley 0
.73 0
.83 3
.76 -0
.96

T
abl
eau11:El
evat
ionatAW Sl
ocat
ionande
leva
tionu
sedby WRFi
n
t
hemodel
ingp
roces
s.Ther
igt
hc o
lumnisthed
if
fer
encebe
twe
en WRFand
rea
lel
eva
tion
AWS AWSe
levat
ion WRFe
leva
tionatAWSloca
tion D
if
ference
Blenhe imA irport 35 21 14
Dashwood 73 116 -43
Banda lero 92 206 -115
Bl
indR ive r 42 59 -17
Booke r 104 81 23
B
l
indR iverRese rve 4 44 -40
fai
rhal
l 8 10 -2
l
ionsback 59 82 -23
Oys te
rbay 70 64 6
Rapau ra 33 60 -27
Ra rangi 0 87 -87
Ridge902 898 520 378
Seav iew 24 47 -23
Lowe r Waihopa i 148 139 9
Wa
i rauBa r 0 3 -3
Ward 19 65 -46
Uppe r Wa ihopai 102 100 2
WRV 226 288 -62

77

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Thecalc
ulate
da ve
rageb
iasovert
hestudyper
iod(1S ept
emb e
r2013to30A pr
il2014)fo
re ac
h
AWSconfi
rm sthecoldb
iasobs
ervedbyprevi
ousresea
rch (Nesb
it
teta
l.
,2016)atm o
stloc
ati
ons,
e
spe
cial
lyintheW ai
rauva
lle
y.Fors
ite
sloca
tedneart
hec oa
storintheAwat
ereVa
lle
y(forlo
cat
ion
s
eeFigur
e1 )thebi
asisc
lose
rto0thaninth
eW ai
rauV a
lle
y(Fi
gu r
e35).

F
igu
re35:A
verag
ebia
sof WRF1kmt empera
ture
swh encompare
dtoAWSob
ser
vat
ion
sov
er
t
hegrowings
eason.(S
e p
tember2013toAp
ri
l2014
).

Duringd aytime,therew asac oldb iasforalm os

te ve
rys i
tee xceptforR idge902 ,indicat
ingt ha
t
the WRF m odeltendstop red
i c
tc oolerd ay
tim etem pera
ture
st h aninr e
ali
t y(Figure36) .T h
ereis
moreo fac ont
r a
stb etweens it
esdu ringni ght
,w itht hos
ei nt he W a
irauV a
ll eyi ndica
tinga
reasona b
lyc onsi
stentc o
ldb iast hati slessi n
tenset handuri ngt hed ay
.T hec oasta
ls ite
sa re
genera
ll yasso c
iatedw itha w a
rmb iaso rv eryli
ttleb ia
s, whi c
hsugg e
stsano c
turnalc ont
rast
be
tw ee ninlanda ndc o
astalpartso fth eregion.T hew armb iaso fR idge902a ppearsc lear
lyin
Figure3 ,esp ec
ial
lydu ringd ayt
im e.Tw oco as
talsta
tions(Blind R iverRes ervea nd R arangi
)a r
e
associ
ate dw ithal argew armb iasdu ringni ght
timea ndal argec oldbia
sdu ri
ngd a y
timehou rs,
whil
et hebiasi scloseto0du ringsun setandsun r
ise.Th a
tm aysugg es
tthat WRFdo esn’trepresen
t
we
llt helocalc oas
taleffec
ts,withas eab r
eezedu r
ingth edaya ndw armerairdu r
i ngth enight
.T he
inlands ta
tionsp re
s en
tab iascloset o0du ringthem iddleofth eni gh
twh i
l ethec oldb iasb e
com es
morea nd mor eintenseasthed ayp rogresses
,e xcep
tforR apa
uraw h e
retheb iasiss t
rong erduring
night
tim e
.R apaurah asav eryp ar
ticularb ehavio
ri n
steaditisl ocatedint heW airauV a
lley
.T his
mi
gh tcom efromv erylocaleff
e c
t(sh adow,ne arwindbreak)tha
t WRFc annotr epresent
.

78

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re37: Mon
thl
yaveragebia
sb e
tween WRF1kmtemp
era
tur
esandAW Sobs
erv
ati
onsdu
ring
th
eg rowi
ngs e
ason(1Sept
embe
r2013to30Ap
ril2014
).

Th ec ont
rasti nbiasb etwee nc oas
ta
la ndi n
lands i
t e
ssugg est
st ha
ts pe
cif
iclarg e
-sca
lew eat he
r
type sm ayb er e
sponsibleforg e ne
rat
ingp ar
ticu
larl ocale nvironme n
talcondi
tionsov erth est udy
region ,su cha sc ol
da i
rd rainagea ndseab r
eezes,o ra w e
ll
-m ixedatmosphere
,a ndt ha
tthe sem ay
notalw aysb ew e
llrepresent
edby WRF .U si
ngt heSOMa ppro achandt he WRFou tputdatafo rt he
27-kmdom a
i n,theresul
ta n
tm eansealevelpres
sur ep a
tt
ernsw ereclus
tered
,asshowni nthel ayou t
inFi gu r
e38.A to
talof16nod eso rclu
ster
sr ep
rese n
tedfrequ enc
iesofo c
currencerangingb etw een
4.3 a nd 9 .3% .T hem a psshow po si
tive(g r
ee n>y e
llow> red)a nd negat
ive( lightb l
ue>d ark
blue>b la c
k)a tm ospher
icp ressurea nomal
ies,ref
le c
tingt het endencyfora nt
icyclonicorc ycl onic
system s
,r esp ect
ively
,bu talsoi nd
icat
ingt hestrengtho ft h epressuregradi
enta crossth eN ew
Zeala ndr egion.Fo re x
am p
le,nod e10s how sana reao fw e aklypo s
it
ivem eans ealevelpr essure
anom aliesov ertheS ou
t hIsland,w i
thlowsu rfa
cew indspee dsdu etotheassoc
iatedw eaks ynop tic
pressu reg radient
. Ont heoth erh and
,nod e16s how sas trongno rthwes
tt osou thea
stp ressu re
gradie ntacrossN ewZ ea
l and
,wh i chm ean
st ha
tah ighsu rf
ac ew indspeedwou ldb eexpectedi nt he
Mar
l bo roughr e g
ion.B a
se dont heem erg
ingcl u
ste
rso fsynop ticw eathe
rregimesshowni nFigur e5
them eantem pera
turebiasp e
rnod ew a
sc a
lcula
tedfo reacho ftheAWSl oca
tedint heM ar
l borough
viney ardr eg
i on,inordertoa ssesstheinf
luenceofd iffe
rentw ea
therp a
tte
rnsonm odelbias
.

80

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Figure38: M eanseal e
velpre
ssur
eanomalypat
ternsove
rN ewZ ea
landf o
r16nod es
d
erivedbyth eSOMm ethodbasedonoutpu
tdatafrom WRFat27kmr esolut
iono v
erthe
studyp e
riodof1S e
ptemb e
r2013to30A pr
il2014
.Th enode
sa renumb e
red1-16from
l
efttorightst
artingatthetople
ft
.T h
enumb e
rsabo v
eeachm aprepr
esentthenumber
andpercentagefrequenc
yofoccurr
ence
sofe a
c hnod
eduringthestudyperi
od.

Theresu
lt
ing mapsarepre
sente
di nFigure39,repre
s e
ntingthea ve
raget empera
turebia
sp e
r
nodecre
atedbytheSOMa lgo
ri
thmfo reac
hAWSs i
te
.A sexpe c
ted
,R idge902p r
esent
sa noma
lous
behav
iourunderal
lsynopt
iccondi
tions
,showingar e
la
tivelyc on
sis
tentw a
rmb i
asfort h
e WRF
mode
l.i nre
lat
iontoana
lys
isofthetempera
tureb
iaspat
ternsobtai
nedforeac hSOM -der
ivednode
.
Bas
edont hee a
rl
ierdis
cus
sion
,t hevar
iat
ioninbiasbetwe e
nt hecoasta
la ndinland AWSs i
tes
unde
rtheinf
luenceoft
hedif
fere
ntSOMnod e
sisind
ica
tedi nthesepa
ratecolum n
sinT ab
leau12.

81

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re39:Av
erag
etempera
tureb
iaspe
rSOMnodea
tind
ivi
dualAW Ss
it
esba
sedon WRF1km
ou
tpu
ttempe
rat
uresfo
rthes
tudyp
eri
odo
f1Sept
ember2013to30Ap
ri
l2014
.

Ta
ble
au12:Summaryofb
iasanaly
sisa
ssoc
iat
edw i
ththenode
sc r
eate
db yt
heSOMm e
thod.The
numbero
f"+"
sind
icat
ethein
tens
ity
."*"meansnosynop
ticwinddi
rec
tionand“NB”meantha
t
nos
igni
fi
can
tbi a
swa sobs
erv
ed.
In
tens
ityof
th
ep res
sure D
irect
ion Speedof B
iasinten
si
ty
Lo
cat
iono
fhighp
res
sur
e grad
ient o
fsynopti
cwind s
yn opti
cwind
In
landAW S Coas
talAW
S
C
ent
raleastcoas
tofN ewZ ealand ++ NE ++ Co
ld ++ C o
ld++
Nor
theastcoastofNewZ ea
land + N + Co
ld+ NB
N
ortheastofN o
rthIs
land ++ N ++ Co
ld ++ C o
ld ++
N
ortheastofN o
rthIs
land +++ N +++ Co
ld ++ C o
ld ++
C
ent
raleastcoas
tofN ewZ ealand + SE * Co
ld ++ Co
ld+
SouthofN or
thIsland + * * Co
ld ++ Co
ld+
Sou
thw e
stp a
rtofN or
thIsl
and ++ NW ++ Co
ld+ Wa
rm+
Sou
thw e
stp a
rtofN or
thIsl
and +++ NW +++ Co
ld+ Wa
rm+
NorthofS o
uthIsl
a n
d + NE + Co
ld+ NB
Nor
thw e
stofS ou
thIsland + * + Co
ld +++ C o
ld++
Wes
to fN ewZ e
aland ++ W ++ NB NB
Wes
to fN ewZ e
aland +++ W +++ NB Wa
rm+
Cent
reo fSou
thI s
land ++ SE ++ NB NB
Wes
tc oas
to fSou
thI s
land ++ E ++ NB Wa
rm+

82

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Thec ool
estbiasw asob se
rvedw ithN ode10 , wh enah igh -pre
ssuresystemi sl o
catedont he
Nor
thw es
to fSout hIs
l anda ndc ove
rt h
es tudya r e
a,nos ynopticw indisblow ing.Inthiscase,
temperatur
ev ar
ia b
il
ityisdom in
atedbyt erra
ina nd microclim ateeffec
tsaredom inan
t(B r
idi
eret
al
.,2004 )
.InlandAWSi ndica
teac oldb iasw h enno r
therlyw i ndsaredom inan
t(nod es1-5),whil
e
nodesdom inatedby w es
t e
rl
ies(nod es7a nd8 )ar easso cia
t edw ithac ont
rast
i ngbiasb e
tw e
en
inla
nda ndc oa
sta
ls i
tes,a ndsouther
lya ndsou t hwester
lyfl owi sa s
so c
iat
edw ithnob iasoraw arm
bi
asfo ral
l AWS(nod es1 1
-16)
.W henno rtherlya nd we s
t er
liesa r
eb lowingint hisarea
,afo ehn
ef
fectw armstheairov erthevine y
ardr egion(S turm anetT app e
r,2006),butthisdo esnotseemt o
bew el
lr epre
sentedbyt he WRF m odel
,po s
si b
lyb ecauseo fsm ooth
ingo ftheup s
tre
amt err
ain
(hencec o
ldbias)
.Az eroo rw armb iasasso c
iatedw ithnod esi nvolvingsouthe
rlya ndw es
ter
lyflow
(nodes1 1
-16)m aym eant hat WRFisb ett
e rabletor epl
icatet hec oldadvect
ionresult
ingfromt he
se
synopt
icw indd irec
tions,p ar
ticu
lar
l yfort h
ei n
l andsites.I tm ayalsob eth a
tt hes easurf
ace
temperatur
efieldsinth eN ewZ e a
landr egiona reno tw ellre presen
tedbyt hem od e
li n
it
ial
isa
tion
.
Theresult
sa r
eg enera
llys imila
rforc o a
stala ndi nl
a nd AWS ,a l
thoughona ve
rag e WRFp redi
cts
warmertem p
eratu
resforAWSl oca
tedi nthen arrowc oa
stalstrip.
Thenum be
rofoc
cur
ren
cesofe a
chnodem on
th(in %p
ermon
th)isrep
rese
nte
di nFigu
re40,
h
igh
ligh
tingt
hemon
thl
ydis
tr
ibu
tionofb
iasbythedomi
nan
twe
ath
ertypedur
ingeachpe
riod
.

F
igu
re40:F
requ
enc
yofSOMnod
esob
ser
vedp
erm
ont
hov
ert
hes
tud
ype
riod
.

83

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Node16 ,a sso ciatedw ithaho tb i
asfo rallsta
tion s
,r epr esen
tsn ea
rly25 %o fthes itua
tionsin
Sept
em b er
.A ddingt heo ccurre n
ceo fnod es4a nd8 ,asso ciatedw i
thaw eakbias,theset h
reenod es
represe
n t50%o ft hes i
t ua
tiono ft hism onth
,e xplaining w hyS ep
tem be
ri sa ssociate
dw i
tha n
averagew armb ia s.N odes4 ,8a nd12a reallassociatedw ithac oldbiasint h
ev a
lley(w eakerfor
node12 )
,r epr es
e nting50%o fO c
t obersi
tu a
tions
.Inc ontrastt onode4,nod e12p r
es en
tsac oasta
l
warmb ias,w hilet h eco as
talb iasfo rnod e8i se ithe
rc oolorw arm,a ndc loset oz e
ro.T h
e
com bin
ationo fth esethreenod esm akess ensefortheb iasa s
so c
iat
edw ithO ctober
.N ovem be
ra nd
Decem ber
,bo t has socia
tedw ithac oldbias
,a redom inatedbynod es6,1,14a nd1 1.Nod e
s6a nd1
coulde xpla
i nt hec o
ldb iasi nt h
ev a
lley
,bu tnod es14a nd1 1pres
e n
ta w armb iasi nthec oast
al
sec
tor,wh ichi sno tassociatedw ithth eav e
rageb i
aso ft he setwo m onth
s.T hel a
stfou rm onthsof
January
,F e bruary,M archa ndA pr
ilp rese
ntas imila
rd ist
ri butionoftheb ia
s,w i
t hac oldbiasint h
e
va
lley(m o
r eim portantinF e brua
ry )anda w eakbiasont hec oas
t(w armorc ol d(Figur
e37) )
.T he
coldbiasi nt hev alleyc ouldb ee xpla
i nedbyt hehi gherf requ en
cieso fthenod es6,10 ,5,3a nd1
(F
igure40) ,w h
ic ha reallasso c
iatedw ithal argecoldb ia sint h
isp a
rtoft hestudya rea, wh
ilethe
warmb i
a sont hec oastisd r
ive nbyt henod es13,14,15a nd16(F igure39),alloftenp rese
ntdu r
ing
theselastfou rm onths(F
i gure40) .

6
.6 D
iscu
ssionandcon
clu
sion
Thec l
imat
ea ndespec
ial
lytemper
atur
ev ar
iabi
li
tyo fthe Marl
boroughvin
e y
ardreg
ionh a
s
prev
iouslybeende
scr
ibedandre
lat
edtovinepheno
logy(F e
lixe
tal.,2013;Stu
rm ane
tal
.,2017)
,
andth e WRF mode
lh a
sb ee
nrunop e
rat
iona
llytoprovid
easho r
t-te
rmforec
astandtom apthe
ongoingsta
tusofthec u
rren
tgrapev
inegrowings e
ason(ht
t p
:/
/winec
lima
te
.co.n
z/).Henc
e,the
r
esearc
hp re
sente
di s notfo c
used onimprovi
ng know
ledgeoft h
esm al
l-sca
letem pe
rat
ure
v
ari
abil
ityo
ft h
eM a
rlbo
roughr eg
ion
.Ins
tea
d,thefo
c u
softhepr
esen
tstudyistoinves
tig
atethe
n
atureofth
ec o
ldb i
ase v
identinthe WRFoutpu
tda
t a
,andit
sasso
cia
tion w
ithspec
if
icw ea
ther
p
att
ernsove
rtheN ewZ e
alandreg
ion.

Ana
lysi
so fthea verag
et empera
t u
r ebia sh a
sc onfirme dt heexis
tenceo fac o
ldb i
asint h
e WRF
mode
lsim u
lations,asd es
cribedinp rev
i ousi n
ternationalst ud
ies (Hue ta l
.,2010;S teelee
ta l
.,
2015; N e
sbit
teta l
.,2016 )
.H ow e v
er,iti se videntf romt h
isstudyt hatthisc o
ldbi a
si snot
cons
ist
entacrossa l
lw ea
thersi
t u
at
i on s
,a ndi nappliede nvironm en
talresear
chsu chasinvit
icul
ture
iti
se s
sent
ialtound ers
tandtherelat
i onshi pbetweenw eatherp a
tte
rnsa ndtem pe
ratur
ebiasw i
ththe
aim ofprop e
rlyc o
rrec
tingt hem odelb i a
s,b ecaus eo ft hes en
sit
ivityo fgrapevin
est ot he
ir
envi
ronmentalc ondit
ions(v anL e euw en, 2010 a
).T hea naly
sisp re
se n
tedh ereshowst hatthe
tempera
turebiasw asalsoseentofl uctuated ependingont hetimeofd ay,soisrela
tedtothew ayin
whi
ch WRFi sa b
l etoaccura
telyrepre s
entt hediurnaltem p
e r
aturecycle
.Itisalsodependentonthe
mont
ho ftheg row ings e
ason, whic hm aym er
elyr e
flectt heo ccur
renceo fp ar
ti
cula
rsynop t
ic
wea
therpat
ternsa ndlarg
ers c
alepressurev ar
iat
ions.Int hec ontex
tofc l
im at
ec hange
,ag loba
lshif
t
inthed i
str
ibutiono fhigha ndl ow -pressuresy s
tem sm aym odi
fyt hel o
calclimateofv in
e y
ard

84

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
r
egionss uchas M ar
lborough
.F o
re xample
,S tu
rm ana nd Quéno
l(2013)h aves hownt ha
t
t
em pera
tur
ev ar
iat
ionsint hethi
sp ar
to fN ew Zea
landa ppe
art obere
late
dt oa ni ncrea
sein
f
requencyofhighpre
ssuresyst
em soverrec
entdecade
s,inc
reas
ingtheocc
urren
ceo ffrostinspi
te
o
fi ncr
easedtempera
ture
sg loba
lly
,a ndsoi nc
reas
ingthepo ss
ibi
li
tyofd amaget ovi ne
s.Itis
t
herefor
ecri
tic
altoasse
ssa ndcor
rectforspe
cif
icbia
sesofthi
skindinord
ertohelpth evit
icul
tur
e
s
ectoradap
tthei
rprac
tice
st oreg
ionalandloc
alcl
imatechange

Anothe
rsourceofthebia
sc omefromt hesmoothedt
errai
nu sedby WRFduring model
i ng
.T he
di
ffer
e n
ceb e
tw ee
n WRFe l
evat
iona ndrea
lelevat
ionar
ec ons
isten
t,e
spec
ial
lyinc ompl
e xeterr
ain
.
Useda m o
rea c
cura
teDEMi nthem ode
lingproces
sshoul
dr educeth
ebia
sforhi ghe
rstat
ion( e
.g.
Ri
dg e902). Bu
titm igh
tinscr
eases ub
stan
tia
llythecom pu
taiontimere
quir
ingfo rm odeli
ng.A
solu
tioncouldbeusingast
at
ist
ica
ldown scl
ingw i
tham or
ea ccur
ateDEM.

T h
isstudyfo cuse sonon es ingleg row ingse ason,s oitne edstob er epea
tedov er mult
iples easons
top rovidec onf
ide ncei nt her esult
sp resen
te dh ere, whilea na ppropri
atea pproachn eedst ob e
designedt oc or
rectfo rt h et em perat u
reb ias wh e nu sing WRF ou tputtoa ddres
sv it
ic u
lt u
ral
problems.T hisa pproac hs houl dt akei ntoa c countsynop ticw eatherp at
terna ndt imeo fd ay.
Moreover
,ar esolu
ti onof1 km m ayno tbee nought ofullyund erstandt hecontrol
so ftem perature
varia
tioni nv iney ardr egionsl o
c a
te di nc om plext e
rrain,a sv ariab
ili
tyo ft em per
atur
ec anb e
signif
icantov erv erys hor
td ista n
c e
s.A nom a
l ousr e
su l
tsob taineda tsom ec oas
tala ndinlandAWS
mightb ee xpl a
inedby m icrocl
im a
tee ffe
cts
,s ucha sd evelopm e n
to fl oca
lc oldpoolsdu et o
micro
topogra phy (M adelin
,2004 ),o rl oca
ls eab reezes(Bonn a
rdote tal.,2005).T heseeffectsm ay
notb etakeni n
toa ccountbyt h em od e
lat1kmr esolution.Fin es ca
lev ar
ia b
ili
tyo fclim atec an
affec
tg rapevi n
eph enology(d eR essé gu
iereta l.,2016 )asp artoft hel oca
lterroir
,a swella sw ine
spe c
if
ici
ty.W h
enp rovidinga dv
i ceforv ineyard m ana geme n
t,itist he
reforecon s
ideredim portantto
down sca
let ofinerr esolut
ion,o ft heo rderof50 -100m .T hea pplica
tiono fsta
tist
icaldown scalingis
current
lyb e
i nge xpl o
redi no rdert oa c h
ievesu chh ighsp at
ialr e
sol u
tion,becauseitisnotc urre n
tly
pract
icalt o dyn am ical
l y down sca
le WRFt osu ch af iner esolution withe x
ist
ing c om puter
resources
. How ever,down s caling m esoscaleo rr eg
ion a
lc lim a
tem odelstoprov ideveryfin es ca
le
tem pera
turem apso fsp ec
ificv in eyardr eg
ion s(Bonn efoy,2013 )c ouldb ea chievedbyc oupling
a
tmo
sph
eri
cmod
elou
tpu
twi
thas
ta
ti
st
ica
lmod
elb
ase
donah
ighd
ens
ityl
oca
lAWSn
etwo
rk.

Th
ispa p
erh asdemonst
rat
edt ha
tth eave
ragec o
ldb i
aso fthe WRF m ode
lvar
iesunde
rd if
fer
ent
spec
if
icsitua
tionsandshoul
db ecorrect
edonac a
se-by-ca
s eba
sistoprovid
eim p
rovedm app
ingof
cl
imatevari
ablesinvineya
rdregions
.T hiskindofstudyc anbeduplica
tedinothe
rvineya
rda re
as
wi
thdiffe
rente nv
ironment
alc ondi
tions
,a ndr ep
eatedov erm ul
tip
les ea
sons
.A sclimat
ei sa n
import
antdim ensi
ono fte
rroi
r,climatec h
angew il
la ff
ecte v
ery wineproduc
ingregion
,sot hat
improvedspat
ialreso
lut
ionofclimatem ode
lscanb eanass e
tforwineproduce
rs
.Itwil
lall
owt hem
toloca
llyadaptthemanagementofth e
irvineya
rdsinresponsetoachangingcl
imate
.

85

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
6
.7 Co
rre
ctionl
inéa
iredub
iai
sde WRF
L’
étudedéta
il
l é
ed esb ia
isp rodu
itsparlem odèle WRFa m on
tréun er e
lat
ione n
trelessitu
ati
ons
a
tmosphér
iquesàl ’échellesynoptiqueetlac apac
itédu m odè
l eàr eprodui
relest em pé
ratu
resà
l
’éc
helled’uner égion v i
ticole
.L ebia
isf roidm oyen observép a
rd if
féren
tesé tudese s
tl a
c
onséquenc
ed el’incapaci
t édu m odèl
eàr eprodui
rec or
re c
teme n
tl estem pé
ratu
ressou scert
aines
c
ondi
tions
.C e
ttev a
riat
i ondub iai
se nfonc
tiond essi
t ua
tionspe u
ta voi
rd euxo r
igi
n e
sp rinc
ipa
les.
L
em odèl
eétantforcéa uxlimitesdudom ai
nep arun MCGl esév ent
uelsbiai
sd eced erni
ervontse
r
épe
rc u
terdanslesé chell
esi nfé
rieur
es,e
tc haquen i
v ea
ud er égiona
lisa
tionam èneé galemen
ts on
d
egr
éd ’i
ncer
ti
t ude(Goub anova,2017).Stu
rm anetal.,(2014)signalequ elebiai
sp e u
té g
alement
p
roven
ird’unproblèm ed eparam é
tri
sat
iondut er
raina umom entd el
’ini
tial
isa
tiondum odèl
e

Af
i nd eprend
ree nc omptec ebia
isfroi
dm oyendansl ’e
stimat
ionduc limatrégiona
ld es
vi
gnob le
sd eM a
rlbo
rough,lestempé
ratu
resminimale
setm a x
im al
esjourn
ali
èresontétécor
rigée
s
enu ti
li
santl
’équa
tionr é
sul
tant
ed elarég
ress
ionliné
air
ee ntr
el esval
eursprédi
tesparlem odèl
e
WRFà1 kme tlesvaleur
sm esur
éesparl
essta
tionsmétéo
rologiquesp
résen
tessurlesi
te(P a
rkere
t
al
.,2014 ).Lav a
lida
tiondesv a
leur
sc o
rr
igéesaé t
ér é
ali
séep a
rv a
lid
ati
onc ro
isée«L e
ave-one
-
ou
t»9
.

6
.7.1 Ana
lys
esta
ti
st
iqu
edel
aco
rre
cti
ond
esb
iai
s
Larégr
essi
onlinéa
ireestuneapprochecla
ssiquepourm odé
lis
erlesrel
at
ionsent
reunevar
i a
ble
dépendan
teetunc e
rta
innom bredev a
riab
lesexpli
cat
ives
.É t
antfac
il
e sàappr
éhende
r,le
sm odèl
es
li
néair
esc ons
ti
tuentsouven
tun ep r
em iè
reétaped an
sl acom p
réhensi
onetl arep
rése
nta
tiondu
phénomèneétudié
.L em odè
lel
i n
éai
res uppo
sequ epourtout
ev a
ria
tionduphénom èn
e,lar
éponse
Yestunefonct
ionlin
éai
reim p
liquan
tlesPv a
ria
b l
esexpl
icat
ives:
P
=β0+∑βixi+
Y(X) ε
i=
1

Àp a
rti
rd esdonnéesobse
rvée
s,iles
tpo s
sib
l ed’es
timerlesp a
ramètresi
nconnus β0 … βp
e
nu ti
lis
a ntla m é
thod
ed es m o
indrescarr
é s
.L ’es
timateurd e
s m o
ind
resc ar
rése s
tl epl
us
c
omm uném entuti
li
sépourest
im e
rlesp a
ramètresdu m odè
lelinéa
ire.Ilminimiselasomm ed
es
c
arré
sd esr é
sidus
.E nd’au
tre
st e
rmes,poure s
timerl e
sp aramèt
res
,on m inimis
el asomm ede
s
c
arré
sd esé c
art
se n
trel
av a
riab
leàe xpl
ique
re tladroiteder é
gres
sion.Lar ég
ress
ionlin
éai
rees
t
e
ffe
ctuéee n
trelesdonné
eshorai
resextr
ai
tesd esst
at
i ons
,etlesv a
leurshora
iresdu modè
le WRF
a
uxl oc
ationsdec e
ssta
tion
s.L’équa
tionobtenuepeute nsu
it
eê t
rea ppl
iquéeàl’ens
em b
ledusi
te
d
’ét
ude.

9 Lava
lid
at
ioncroisée«le
ave-on
e-ou
t»c ons
is
t eàre
ti
rerunind
ividuduje
ud’en
tra
înementavan
tdecons
tru
irel
e
mod
èle
,cetind
ividuse
rva
ntàlaval
ida
tion.L’opé
rat
iones
trépé
té epou
rquet
ouslesind
ividu
ssoi
tut
il
isé
sunefois
pou
rlaval
idat
ion.

86

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L’
évalua
tionsta
tist
iqu edesré
sul
tat
sa pr
èsc or
rec
tionlin
éair
em ont
reun ediminut
iondel ’e
rreu
r
quadra
tiquesurlesd euxi nd
ice
sb io
cl
im a
tiquesains
iqu epourl e
st empéra
ture
sm ax
im al
es.D es
résu
lta
tssimila
ireson tétéobte
nuslorsdelac or
rec
tiondel’ind
i ce GFV(P a
rkeretal
.,2014 )
.L a
const
ruct
ionsimila
ired ecesindi
ces
,b asé
ssu runea ccumula
tiond estempéra
t u
resjourna
lièr
es,
peutexpli
quercesr ésul
tat
sa na
logues
.L esrésu
lta
tsn em on
trentp a
sun eréel
leam él
iorat
iond es
indic
ateurssta
tis
tiques,l’er
reu
re stm êmep lusim po
rtan
te pourlam oyenned estem pé
ratu
res
min
im a
lesr év
élan
tqu em êm esil’e
rreu
rf in
alee s
tp l
usf a
ible
,l ad i
spers
iond eserre
u r
sr es
te
simi
lai
re(Table
au13) .

T
abl
eau13:Ind
ica
teu
rssta
ti
st
ique
sdelaqual
it
éd el
am odé
li
sat
iona
vante
tapr
èsc
orr
ect
ionpa
r
régr
ess
ionl
inéa
ire(
val
ida
tioncro
isé
e«leave
-on
e-ou
t»)
W
ink
ler Hug
lin TN TX
O
rigin
al Co
rrig
é O
rigin
al Co
rrig
é O
rigin
al Co
rr
igé O
rigin
al Co
rr
igé
RMSE 115 61 163 72 0
.0 0.2 1
.6 0.4
IOA 0.38 0
.39 0.47 0
.55 0.66 0
.66 0.50 0
.70
COR 0.23 0
.19 0.51 0
.44 0.61 0
.60 0.60 0
.60

Àl’éche
ll ed elas ai
son,l ebiai
sfro i
dm oy e
nob se
rvép ré
c édemm en
ts emblebienc o
rrigép ar
l’app
lica
tiond el arégress
ionlinéai
re(Figure41),p a
rt
icul
ièrem en
tpourlessitessi
tuésàl’in
térieur
desterr
es.U nl ége
rb iaisc h
audp er
sistesu rlese space
sàp roximi
téd el’océan
.C esrésul
t a
tsà
l’éche
lled’un esaisone xpl
iquentladimi nut
iond eserreur
sob servé
essurlesindice
sbi o
climatiques
li
ésàl avi gne.L ’u
ti
lisa
tiond essor
tiesà1kmdu m odèle WRFc o
rr
igéesp a
rr ég
ress
ionslinéair
es
pourspati
aliserlest emp é
ratur
esetl esindicesàl ’échel
led’un esai
sonv i
tico
les emblepert
in en
te
notamm en
tpou rlav a
lléedeW a
irau
.C ependant
,lap ers
ist
ancedub iai
ssurlessite
sàp roximi
t édes
côtesm on
tr equ el ’
erreurn epe u
têtret ota
lem entim puta
bleàun eerreu
rd ep aramét
risa
tiondu
modèle
.Su rc ese space
s,l e
sé changesth ermiquese nt
rel’océanetlec on
tinentsontnom breuxe t
var
ientrapidem entd ansl’espaceetda nslet emps.L adiff
icul
tédu m odèl
e WRFàr ep
roduireles
tem pé
ratu
re ssu rlessitesc ô
tie
rsad éjàétér e
lev ée(Bonnardotetal.,2012;S o
lta
n z
adehe tal.,
2017).

F
igu
re41:B
iai
sob s
e r
véspou
rc haques
tat
ionap
rèscor
rec
tionpa
r
régre
ssionl
inéa
ire(mil
lés
ime2013
-2014
)

87

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
6
.7.2 Ana
lys
espa
tia
led
elac
orr
ect
iond
esb
iai
s
L’
a pp
lica
tiondu m odèl edec o
rr ec
tionp arrég
r e
s s
i onlin
éai
r emodif
iel’ensembl
ed esvaleu
rsd e
s
tem pér
ature
sm oyenn e
se td esi ndicesb ioc
limat
i qued em aniè
rer e
lat
iv emen
thom ogè n
e( F
igure
42).L esdif
férenceslesp lusim portantessontob servabl
esa ux marg
esd esespac
eso ccupésparla
vign
e.C et«e f
f e
td ebo rd»p euts’ exp
liquerp a
rl ar épa
rt
iti
onsp a
tia
led esst
ati
onsut
ilis
é e
sd ansla
créa
tiondu m odèled eré g
ress
ionc or
rect
if.E neffet
,t out
eslessta
tionssontsi
tuée
sàp roximitédes
vign
esd a n
sd esc ondit
i onsgéogr aphiquessimila
ir es
.E l
lesn ecouvrentdoncp a
sless ecteu
rsd e
rel
iefsplusm arqués
.L esdonn éess pat
i a
lisée
sàl ’extér
ieurdesvignob
l e
ssontdonce x
trapolé
es.Cet
aspec
tn eposep asd eproblèm em ajeurd anscecasd ’ é
tude
,oùl ’
ensem b
led e
svignob
l e
se s
tc ouve
rt
parleréseaud esta
tions.M a
isc e
te ffe
tp e
utêtretrèslimitan
tpou rd’au
tresappl
ica
tionsc omm ela
recherchedenouv eauxs ecteu
rsd ’im p
lantat
iond evi gnob
lespourlesannéesàv en
ir
.

F
igur
e42:D i
ff
ére
nce
sdetempé
rat
urespou
rlestempéra
tur
esmin
ima
lesetmaxima
lesmoyenne
set
dedeg
rés
-jou
rspou
rl’
ind
iceWink
lere
tl’
ind
iced eHugl
inap
rèsco
rrec
tionl
inéa
ire(m
il
lés
ime
2013-2014
)

88

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
6
.7.3 L
imi
tesd
elac
orr
ect
iond
esb
iai
sdu mod
èle WRFp
arr
égr
ess
ionl
iné
air
es
Lesrésu
ltat
sp ré
c éden
tsontp e
rmisd em ont
r e
rqu ’àl
’éc h
ell
ed ’unesaison,lebiaisfro
idm oyen
de WRFpouv a
itêtrec o
rr
igée nut
il
isantleréseaud esta
tionsprésen
tsu rles i
te,m ai
saé galem en
t
révéléunepremièrelimi
teàc etypedec or
rec
tiona vec«une ff
etd ebord».D eplu
sd anslecha pi
tre
7,lesrésul
tatsontm ont
réqu eleb ia
isp ré
se n
tai
tun eintensi
tée tun edistri
but
i onspati
alet rè
s
var
iable
ssu iv
a n
tlessitua
tion
sa tmosphér
iques
.L aqu al
it
éd elac orr
ectiona ppl
iquéep a
rlem odèle
parrégres
sionliné
aireestdif
féren
tesui van
tlessituat
ionsd é
terminéesd anslec hapi
treprécéd en
t.
Danstoute
sl e
ss i
tuat
i on
s,lem odè
len ’expl
iquequ ep a
rt
iellementleb i
ais(63%d anslem e
illeur
descasa ve
cl e«nod e8» )
.D ansplus
ieurscas,lavarian
cee xpl
iqu é
ee s
ti nfér
ieureà30%(F i gure
43).

F
igu
re43:Co
eff
ic
ien
tded
éte
rmi
nat
iond
el’
équat
iond
eco
rre
ct
ionpa
rty
ped
esi
tua
tion
atmo
sph
éri
que

Pou
res
say
erd
’am
él
ior
erl
apr
éci
siond
ece
sré
sul
ta
ts
,un m
odè
led
eco
rre
cti
onp
arr
égr
ess
ion
l
inéa
iresp
éci
fiqu
eàchaquesi
tua
tionàéga
lemen
tétét
esté
,san
sappo
rte
rdega
inmaj
eur
,lebi
aisne
p
rés
entan
tpasunedi
st
ribu
tionl
inéai
re.L
ebia
isfro
idm oyenn
’es
tdoncpa
sun
iqu
em en
timpu
tabl
e

89

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
àlaparam
étr
isa
tiondute
rra
ind an
slem odè
le
,m a
issou
sc e
rta
inescond
it
ionsatmo
sphé
riqu
es,l
e
modè
le WRFn ep e
utre
produi
red emaniè
resuf
fi
sammentpréc
isel
e scond
it
ionscl
ima
tique
sà
l’é
chel
led
esvignob
lesdeM a
rlbo
rough
.

6
.7.4 Impa
ctd
elac
orr
ect
iond
esb
iai
ssu
rle
sva
leu
rsd
’ind
ice
sbi
ocl
ima
tiqu
es
L’
uti
lisa
tiondelacorr
e c
tionparrég
ress
ionlin
é a
iredoitdoncêt
relimi
téeàl’éch
elled’unes a
ison
.
Lesindic
esb io
clima
tiquesrel
èventdecet
teéchel
l etempore
lle
.L’appl
ica
tiond’un modèleb a
sésur
lesrégres
sionslinéa
ire
sc orr
igeleb i
aisfro
idi ndu
itp arlam odé
lis
at
ion WRFàl ’échel
l ed’une
sa
isonv égé
t a
tive
.E naugm ent
antlesvale
ursm oyennesd e
ssort
iesdu modèl
e,lac a
rtographi
ed es
indi
c e
sb io
climat
iquesetlasynthè
seduc l
imatd esvignobl
esdeM arl
boroughauc our
sd elas a
ison
2013-2014apuê tr
eréal
isée(Figur
e44).

F
igu
re44:Ind
ice
sdeW
ink
lere
tdeH
ugl
inaprèsc
orr
ect
ion
sdub
iai
spa
rré
gre
ssi
on
l
inéa
ire

Aprè
scor
rec
tion
,le
sv a
leu
rsdel
’ind
icedeWink
lerpourl
essec
teu
rscul
tiv
éss on
tcompr
ise
s
e
ntr
e1200(da
nslava
llé
ed eWa
ira
u)et1400d
egré
s-j
our
spourl
essec
teu
rsle
sp l
usproc
hesdela
cot
e,situan
tlesvignob
l e
sd eMar
l boroughdanslaclass
eIselonlac
l a
ssi
fic
ati
ondeW inkl
er(1962).
Cequic or
respondàl aclas
sedes«v ignob
lesd eclima
tfrai
s».L e
sv aleu
rsdel’
ind
ic ede Hugl
in
(1400-1550)obtenuesa p
rèscor
re c
tionclas
s en
té gal
em e
ntc esec
teurd a
nsl ac
las
sed esclimat
s
fra
is
.L ’ut
il
isat
iond ec esind
ice
s,l argemen
tr épandusdanslesétudesvi
tico
les
,perm e
tdon cde
si
tuerlesi
ted’étudeparrappo
rtauxa ut
resvignobl
esm ondia
ux.

90

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
6
.8 Con
clu
sion
Lebiai
sfro
idm oyenàl’éch
ell
ed’un
esai
sondu m
odèle WRFn
’es
tpascons
tan
tdan
sletempse
t
d
ansl’
espace
.L adi
st
ribu
tionetl
’in
ten
si
tédubi
aisv
ari
efor
temen
tsuiv
antl
em omen
tdelajou
rné
e
e
tlescond
it
ionsatmosph
ériqu
es.

Dansl ec ad
red er echerchesfutur
espou ram é
liore
rl aqu a
li
téd el am odél
isation
,i lserait
inté
r e
ss antd’évalu e
rlaqu a
li
tédu MCGu ti
li
s épou rlefo rçag edelag r
il
le1(27km )àd i
ffé
re nt
s
mom entsd elaj ournéee tsou sl esc ondi
tionsa tm osph ér
iqu e
si dent
if
ié e
sd ansc ec hap
itre.
Diacones cueta l(2007 )on tm ont
réqu eleserreursd esm odèlesdelargeéc hel
leu t
ilisé
sa uxbo rds
d’un m odèleàairel imi
t éecondi
tionnentleser
r eursobservé eslorsdelarégion a
lis
ation.D ansnotre
casd ’
ét ude,silesb iai
sob se
rvéssontsim i
lai
resàc euxob tenuesp a
rlam odél
isation WRFàun e
résolu
ti ond e1km ,l’origineprin
cipa
l edub iaisp rov
ie ndraitdu MCG .D ansl eca sc ont
rai
re,il
pourra
its ’ag
ird ’un p roblèmed ep aram é
tr
isation du m od è
le (Créta
te ta l.
, 2012 ) ou bienà
l’in
c e
rtitudeliéeàl ar égiona
lisa
tiond eladonn éeetàl ’inc ap
aci
tédu m odèleàr eprodu
irel es
phénom ènesphy s
i quesd eséchel
leslocale
s.P arailleu
rs
,l e MNTu t
ili
sép a
rl em odèlen epossède
pasun er éso
luti
onsp a
tialesuff
isan
tepou rbienre p
ré s
enterl atopographi
ec om plexedus i
t ed’é
tud e
.
L’u
ti
lisationd em od è
led ’éléva
tionpluspréci
se stun episteàe xplo
rerpourlar éduct
i ondub ia
isd e
WRF.

Laco
rre
cti
ondub ia
isde WRFparrégre
ssi
onlin
éai
reenuti
lis
antl
erése
audestat
ionaperm
isde
cor
rig
erlesvale
ursdesindi
cesbi
o c
limat
iquesàl’é
chel
led’unesa
isonvég
état
ive
.C ep
endan
tc e
typedecor
rect
ionsem b
lepeuapprop
riépourd’a
utre
suti
li
sat
ions
,lacor
rec
tionét
antpeuef
fic
ace
surde
séchel
lestempor
ell
esplu
scourt
es.

91

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 C
onc
lus
iond
elad
eux
ièm
epa
rti
e
Les modèl
esd ynamiqu
esàhauteréso
l u
tionrepr
ésen
tentauj
ourd’hu
iund e
sa x
esdereche
rche
pourl ’amél
iora
tion del aré
solu
tion spati
aled esm odè
lesclimat
iques. Dansce
tte pa
rti
e,
l’ut
il
isat
iondu mod è
le WRFa m i
se nv aleurle
sv ar
iat
ionsdest empéra
ture
sàl ’
éche
lled e
s
vignob
l e
sd e Mar
l bo
rough
.Latopographiecomplexej
oueunrô l
eimpo rt
antdansladi
str
ibut
ion
desindice
sbiocl
ima t
ique
sdel
arégion,etdoncsurlaphéno
logiedelavigne
.

Ces mod
èle
sd ed escen
t ed’éch
elledynamiquep euv
e n
tê t
r ecombi
n ésave
cd esm ét
hod e
sd e
descen
ted’éc
hel
l esta
ti
stiquepoura f
fin
ere nco
rel aréso
lutionspa
tia
l eouélarg
irlac ouve
rtur
e
spat
ialede
s modéli
sat
ionsau xéchel
leslesplu
sfi n
es.L’emploidecesm ét
hodesrédu
ité ga
lement
lestempsdecal
c u
l,ouvrantain
sidesp e
rspec
tiv
esi n
tér
essant
e spou
rd elamodél
isa
tionclimat
ique
avecdesré
solu
tionsplu
sfi n
esetplusadapté
esàl avi
tic
ultur
e.

Unec onna issanced el’incerti

tudeliée àl a mod élisati
one s tnécessair
epou r amé
lio
rerl a
préc
is
iond esm odèlesdan sle
sann éesàv en
ir
.Laqua litédumod è
le WRFaé téé v
aluéedanscette
par
tieàt raver sunes éri
ed etests.Lescondit
ionsa tmo sphériquesglobale
sj ouentunr ô
leimpor
t ant
danslac apa c
itédu m odèleàr eprodui
rel e
st empératuresàl ’ é
chel
led esv ignoble
sétudié
s.À
l’é
chel
led ’un esaison,ilestpo ssib
ledec orr
ige rpartie
llem en
tc eb i
aise nuti
lisan
tun erégr
ession
lin
éairee ntrel e
sdonn é
e sm e
su réesparlerése aud estationsetlessort
iesdumod è
leà1km . Mais
ce
ttec orrect
i onn ’apportequ ’un eréponsepartiell
eàl ’incer
titudeassociéeà WRFdan sc ec as
d’é
tude
.L eb i ai
si ssuduf o
rç agedu mod èleau xl
im itesd esondoma inepa rle MCGdo i
têt re
quant
if
ié pou rd ist
i nguerl’inc e
rti
tude appor
t er parc haqueé che
llespa t
iale,et appor
terl es
corr
ect
i onsr equisespou rlimi
te rl’e
ffe
tdec ascad ed’
in cer
titudelorsdelar égi
ona l
isa
tion
.

Deplus
,l’é
tudea montr
équ elesm odè
lesdynamique
sr é
gionauxn erepr
ésent
entpasbienl
es
aspec
tsle
spluslocauxdeladi
stribu
tiondestempéra
tur
es,fa
cteurimport
antd’unter
roi
rvit
ico
le.
Pourêtreenm esuredes pa
tial
iserlesv a
ria
tion
sd estempératu
resau xé c
hel
lesfine
s,iles
t
néces
sai
red es’appuye
rsu rd e
s mod è
les pos
sédantdesrésolu
tion
ss pat
ialesplu
sfines
.L es
mét
hodessta
ti
st
iquesded e
scen
t ed’éche
ll
ep ré
sentée
sdansle chapit
re6 p euv
entégal
em e
ntêt
re
employé
esàpa r
ti
rd eré
seauxd’obser
vat
ionpourinte
rpol
erlesvari
ablesc
limat
iques
.

Le
s mod èle
sd ynamique
sr ég
ionauxr e
sten
tc ependan
td es outi
ls import
ants pou
rla
carac
tér
isat
ion du climatrégiona
ld ’unerégion v
it
icole
.É tantl a
rgeme n
tu t
il
isé
s dansla
modé
lisa
tionrégional
e du changementclima
tique
,l e
uru t
il
isat
i on e
tl e
ur am é
lio
rat
ionson
t
indi
ssoc
iable
sd el’a
ff
inementdelaréso
lut
ionspat
ial
ed e
sp r
ojec
tionscl
imatique
sfutu
res

93

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 TRO
ISIÈMEPART
IE: MODÉL
ISAT
ION
STAT
IST
IQUEÀL
’ÉCHELLELOCALE

La d
ist
ribu
tion d estemp éra
t ur
es àl ’éch
ell
ed ’une appell
ation peu
tp r
ésente
rd e
sé carts
import
ants
,influan
tf or
tem en
tl aphénologi
ed elavign
ee tle
sc aracté
ris
tique
sd esrai
sins(t
au xde
sucr
e,acid
ité…).L esréseauxd em esur
esna t
ionauxnes on
tpa sa sse
zd ense
spou rm esur
erc et
te
var
iabi
li
télocaleduc limat
.A univeaud elam odé
li
sat
ion,lapa rt
i epréc
é de
ntea montréqu eles
modè
lesdynam i
qu esrégionauxn ’ontpase ncor
ed esrésol
utionsspatia
less u
ff
isan
tespou rbien
repr
ésen
terlesv a
riat
ionslocalesduclimatsansengendr
erun efort
ei nc
ert
itude
.

L’
ins
talla
tiond eréseauxspéc
if
iqu e
sàl ’
éche
ll
ed ’appe
lla
tion
sv i
tic
olespermetdeprendr
ee n
c
omptel eseffe
tslocauxag i
ssants u
rl ecl
imatàl ’éche
ll
el oca
le.D anscec as
,lec ho
ixd e
l
’empl
ac em e
ntd es pos
tesd em esuresestesse
ntie
l.A uc on
trai
red esstat
ionsd e
sr éseaux
m
été
orologiquesnat
ionauxdontl’emplac
ementdoi
té v
ite
rl’in
flu
enced’obsta
cle
s,l’
ins
tal
lat
ionà
p
rox
imitéd efact
eurslocauxinf
luantlemicroc
limatdoitêtr
ep r
ivi
lég
iée.Lesdonnée
sob t
enu e
s
p
euven
te nsuiteêt
rei n
terpo
léespou robte
nirdesdonnéess pa
tia
li
séesc ou
vrantl
’ensemb
ledu
s
ect
eurd ’é
tude(Chapi
tre8).

Lesrégr
ess
ionsl in
é a
ires sontl es méthode
sd ’int
erpola
tion cla
ssiquem
entu ti
li
sées pour
modél
ise
rle
sdonn ée
sissuesdesr é
seauxd em e
sure
sau xéche
llesloca
les
. Maisl
’hypo
t hè
selin
éair
e
indui
tenerep
résent
epa snécessai
rem en
tbienlarela
tionent
rel avar
iabl
ec l
imat
iqueétudi
éeetson
envi
ronnem
entl o
cal
.L ’ut
il
isa
ti ond e modè
lesplusc ompl
exedo i
tam él
io r
erlaprécis
iond eces
modèl
essta
tis
tique
s,et pa rc onséquentlac onna
issance duc l
imatl oca
ld el’espaceétudi
é
(Chap
itr
e9).

L
esc a
rtog
raph
iesain
sic
réé
espe
uven
têtr
eemp loy
éespou
rétudi
erfi
nementlav a
riab
il
ité
spa
tia
leettempore
ll
e duc
lima
tlo
caldes app
el
lat
ionsv
it
ico
les
.L ’
imbr
ica
tion d
esé ch
ell
es
c
lima
tiquesamènen
tnatur
el
lementlaques
tionsurl’or
igi
ned ece
ttefor
tev a
riab
il
itéspa
tia
ledu
c
lima
tàl ’éc
hel
leloca
le
.L’ét
uded e
ssit
uat
ionscl
ima t
ique
sd e
séchel
lessupér
ieure
se s
tun moy
en
d
em i
eu xappr
éhend
erlecompor
tementduc
limatdeséchel
lesi
nfé
rie
u r
es(Chapi
tre10)

95

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE7: MODÉL
ISATIONLOCALEDES
TEMPÉRATURES:APPROCHE MÉTHODOLOGIQUE

Lesré
s e
auxdem esur
esnat
ionauxdoiv
entre
spect
erd e
snorm
esspé
cif
ique
sé v
itan
tl’
inf
luen
ce
d
esfac
teurslo
caux(OMM ,1990). Or
,àl’éch
ell
el oc
ale
,le
stemp
éra
ture
sp euv
entpré
sen
terdes
v
ari
at
ionsimpor
tan
tessurd
efaib
lesdi
stan
ces
.

L’
ins
t a
lla
tionderéseauxspéci
fiquesd ansplus
i eu
rsvignoble
sap e
rm isdem e su
rerlesv a
ria
tions
l
oca
lesd et empér
atur
es,m a
isé ga
lem en
td elessp a
tia
li
sere nuti
lisantdesm odèl
esd er ég
ress
ion
l
iné
aire(Bois,2007; Madel
in,2004;Bonn ardotetal
.,2012;Bonn efoy
,2013;Bo isetal.,2014)
.
C
ependant
,l’hypothè
sed elin
éar
itée stlimit
anteetc esm odè
lesn ereprés
e nt
entp astoujou
rsb ie
n
l
esrel
ationsent
relestempéra
turesetl e
sp ar
am èt
reslocaux.Desm éthodesonté tédével
opp ée
sp lu
s
r
écemm entg é
ran
tm ieuxlacom p
l e
xitéd esrel
ationsent
relesv a
riab
l esàe xpl
iqueretlesv ar
iabl
es
e
xpl
icat
iv e
setlimi
tantains
il’
incer
ti
t udeliéeàl’ut
ili
sat
iond ecetyped em odèle
.

Cechap
it
reser
ac onsac
rédansunpremie
rtem psàlad e
scr
i p
tiond’unréseaudem e
suresins
tal
lé
d
anslebutdem esu
r e
rlestempér
atu
resdanslesa ppe
ll
ati
on sdeS a
int-Émil
ion
,Pom ero
le tleur
s
s
ate
ll
it
es.Dan
suns econdtemps
,deux mod
èless
tatis
tiqu
esd espat
ia
lisa
tiondestempé
ratu
r e
sseront
d
écr
is:unm odè
led erég
ress
ionl
inéa
iremul
tipl
ee tunm odè
l ederégr
essionnonli
néa
ire.

7
.1 Con
tex
teg
éog
raph
iqu
eeth
is
tor
iqu
edelav
it
icu
ltu
reàS
ain
t-Ém
il
ion
Lesa ppe
llationsdeS ain
t-Ém il
ion,Pom ero letleur
ss a
tel
lit
ess esituen
td anslap art
ienord-estde
larégionNouv e
lle
-Aqu i
taine,à40kmd eBo rdeaux,surlarivedroitedelaDo rdogne,àp roximit
é
delav ill
ed eL ibourne.L av it
icul
tureaé téi n
trodui
ted ansc ett
ep ar
tied el ’Aquita
inep arl e
s
Romai n
s,pu isd é
veloppéea u
t ourdenom bre ux monastè
resetcentresdesoinsp allia
ti
fs.Lestatutde
«j u
ridict
ion»d eS a
int-Émilionaé téa cc ord éauc oursdel’occ upa
tiona ng
l ai
s eau XX I
Ie siècle
.
Depu
isl evi nestlargem e
nta ppréci
ép arl’en sem b
led elapopulat
i on.Lac é
lébritéd eSain
t-Ém i
lion
comm enceàl af indu X IX e
s
i è
cle
,qu andl eM erlo
td evien
tun evarié
téim portan
teà Bo rdeaux
(beaucoupp lust a
rdp arrappo r
ta uM édoce tS au
ternes
).L aréputat
iond ePom erolnesed éveloppe
qu’au XX e
s
i è
clea vecl’a
ided enégociantsi nflu
e n
tsquis esonti n
sta
llésd a
n sl avi
lledeL ibourne
dansl esa nnées1930 .L av it
icul
tured e vie n
tlap r
incip
alea ct
i v
itéa g
ricolee tc ont
inu ed ese
déve
l opperv er
sl ep aysagequ enou sc onn aisson
sa ujourd
’hui,ob t
e n
antlar econn a
issa
ncee nt an
t
quepa ysagec u
lture
ldup a
trim oinem ondiald el’Un es
coe n1999.

Lesappel
lati
onsS ain
t-Émi
lionetSai n
t-Ém
il
ion Grandcrurepr
ésen
t e
nt9c omm unessurle
s16
p
résen
tes(Saint
-Ém i
lion
,S a
int-Chr
is
t ophedes
-B a
rdes
,S ain
t-Hippo
lyte
,S a
int
-Étienne
-de-L
iss
e,
S
ain
t-Laur
ent-des
-Com bes
,S aint
-Pey-d’Arm
ens,S ain
t-Sul
pice
-de-F
aleyr
ens
, V i
gnon e
te t une
p
art
ied eLibourne)pourunesup er
ficieenvigned e5350h a
.L erest
edus it
es ec omposedes
a
ppel
lat
ionsP omerol(750ha
),L a
landed ePom e
rol(1150ha)
,Puissegu
inS a
int
-Ém i
lion(725ha
),

97

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
MontagneSa
int-Émi
lion(1600 ha)
,L us
sacSain
t-Émili
on(1440ha)etSain
t-Georg
esS a
int
-Émil
ion
(190h a
).Cet
terégi
onp rodui
tprinc
ipal
em en
tduvinroug e
,c ompr
enantcer
tain
sd esdomaine
sles
pluspres
tig
ieuxdeBo rdeaux
.L esvar
iét
ésc u
lt
ivé
esd anscesappe
lla
tion
ss on
tleM e
rlo
t(envi
ron
70% )
,leC abern
etfranc(env
iron25 %)e tleCabernet
-Sauv
ignon(envi
ron5 % )
.L ’
essen
ti
eldu
vignobl
eestplan
téàd esdens
ité
sv a
ria
ntentr
e5000e t6000pied
sparhect
are.

S
ituéedansleb as
sinaquita
in,larég
ionsedém a
rqu eparunrel
iefplusmarqu équeleres
tedela
G
irondev i
ti
c ol
e(F igure 45).L esvignob
lesd eS a
int
-Ém i
lionet Pom e
rolson tsi
tuéss u
rd e
s
s
é d
im en
tsg éolog
iquesquion tétééta
blisaucoursdel’èrete
rtia
ireetqua
ternair
e.C esec
teures
t
c
aracté
risép a
rung randp l
ateaucalc
airete
rt
iai
reàe nvi
ron100 m ètr
esd’ a
lti
tude
,f a
çonnép a
r
l
’éros
iond esrivi
èresquicoulentausud(Dordogne)etaunord-oues
t(Is
le)
.Su rlefonddesval
lée
s
p
late
s,lesso
l sgrave
leuxetsableuxsesontdéve
loppéssurdesal
luvionsqua
ternai
res

F
igu
re45:T
opog
raph
iee
thy
dro
log
ieduSa
int
-Ém
il
ion
,Pom
ero
letl
eur
ssa
tel
li
tes

Larégionestc a
rac
tér
iséeparunclimatocé
a n
iqu
eoùl e
sfluxd ’ou
estsontm a
jor
ita
ire
setl e
s
p
réc
ipi
tat
ionsrégul
ière
ssurl’anné
e,avecun max
imume nhive
retun m in
imumdu ran
tlap é
riode
e
st
ival
e.L aproximi
tédel’OcéanAtl
ant
iquerégu
lele
stempér
atur
esm in
im a
lesetl
imitele
sg e
lées
p
rin
tan
ières
.U n
es t
at
iona pp
arte
nantaurése
auM é
téoFran
cee s
tp ré
sentesurlesi
te,avecun e

98

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
7
.2.3 Lap
ent
e
Laquant
itédechal
eurre ç
uep arunesur
facevaê t
refonc
tiondel’
incl
inai
sond ecet
tesur
face.Un
fa
isceaulumineuxsed i
ffuser
as urunes u
rfac
ep lusfaib
lesil’
inc
linai
sonestim por
tant
e,ets e
ra
doncplusconcen
tré
.L eso
le tlavégé
tat
ionsitu
é ssurunepent
eplusabrup
teserontdoncpriv
il
é g
iés
entermesd’appor
tthe
rm iquep a
rrappor
tàun es ur
facepl
usplane
.L ’
int
ensi
tédec ha
leurreçuepar
unesurf
aceincl
inéese
lonuna ng
leαs’écr
itsouslaforme:I=Rs in(h+α )avecRlerayonnem en
t
sol
airedusolei
le thl’angled ’
inc
idencedesr ayonsdusole
il(dépendan
td elalat
itudeetd ela
sa
ison)
.

7
.2.4 L
’or
ien
tat
ion
L’o
rien
tat
ionp e
utêtredéf
iniec omm el’a
ngleparrappor
ta unordgéograph
iqueforméparla
p
erpend
icul
air
ed el asur
faceé tud
iée.L’or
ien
tat
ion vaim pac
terlestem pé
ratu
res
,c a
rel
lev a
d
éte
rm i
nerletem p
sd ’
expos
it
i onàl ’éne
rgieso
lai
re,ains
iqu el’
exposi
tionauv en
t.Lespent
es
e
xposéesausudvontrecevo
irp lusd’éne
rgiequecel
lesexposée
sa unord.C e
sd e
rni
ère
ssontde
p
lussoumise
sa uxvent
sd enord,plusfro
ids(dan
sl’hémisphè
re Nord
).Le spen
tesor
ien
tée
sv e
rs
l
’es
tr ecevrontlalumièr
edus o
lei
ld èslespremière
sh e
uresduj ou
r,l imi
tantlerisqued egel
.
L
’or
ien
t a
tione nd eg
réouradianes
tdiff
ici
lem en
tintég
rab
led a
nsun eétudequ an
ti
tative
. Unangle
d
e359 °etuna ngl
ed e2°vonttousle
sd euxsign
ifi
eruneorien
tat
ionno rd ma
iss e
rontinte
rpré
tés
c
omm et rèsd i
ffér
entspartousleslogic
iel
ss ta
ti
st
iquesetd eSIG.U nes o
luti
onc on
sis
teàl a
d
écom pos
ition end eux ve
cteur
s Ue t Va l
lan
td e-1 à 1 enu t
il
is an
tl atrigonomét
rie
,U
c
orre
spond antàl’or
ien
tat
ionnord
/sudetVàl ’or
ien
tat
ionest
/oues
t.
U=c
os(a
ngl
eenr
a d
ian)e
tV=c
os(a
ngl
eenr
a d
ian)
7
.2.5 L
esc
oordonn
éesg
éog
raph
iqu
es
Laloca
li
sat
ionel
le-mêmedupo in
td emesurees
tàc ons
idér
erl o
rsd el
’ins
tal
la
tiondessite
sd e
mesu
res
.L avar
iat
ion du c
lima
t àl ’éch
ell
el o
caleestd épendan
ted esé che
lle
sc l
im a
tiques
supér
ieu
res.Desgradi
ent
sout endance
sr é
sul
tan
td ecet
teim bri
cat
iond ’éc
hel
lesinf
luentsurla
di
str
ibut
iondestempéra
tur
es.Cert
ainsfac
teurs(
riv
ière
s,haie
s,c ons
truc
tions…)vontég a
lem e
nt
jouerunrôlesurd anslarép
art
itionspat
ia
led e
st empér
atur
e s
.L ’
inté
grat
iond escoordonnées
g
éog
raphi
que
slo
rsdel’
im p
lan
tat
ionde
scapt
eursp
rendencomptece
sinfo
rma
tion
s,m
aisi
ln’
est
p
aspos
sib
leded
écompo
serlapa
rtd’
inf
lue
ncedese
sdif
fér
ent
sél
ém e
nts
.

Leré s
eaud ecapteu
r do
itc ouvri
ra um ax
imuml ’en
sem bledec esp aramè
tre
s pourévi
ter
l’
e x
trapola
tionlor
sd elaspa
ti
alisa
tiond e
stem pé
ratu
res
.D anslecasdur éseauin
sta
ll
ésurlesit
e
borde
lais
,l’ensembledespen
tesetd esorien
ta
tionsson
tbienc ouve
rtesparlerés
eau.Lesesp
aces
le
sm o
i nsélevé
setl e
spluspla
tss ontsous
-rep
résen
tés
,m ai
sc et
tep a
rt
icula
ri
téestin
tent
ionn
ell
e;
ce
ss ec
t eu
rssontlesm o
insà mêmed eprésen
terdesvar
iat
ionsim po
rtan
tesdetempéra
ture
s(Fi
gure
47etFigure48)

101

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lesca p
teu
rsapprochen
tdem ani
èreponc
tue
ll
eladimen
sioncl
imat
iqu
ed ’unte
rro
irvi
ti
col
e.L e
s
m
éthodesd’
int
erpo
l a
tionspa
ti
ale
sest
imentunevar
iab
lee
nt ou
tpoin
tdel’
espacecons
idé
réàp a
rt
ir
d
epo i
ntséchan
ti
llonnés
.

7
.3 L
esm
odè
lesd
esp
atia
li
sat
iond
est
emp
éra
tur
esal
’éch
el
lelo
cal
e
Lesm éthodesd’in
terpolat
ionsp a
tia
leson tnom b
reusesetreposen
tsurde spr
i nc
ipesvar
iés.El
les
peuventê trer épar
tie
se nt roi
sg randsg roupes (Bo is
, 2007):l es m é
thod e
sd é
termin
is
tes,
probab
ilis
tes(stochas
tiques)etlesm éthodesd er é
gress
ion.L e
ste c
hnique
sd étermin
iste
ss ebasen
t
uniquementsu rdesre
lationsm athémat
i que
ss ansteni
rc om p
tedelav a
ria
tionduph énom èn
eétudié
.
Lesm éthodesp robab
il
istesfonta ppelàun m odèlereposantsurladist
ribut
ionsp at
ia
lee nt
reles
dif
féren
tesdonn é
esétudiées.L e
sm odèlesder égres
sione s
timentlarel
at
i one n
treunev ar
iabl
eà
expli
quere tdesv a
riab
lese xpl
icat
i v
es.L esm éthodesdétermin
is
tesetstochas
tiquesn’ayan
tp a
sété
em pl
oyéesd ansc e
tteétude,seulslesm odè
lesd erégress
ionsontd éc
ri
ts
.Pou rp lusded é
tai
ls
,les
lecteu
rspou rrontser éf
érera uxd enom breuxouv ragestra
ita
ntsdusu jet(Bivandeta l
.,2008;
Hengl
,2009; W acke
rnag e
l,2013).

7
.3.1 M
odè
led
eré
gre
ssi
on
Lesm ét
hodesd erégre
ssionvisen
tàe xpl
iquerunev a
riab
le,ic
ilat empéra
ture
,paruneou
plu
sieur
sv a
riab
lesexpl
ica
tivesconnue
s,i
cilesva
riab
lesenvi
ronnemen
talesdér
ivée
sdu MNT.L es
techni
quesd erégres
sion peuv
e n
têtrep a
ramét
rique
s ou non pa
ram é
tr
iques
,linéa
ire
s ou non
lin
é a
ire
s.D enom b
reuse
sétudesontétér
éal
isée
sd an
sledom ai
nedelarégress
ionetce
sm é
thodes
sontla
rgeme n
tdocumentée
s(Cornil
lonetM a
tzne
r-Lobe
r,2011; Wa
ckernage
l,2013
)

7
.3.1
.1 R
égr
ess
ionl
iné
air
e mu
lt
ipl
e
Dansle
sétude
sd em od
éli
sat
iondestem p
éra
ture
sauxéche
lle
sfi
nes
,lesmodè
lesderég
res
sion
sontrégu
liè
rementu
til
isé
se tplu
sp ar
tic
uli
èremen
tlesm od
èle
sderégr
ess
ionl
inéa
ire
,prés
enté
s
pré
c é
d emmen
tdansl
ec hap
it
re6(Jol
yeta l
.,2003;Bonn
efoy
,2013
).

Dufai
td elad ive
rsi
téd e
ssitua
tionscl
im a
tiques,l’en
sem bl
ed esv a
riab
lese xp
lica
tives( al
tit
ude,
pen
t e
,o r
ient
ation… )nev ap asa vo
irune ffetstat
ist
iquem en
ts igni
fica
ti
fsu rlad is
tr
i butiond es
tem pé
ratu
res
.I lestnécessa
iredes é
lec
tionnerlesv ar
iabl
ese xpl
icati
vesvia unc r
it
èred es élec
tion
pourd ’obt
enirl e m ei
lleu
rc om p
romisb iais
-v a
rianc
e.P lusieur
sc rit
èrese xis
tent
,l e
sp lus
couramm en
tu ti
lis
ésétantleR²,leR ²ajus
té
,l eCp(Co l
inL ingwood )
,l’AIC(Ak aikeIn formation
Cr
iter
ion)etleB IC(Ba ye
sianInforma
tionC ri
terion).U neséle
ctiond em odèl
ep arleR ²etleR ²
aju
stéestp euc onse
il
lée
,c aril
sa ugmententa veclenom b
red ev ar
iable
se xpl
icat
i v
es.I lsseront
ut
il
iséspourc ompare
rd esm odèlespossédantsunnom breé qu
iv a
lantdev ariab
lese xplicat
ives.
L’AICestsurtoutadapt
épou rlesétude
snonp aram é
tr
iques(nom bredep ar
am èt
resinfin
i s)(L iuet
Ya
ng,2011
). De
uxc
ri
tère
sson
tdon cr
ete
nus:LeCpe
tleBIC
.Pourchacund
ece
sdeuxcr
itè
res
,
unepro
cédur
ed ev
ali
dat
ion c
roi
séeestm i
seenpl
ace
. Un é
chan
ti
llon,d
itd
’en
tra
înemen
t,

103

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
r
epré
senta
nt80%desc ap
teu
rsestt
iréaléa
toi
r emen
t,les20 %r e
stan
tserv
antàlav a
lida
tion
.Sur
c
etéchan
til
lond’e
ntr
aînemen
t,lem odèleder ég
ress
ione sta ppl
iquéunepremièr
efoiss e
lonle
c
ri
tèr
e Cpe tunesecondefoi
sa veclecri
tèreB ICetl ’opérat
ionestrépé
tée1000fois.A p
rès
c
om pa
rai
sondesré
sul
tats
,le
sm odè
lessélec
tionné
sa v
eclec ri
tèreCpp r
ésen
tentl
eserr
eurslesp
lus
f
aib
les
,cecri
tèr
eestre
tenupoursé
lect
ionne
rl esva
ria
blese xp
licat
ive
slesplu
sp e
rt
inen
tes
.

Ce
pendan
t,c
esm odèle
sn ep
euventpa
sr ep
rodu
irec
ert
ain
esr
ela
tion
spluscomp
lex
esen
trele
s
t
empér
atu
rese
tlesvari
able
senv
ironnemen
tal
es.L
’emplo
idemodè
lesplu
séla
bor
éspeutd
iminu
er
l
ese
rreu
rsdepr
édic
tions
.

7
.3.1
.2 R
égr
ess
ionnonl
iné
air
e:Suppo
rtV
ect
orR
egr
ess
ion(SVR
)
Lesrel
ationsentr
el estemp ér
ature
setlesfa
cteu
rsloc
auxsontsouventcomp
lexesetd e
sm odè
les
p
lussophi
st
i quésexi
ste n
tpou rlesrep
rése
nte
r.Un modè
lepolynomial
,un modè
lelogari
thmiqueou
t
outautr
em odèlemettantenj euunere
lat
ionexpl
ici
teent
relesva
riab
lesexp
lic
ati
v e
se tàexpl
ique
r
p
eutêt
reem pl
oyé.D et e
lsm odèlesson
tplusfl
exib
lesmaisleu
rspropr
iét
éspa
ram é
triques
,c’e
st-
à-
d
ireest
im e
rl afon c
tioni n
c onnuea ve
cd esparamè
tre
se st
imés( β0 et βi d anslec asdela
régre
ssi
onli néaire
),leslimitentàc e
tteformee xpl
ici
ted erel
at
ion
.D anslecasd’es
timat
i ondes
tem p
éra
tur
e sj ournal
ière
s,ils e
r a
itné
cessa
ired edé
terminerchaqu
ejourqueles
tletypedem odè
le
leplusada
pt é(po lynômial
,l ogar
ithm
iques…),c equies
tdiff
ici
lemen
te nv
isag
eabl
epourm odé
lise
r
desdonnée
sj ournali
èresàl ongt e
rmeetpou rlagén é
ral
isa
tionàd’au
tress
ite
sd ’
étude
s.D ’aut
res
typesdem odèl e
sd er ég
ress
i on,nonparamé
triques
,e x
is
tentetpos
sèden
tun ep
lusgrandesouples
se
pourlamanipu la
tiond ecetyp edejeudedonn é
es.
1
)Suppo
rtV
ecto
rma
chin
es(
SVM
)

Les Suppo
rtV ec
torM ach
ine(SVM )sontissusdelat héo
rie«m ach
inel ea
rning (Cor
teset
Vapnik
,1995)e tsontlargementut
il
isé
spourl acla
ssi
fic
ati
ond ’
im ag
e(B etbed
ereta l
.,2014;
Dusseux etal
.,2014).U nd eleurpr
inc
ipa
li n
térê
testleu
rc apa
cit
éàu ti
li
serd essépar
ateu
rsde
typesnonl iné
aire
svial ’ut
il
isa
tiondenoyaux.L eprin
cipeestd’augmenterart
ifi
cie
llemen
tla
dimensiondesdonn ée
se nya jouta
ntdel’in
format
ionredondan
te( a
stuc
edunoy a
u).Ains
i,la
clas
si
ficat
ionn’es
tp aseffe
ctuéedansl
’esp
acei n
it
ia
l,m a
isdansune spac
ep roj
etéd edimens
ion
infi
niequiam é
lior
elas é
p a
rabi
li
tédescl
asse
s(B e
tbede
r,2015)
.L eu
ruti
lis
ati
onaé téa d
apté
epour
lesproblème
sd erégr
ess
ions.
2
)Suppo
rtV
ecto
rReg
res
sion(SVR
)

L’
idéeprin
cipa
lerepo
sesurl’id
ent
ific
ati
ona ut
omat
iqued esuppo
rtvec
tor(
issu
sd e
sdonn é
es)
e
ntr
elesque
lslarég
ress
ionnonlinéa
irees
te s
timéeàtra
verslenoyauK.I
lsson
tp a
rt
icul
ièr
em en
t
e
ff
icac
espourest
imerdesre
lat
ionsnonlinéa
ire
sc omp
lexesgrâ
ceàl’em
ploidunoyau
.Lafonct
ion
d
erégr
essi
ona s
soc
iéees
tlasuiva
nte:

104

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 N
Y(X)
=β0+∑βiK(
X,Si)
+ε
i=
1

AvecSl e
ssupportsvec
tor
s,β0l escoeff
i c
ien
tsassocié
setKl enoyau.Lav al
i da
tiond e
sm odè
les
s
’ e
ffectu
ep a
rv al
ida
tioncro
isée
.L ejeud edonnéee s
ts é
paréenké chan
ti
llond edim ens
ion sé ga
les
(ArlotetC e
li
sse, 2010
). Cha quem odèleeste nt
raînés u
rk -1 é ch
ant
illon ete stv alidésu r
l
’ é
c han
ti
llonres
tant
.C eprocessuse s
tré p
étépourc haqueéchant
illondem aniè
r eàc equ et ousles
échant
il
lonssoitut
il
iséspourlav al
i d
ationetpourl’entr
aînement.L emeil
leurm odèlep a
rj oures
t
re
te nu
.E npra
tique
,k=5(80%duj e udedonn éepourl’en
tra
înem entet20 %pou rlav al
ida
ti on)est
laré p
art
it
ionlap lu
sc ommun ém en
tu t
ilis
é e
.L escar
tesd e
stem pératu
resm axim a
lesetm inim a
les
journa
lièr
essontensui
teobt
e nuese nappliquan
tc emod è
leobtenuàl ’
ensem b
ledus i
t ed’é
t ud e
.

7
.4 Con
clu
sion
Unr é
seaud eca p
teuraétéi n
sta
lléenfonc
tiondesp a
ram ètr
eslocauxinf
l u
antsurladi
str
ibuti
on
de
st em péra
ture
sd anslesa ppe
lla
tion
sd eSai
nt-Émil
ion,Pom eroletleu
rss a
tel
li
tes.Lesméthodes
d’
inte
rpolationspat
ialep e
rm e
tten
t,àp a
rt
irdesdonn ée
sm esuré
es,desp a
tia
lis
erc e
stempéra
t u
res
surl’ensembledus i
t ed’é
tude.Lesm odè
lesderégress
ionslinéai
ressontclas
siquemen
tem ployés
,
ca
ri l
ss ’appuien
tsu rlesre
l a
tion
se n
trele
stem péra
ture
se tl’envi
ronneme n
tlocal
.C ep
endantles
re
l a
tionss ta
tis
tiquese nt
rel esv ar
iab
lese nvi
ronnementalese tlest empérat
uresn’ét
antp a
s
néces
s a
ireme n
tli n
éaire
s,d esm odèl
esplusc om p
lexessem blen
tp lusa pp
roprié
s pou
rc et ype
d’
étud e
.

105

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAPITRE8: COMPARA
ISONDEDEUX MODÈLES
STAT
ISTIQUESDESPATIAL
ISAT
IONDESTEMPÉRATURES

Und esa van

tag e
sd el am odél
isa
tions ta
tis
tiqued est empé
ratur
ese st quel’incer
ti
tudee s
t
faci
lementqu an
ti
fiabl
ec on
tra
irementauxa u
tresm odèlesdécr
it
sp r
écédemm ent
.E ne ff
et
,laqu a
li
té
du modèlened épendqu eded euxfact
e u
rs
,t ou
td ’abordlaqual
itédelam e
surequ iestsupposée
fi
a b
lesil eréseaue s
te nt
rete
nue tl e
sc apteu
rsv éri
fiésrégul
ièr
em en
t( é
liminat
i ond esvaleu
rs
aber
rante
se tdesd ér
ives
).L asecondesourced’incert
itudeprov
ientdelac apaci
téd elam éthode
ut
il
iséeàr eproduir
el e
sr e
lat
ionse n
trel avari
ableàe xpl
iqueretlesv ar
iable
se xplica
tive
s.L a
modél
isa
tionp a
rré g
ress
ionlinéa
irees
ts impleàa ppr
é h
e nde
retà m e
tt
ree nplacem aisneg è
rep a
s
lesrel
at
ionsp lu
sc om p
lexes
.L’uti
li
sationdem éthodesplusévolué
esdoitam él
iore
rl aqual
itédela
modél
isa
tionetr édu
irel’
i n
cer
ti
tudep rodui
te
.L aqu a n
tif
ica
tiondug aindep réc
isiona ppor
tép a
r
l’u
ti
li
s a
tiondemé
thodespl
u scomple
xeses
timpor
tan
te.L
asophi
st
ica
tiondu m
odè
ledoi
tappor
ter
uneréduc
tions
ign
if
ica
tivedel’
err
eurtou
tenét
antf
aci
lemen
tre
produc
tib
leda
nsd’a
utr
esé
tudes
.

Danscec h
api
tre
,leréseaudem esur
ei ns
tal
lédan
slesappel
lat
ionsSain
t-Émil
ion,Pomero
let
l
eur
ss a
tel
li
tesaserv
iàc ompar
erun m odè
led er
égr
ess
ionlin
éai
rea v
ecun m od
èleplusc
om p
lex
e
d
erégres
sionnonlinéa
ire(SVR).L echapi
trees
tinté
gra
lem en
tc ompo
séd ’unart
icl
esoumisà
A
gri
cul
turalandFore
stM e
teor
ology( a
c c
eptépou
rpubl
ica
tion
).

8
.1 R
ésum
éét
endu
Lesdonn éesu t
ilis
éespou rlac onstruc
tiond e
sm odè
lesp roviennen
tdur és
ea udec a
pteu
re npl
ace
surlesited ’étude.L esdonn éesj ournal
ièresdesT ne td esT xonté t
éc a
lculéespourc ha
cund e
s
poste
sd em esu resurtroisa nn
éesc onsécut
ives:2012 ,2013e t2014.L e
sd eux modèle
stest
éssont
un modèled er ég
r es
sionlinéai
rem ulti
pleetun m odèl
e«s uppo r
tvecto
rregress
ion».Pourc e
sdeux
typesd em od é
lisat
ion,lesv ar
ia blese xpl
ica
tive
sson tl ’al
ti
t ude
,lap ent
e,l’or
ientat
ionnord/
sud,
l’or
ient
atione s
t/ouestetl escoo rdonn éesgéographiques
.L aqu al
it
éd ec hacund esm odè
lesest
évaluéeparv alidat
ionc roisé
ev iad esindica
teurss ta
tist
iqu e
s(RMSE , MSE,e tc oe
ffi
cien
td e
corré
lat
ion)( Tableau15) .L esca r
tesd et empéra
t u
resm inim a
l e
setm aximalesjourna
liè
resontété
produi
tese na ppl
i quan
tlem odè
leàl ’ensembledus i
ted ’
étudec omm edécr
itd an
slec hap
it
re7.L e
s
car
tesd esm oye nness a
isonniè
r esd e
sT netd e
sT xe tc el
led esd eg
rés-
joursdu1a vri
la u30
septembreon te nsui
teétéréali
sée sàp art
irdescar
t ographi
e sjourna
liè
res(F
igure53) .

Ladi
str
ibu
tiond
eser
reu
rsmon
trequel
esde
ux modè
lespr
ésen
tentd
esré
sidusayan
tunefo
rme
g
aus
sie
nne,lestemp
éra
tur
esne son
tp ascon
stammen
ts ur
est
imée
s ou sous
-es
timé
es.Pou
r
l
’en
sem b
ledesdat
esm od
éli
sée
s,l
em odè
leSVRpr
ésen
tedeserr
eurspl
usfa
ibl
esquel
aré
gres
sion
l
iné
air
em u
lt
ipl
e.L aqua
li
tédesm od
èle
svar
iefo
rtemen
td a
nsl etempspou
rlesTnm a
issans

107

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
p
rése
nte
rdete
nda
nce
,ta
ndi
squ
epou
rle
sTx
,l’
err
eure
stt
ouj
our
spl
usim
por
tan
tea
ucou
rsd
el’
été
(
Figu
re54)
.

Lescar
tographi
esr é
vèlentl’impor
tancedelatopograph
ied anslad i
str
ibut
iond est
em p
éra
tures
.
PourlesTn,lessecteu
rse nalt
itudeprés
enten
tlestem pé
ratur
eslesp lusél
e v
ées
,e tle
ssect
eursde
pl
ainelest empér
ature
sl esv ale
urslesplusfai
bles.Lad is
tribu
tione s
ti nve
rsepourlesT x
,les
tem p
éra
tureslespluséle
vée sétan
tloca
lisé
esenb a
ssealt
itude
.L arép a
rt
it
ionsp a
ti
aledeser
reur
sn e
révèl
ea u
cunp at
tern(ex:err e
urplusimport
ant
esurl e
sp ent
esfort
e s
),lebiai
sestdoncindép
endant
descondi
tionsenvi
ronnem enta
les(Figu
re56,55e t57)
.

L’é
tudea m on
tré qu
el’ut
ili
sat
ion du m odè
le SVR pou rlas pa
ti
ali
sat
ion destem pér
atur
es
p
ermett
ai
td ’obte
nirdescar
tesdet empé
r a
ture
sp r
écis
esàl ’éch
ell
ed esappel
la
tionsétudi
ées.La
c
réa
tionetl’ut
ili
sat
iond em od
èlesadapté
sàl ’éch
ell
el oca
lesontessen
tie
lle
spou ram él
iore
rl a
c
onnais
sanced elacomposan
teclimat
iqued’unter
roi
rv i
ti
c o
le.Enuti
li
santcessor
tiesm odé
lis
ées,
i
le s
tpo ss
ibled em en
erun eétudespati
aleettem por
elledestem pé
ratu
resàl ’éc
helledec es
v
ignobl
es.Cett
eétudecomposelechapi
tresuiv
ant(Chapi
tre9)
.

8
.2 A r
tic
le:Compar
isonoftwof
ines
cal
esp
atia
lmod
elsf
orm
app
ingt
emp
era
tur
es
in
sidewin
egr
owin
ga re
as
R
enanL
eRou
x1,Lau
red
eRe
ssé
gui
er,T
2
hom
asC o
rpe
tt
i,N
1
i
cola
sJ égou
3
,Co
rne
li
svanL
eeuw
en,M
2
a
lik
aMad
el
in4

andHe
rvéQuéno
l1.

LETG
11
-RENNES
,UMR6554CNRS ,Unive
rsi
tédeR enne
s2,Pla
ceduRecteurHenr
iL e Moa
l,Rennes
,F ran
ce
2
UMREGFV
,Bord
eauxSci
ence
sA gro
,INRA,Un iv
.Bord
eaux
,33140Vil
lenaved’Ornon
,F ranc
e
3
IRMAR–UMR6625,CNRSUniv
ers
it
éeuropé
enned eB
retagneRenne
s2,Pla
ceduR ec
teurH enr
iL e Moa
l,Renne
s,Fran
ce
4
PRODIGUMR8586CNRS,Uni
ver
si
téPa r
is–Did er
otPar
is7
,Case7001,75205Pa ri
sC edex13
,France

8
.3 In
trodu
ction
V
it
icul
tureisanim por
tanta g
ricul
t u
rals ectora roundt hew orld,w hichp rodu cesak eyeconomic
ac
tivi
tyform anycountr
ies
.Asu r
f aceof7 .573 m ill
ionh ec
taresofa rablela ndiso ccupi
edbyv ines
(OIV,2015)V inesarev e
rys ensit
ivet oe nvironm entalc ondi
tion s
,w h
ic hi nf
luencey ie
ld,grape
composi
tion
,w inequ a
li
tya nd wines tyle(v anL eeuw e netS eguin,2006 ).T hecon c
eptofterro
ir
repr
esent
st h
iseff
ectofsoi
l,clim a
tea ndt opog raphy,a ndalsoi nc
l udestheim pactofhum anfacto
rs
(vi
tic
ultu
ralm anag
em en
t,choiceo fplantm aterial
).C l
im ateisno ton lych angingfromy eartoy e
ar
(th
eso -ca
lledvintageeffect)
, buti ti sa cknow ledg edt ha
tt her
ei sa l
soat rendt ow armer
tempera
turesduetoclimatec ha
ng e:a nin creaseo fa pproximately1°Ch a sb eenrecordedoverthe
pas
tc en
tury(IPCC,2013 )
.A no
t herincre asei n1t o3°Ci se xp e
ctedt ow ardsthee ndo f XXIs
t

cen
tury
,o fwhichthem agn
itudei sd ep
e ndingont her ateofg reenhou s
eg asem is
sions.Hence,over
thenextd e
cades
,w inemakersw i
llf acea m odif
i ca
tioni nclimatec h a
racter
i s
tics
, whichw i
llresul
t
inad i
ffe
rentter
roi
re xp
ression(B e
ltrandoe tB r
i c
he,2010;N eethling
,2014 )
.Am ongt hedive
rsi
ty
ofclimat
icp aramete
rsa c
ting on g ra pevine phy siology a nd ph enology,t em per
atureiso ften
cons
ideredasthem ostimportant((G l
a ds
t ones,1992; M i
rad eO rdu ña
,2010;J ones,G.e tAlves
,

108

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
2012).M anystudiesha veb eendedicatedtoa ss
essthi
se ffec
tonv ineb eh av
ior.Winegrowingarea
s
haveb eenc las
sif
i e
dby m eanso fi ndexesu s
inga ccum ul
atedh eato rd egreed ay
s(T on
iet
toet
Carbonneau,2004 ). Ot h
eri ndexesh aveb eend evel
op edtor e
lategr apesug arconcentr
ati
on wit
h
tem pe
rature(Huglin,1978 )o rest
im atetheo ccur
renceo fkeyph enologicalstage
sw i
tht empera
tur
e
summ ations(Park e
re tal.,201 1,2013 ).R ela
tionsh
ipsb etweent hesei ndexesandv ineb eh
avio
r
havelargelyb e
e nstudied wo r
ldw ide(Chu ineeta l
., 2004;v anL eeuw ene tal.
,2004; G arc
iade
Corta
zarA taur
i,2006; H a
lletJon es,2009;P arke
r,eta l
.,2013; W ebbeta l
., 2007)
.Int hese
studi
es,d a
tafromon eclim at
es t
ationareg e n
era
llyuse dforeachw inegrow ingregi
on,supposedto
represen
tt hew holea r
e a(G lads
ton e
s,201 1).T hi
sisno toptim a
ls i
n cet em p
era
turesarelike
lyto
showl argev ar
iabil
itya tf in
es cales(S cherre
re tK ö
rn e
r,201 1; Ash croftet Gol
lan,2012 )
.Fo r
exem p
le,S che
rrera ndKö rner(201 1)hav eshownad iffere
nceof10 .5°Ci na nalp
inee nv
ironment
,
and Quénola ndBonn a
rdo t(Qu énolBonn e
foyeta l
.,2014 )
,ad if
f e
re nceo fm or
et han2°Cov era
vineya
rda rea
.H ence,im provedknow le
dg eofl oc
alclim a
tev a
riabi
li
t yise ssen
tia
ltob et
terframe
andim pl
em e
nta dap
t a
tions t
rateg
iest ofuturecl
im a
tec hanges
.

Dif
ferenttypesofm odelsexi
stt orep
rese n
tclim ateone ar
t hatv ariouss ca
les.F orgl oba
ls cale
s,
theG ene
r a
lC ircu
lation Mod e
ls(GCM )a rem ainlyu se dinc lim at
ec h
a nges c
e nari
it oestim at
e
cl
im atep aramete
rsl iket em pera
ture
,r ainfa
lla nd wi nd g lobally
,a t al ows pat
ialr esolution
(~300km ).O bviously
,t heseki ndsofm odelsa reno ts uit
a b
l et ota k
ei ntoa ccountt emperature
vari
a b
ili
tyatl oca
lv ineyards c
ales.Severalstudiesh avet ri
e dt oim provet heresolutiono f GCM ,
leadingt oap anelo fd i
fferen
tr egiona
lc limatem odels,s ucha s RAMS(R egion a
lA tmosph e
ric
Modeling System)o r WRF(W e
atherR esearcha nd F orecasting)
.Int hec ontexto fclim ate
vari
a b
ili
tyi nvineyards, RAMSh asbeenu sedi nt h
ew i n
e g
row ingr egiono ft heS outhA fric
a n
di
str
i c
to fStel
lenboscht ostudyl oca
lcl
im atecirculati
on(Bonn ardoteta l
.,2005 )a tar e
solu
ti onof
200m .H ow eve
r,resultsh aveshownl argep redictione rrorsa tt h
iss ca
le.T hes
ea u
t horsus eda
st
atis
ticalm odelba s
edon m ul
tiplelin
earr egress
i onfroma nob servat
ionn etwo rkt oa ddre
s sthis
issue. WRFi scurrent
l yus e
dt oc ha
rac
terizeclim ateand m odelv ineph enologyi ntheM arlbourgh
region,N ewZ ealand(Sturm anS chulmanneta l
. ,2014 )a t1kmr esolut
ion,y etth eautho r
sno tic
e d
thatfo rasp ecif
icl ocat
i ona ndt ime
,t hism odelc anno tr epresentw ellt hel oca
lv ari
at
i oni n
tem pera
turesb e
cau s
eo ft hecom plexter
r a
i natl ow e
rr esolutions(S tu
rm a nTrough teta l
.,2014 )
.
WRF w a
sa lsousedi nBu rgundy(Xue tal.
,2012)at4kmr eso
l u
tion
,bu tisnotsuit
a b
lefo rfine
sca
letem peratu
rev a
ria
tionov eravineyard
.A tthisstage
,adyn amicm ode
lb a
sedonb iophys
ical
proc
essesisnota b
letor ep
r e
sentw e
llthetem p
eratu
rev a
ria
tionatlocalscal
es.Ina dd
itiontol o
cal
model
sb ase donphy s
ics,down sca
lingte c
hniquesen a
bletor e
a c
hl ocalscale
sont heb asi
so f
sta
ti
st
icalr e
lat
ionship
sb etweeng l
ob a
la ndlocalvar
i ab
les
.H ow ever
,s pa
tia
lresol
utionso fthese
model
sar eg en
eral
lyst
illnota ccu
rateenought obeus edby win
e g
row ers (Dunnetal.,2015 )
.A s
ment
ioneda bove,thecl
im at
icc omponento fvineya
rdt e
rro
irs
,inw hichtempera
turepla ysak ey
rol
e,variesoververyshortdist
ances
,influenc
ingw in
ec hara
cte
ris
tic
sov eragivenviti
c u
ltura
la r
ea.
Anaccurat
ef in
es c
alem odeloftempera
tureisther
eforerequ
iredtoch a
racte
riz
ethiscom ponent.

109

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Toc omp ensatet hed i
fficul
tyo f dyn amicm od e
lst oa ccurate
lyr ep
resentl oca
lt em pera
t u
re
var
iabili
ty,f ines ca
leob serva
tionn etworksha veb eenim plem entedt om oni
tort emp er
atures
.T he
spat
iald is
t ribu
tiono ft het em pe
raturesensorsi sd ecide dont heb as
iso ft opogr
a phicf e
ature
s
der
ive dfromD i g
italElevati
on M odels(DEM s).Ind eed,e venift emp era
turevariabi
li
t yisgov e
rned
byal argenum berofp aram e
terssuc hassoilm ois
turew i nda ndso larradia
tion,thesep arameter
s
arealsod ep endentont opography.A cco
rdingly
,e xplainingt em pera
tur evar
iabi
lityw i
t htopographi
c
param e
tersa se xplana
toryv ar
ia b
lesisaw a
yt or educeth enum berofi nputdat
ar equi
r edfors p
atia
l
model
i ng.T h
er elat
ionshipb etweent emperatu
r esa ndt heset opogra phi
cf ea
tur e
sc anb eu sedt o
es
tim atetem pera
t u
resa tav e
ryf inescaleino rdert oh a v
eab e
ttera naly
siso fpl an
tb e h
avior
.
Scher
r era nd Kö rner(201 1)h aveshownt ha
ts peci
ficp la n
tsg rowi nloca
lc limatesa ccord
ingt o
localv a
riationsi ntem per
ature.Inav ineyard
,f rostd am ageong rape v
inescanb ev eryl o
cala ndis
general
lys tronglyc onnectedtolocaltopography(M adel
i netB eltr
a ndo,2005;I rimiaetal.,2014).
There
fo resu cha pproachesprovideprom i
singtoo lsforthew ineindustry.

Se ver
ala u
thorsh aveobta
inedfinescaletempera
turem apsinw in
egrowingr eg
ion sbyc ombini
ng
highr esolu
tionob serva
tionn e
two rksw i
thtem pe
ratures e
nsorsandf ines ca
lem odelsbasedon
interpolat
ion(Madelina nd Bel
trando,2005 ;Bonn a
rdote tal.
,2012; Bonn e
foye tal.
,2012;
Quénole t Bonnardot, 2014). Fo rclimatestudi
esfo c u
sing ont emper a
ture
s, m ult
ipl
el inea
r
regressions(MLR o r MLSRfo rm u
ltip
lel e
ast
-squ a
rer egre
ssi
on)b etw eent em pe
ratu
resa nd
topog raphyc ha
racteri
st
icsd er
ivedfroma DEMh a veb eenusedsuccessful
ly(Jol yetal.
,2003;
Madeline tB e
lt
rando,2005 ;S tah
le tal.
,2006; Bonn ardotetal
.,2012;Bonn efoye tal.
,2012;
QuénolBonn e
foye ta l
.,2014 )
.T heseauthor
sa s
sum ethattem p
era
turesfollowal inearfunc
tionof
eachp redic
t o
r.Althoughe f
fic
ient
,t henon-l
inea
rit
ya ssum p
tionisst
il
las trongc onstr
aintposs
ibly
limiting m ode
lp e
rform anc
es. Withr ecen
ta dvances bothinc om put
ing pow era nds ta
tis
tic
al
methods,itisnowpo s s
ibletousenon -
linea
rregre
ssionsfortheest
im a
tiono fspa
tialdist
ribu
tionof
tem peratur
e.
Forth
isstudy
,aspec
if
i cne
tworkoftempe
ratu
redatal
ogge
rshasbeens
etupin20
11infamou
s
sub-appe
ll
ation
softhe Bord
eaux w
inegrowingar
ea,inc
lud
ingSai
nt-Ém
il
ionandPome
rol
.T h
is
vine
y a
rda r
eai swi
del
ydo cume
nte
dw ithrega
rdtosoilcond
it
ions(Renou
fetal
.,2010;van
Leeuw e
n,2010a), wat
erup take(va nL eeuw enTregoateta l
.,2009 )andr eg
ionalcl
im at
e(Bo is
,
2007;Bo ise
tal.,2014)
.T ound er
standwh atw il
lbeth eim pac
tofclimatechangeatvineya
rds ca
le
andhowt hevit
icul
tura
ls ec
torc ou
l da d
aptt othi
sc hange,severa
lstepsarerequ
ired.T h
is workis
bui
ltons eve
ralsci
enti
ficprogram s(who seE uropeanp rogr
amL IFE-ADV ICLIM10)d ea
ling wi
th
theim pac
tofclima
tec hangeonv i
ticultu
reatf in
escales.Itcom p
lem en
tstheeff
ortofd ev
elop
i nga
me
t hodo
logybasedonc l
im a
tea nda gronomici n
-si
tuob serva
tionsandons pat
ialm ode
ling
, which
al
lowt oasse
ssspat
ialvar
i a
bil
ityofa tm o
sphe r
icparam e
t e
rsatter
roirsca
les(Qu éno
letBonn ardot
,
2014).T h
eter
roirsca
leiscruci
alforw i
ne-grow e
rs(W ebbetal.,2007;H ofmannetS chu
ltz
,2015 )
.

10
L
IFE
-ADV
ICL
IMp
roj
ect«H
ighr
eso
lut
ions
tud
yofv
it
icu
ltu
raladap
tat
ionandm
it
iga
tions
cena
rio
s»

1
10

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
I
tisessen
tia
ltob eabletocrea
teaccu
rateandreprodu
cib
letempe
ratu
resm apsatloca
ls c
ales
.In
t
hiss
tudy,twofu l
lya u
toma
tedm e
thodse s
timat
ingtemper
atu
resandtem pe
ratu
res umsatav ery
f
ines
c a
le
,b ase
donl ine
arandnon-
line
arassum p
tion
s,a
recom p
ared
.On cethe
s emodel
sv a
lida
ted,
t
heyc ou
ldb eu se
dt odownsca
leclimat
ec hangem ode
lsinorde
rtop roposefin
es ca
leclimate
c
hangescena
riosfort
hefutu
re.

8
.4 Ma
ter
ial
sand M
eth
ods

8
.4.1 S
tudys
ite
Thi
sst udyw ascarr
ie doutinthesouthw e
stofFrance
,i nsub-appe
lla
tionsoft heBordeauxarea
,
incl
udingS aint
-Ém i
liona ndP omero
l(Figur
e49).T opographyism orecom pl
e xcom pa
redtom ost
oftheBo rdeaux winegrowingregion
,w i
t hel
evat
ionv a
ryingb e
tw e
e n10t om orethan100 m e
ter
s
acro
ssasu c
ce s
sionofh i
llsandv a
lle
ys.S ev
era
lrive
rsa ndc r
eeksarelocat
edi nthestudyarea
,t h
e
mainoneb eingt h
eD ordogneR ive
ri nt hesouth
.T hisa reaw a
sc hos
enfo ritsd ive
rsi
tyo f
topographyc om b
inedw ithmajorvar
iat
ionsinsoi
ltypesa ndenvi
ronm enta
lp a
ram et
ers
.L anduseis
dominat
e dbyv ines
,wh e
rethem ainvar
ie
tiesareV
it
isV in
iferaL.cvM erlo
ta ndC abe
rnetfr
a n
c.

F
igu
re49:Loca
tionandtopog
raph
ym apoft
hes
tudys
it
earoundt
hefamou
sappe
lla
tion
sof
Sa
int
-Ém
il
ionandP omero
l(Bord
eaux
,Fran
ce)
.Data:IGN(94165
,Sa
int
-Mandé)

Thecl
im at
eo ftheregionisocean
ic
, wherep re
cip
ita
tionsareevenl
yd i
st
ribu
tedoverthey e
ar,
evendur
i ngtherela
tiv
elyw armsumm e
rm onth
s.Thestudyfocuse
sont hr
eesucce
ssiv
ey ea
rs,i
.e.
2012
,2013a nd2014 ,showingv e
rydif
f e
r e
ntclima
ticp ro
fi
les(Figur
e50).T empera
ture
sw e
re
mode
rate
lyh i
ghi n2012 ;thesumm e
rw asdry,af
teraw e
tspring
.2013w ascool
,par
tic
ular
lyinthe
spr
ing,andrain
fallwashigh.2014wasveryw armbutal
sow e
t.

1
11

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
359°a nd1°Ca rebo thnor
tho r
ientedbut wou
ldb eint
e rp
reteda sverydifferentsi
tu at
ionsbyt he
software)
.T hesee nvironment
alp ar
am e
ter
sh aveb eenc hose
nf roml ite
rature
.M oreov e
rt heyare
easytoc om pu
t efromaDEM ,whichisnoww i
del
ya vai
l ab
leatfi nescal
e.Th ispointi scri
ti
calfor
reproducingt hi
sm e
t hodo
logyi nothe
rsites
.O therfac
t orspossiblyim pact
i ngtem p e
rature
slike
radia
tion,soilm oi
stureandc anopyarchi
tectu
rew ereno ttakeni ntoa ccount.R adiat
ioni svery
muchlinkedt oslopea ndaspec
t,soitisindi
rect
lytakeni nt
oa ccount.B ec
a uses en
sorsa reloca
ted
at1.2mi nh eight
,w eassumedt h
atsoilm o
istu
red i
dno th avea m ajorinf
l u
e nce.W ithregardto
canopy,trainingsy s
tem sov e
rt heareaarev eryhom og eneousov ert hest udyare a. Rowsa re
between1.5a nd2ma p a
rt
,vinesarees
tabl
ishedat0.4 mtrunkh e
i gh
ta ndtr
imm eda
t1 .5 m.

Inthiss
tudytwot ypesofregr
ess
ionshavebeente
ste
d,i.e
. Mult
ipleLin
e a
rR egre
ssiona nd
Suppor
tV e
cto
rR e
gres
sion.Inth
esem ode
lsweuse
dd a
ilyt
em pe
rat
ured a
taasinpu
ta ndele
v a
tion,
slop
e,aspe
ctandgeog
r a
phiccoo
rdina
tesasp
red
ic
tors
.Thestudymethodo
logyi
sp re
sente
db elow.

8
.4.3 Mu
lt
ipl
elin
earr
egr
ess
ion
Lin
earm ode
lsareastanda
rd wayofmode
lingtherel
at
ionshipbetw e
enadependentvar
iab
l eY
a
ndsevera
lpred
icto
rsX1,…Xp.T h
e yp
rov
ideane a
sy-
to-usefr
am eworkthatm
ayb econs
idere
da sa
f
ir
stst
e pinabet
terunde
rst
andi
ngo faphe
nom enonofint
eres
t.T h
elinearmode
la s
sum e
sthat
,up
t
oar andomvari
at
ion,deno
ted i nt
hefol
lowingequat
ion,theresponseYi
sali n
earfunc
tionof
t
hee
xpl
ana
toryv
ari
abl
e:
P
Y=β0+∑β
jXj+
ε
j=
1

Th
eunknownpar
amete
rs β0 ,…
,βp canbees
tim
ate
dth
roughthele
astsqua
recr
it
eri
onusing
t
heobs
erv
eddat
a. Mo
reove
r,inou
rstudy
,assomeo
ftheexp
lana
toryvar
iab
lesXj m ayno
tb e
s
ign
if
icant
lyr e
late
dt oY,itism eani
ngfu
ltop rocee
dt ov a
ria
blese
lec
tion
, wh
ichisu sua
lly
c
omputedthroughtheCpcrit
erion(M al
lows
,1973).Inthi
sstudy
,one a
chd a
ilyd
atas
et
,al i
near
r
egr
ess
iona ndav a
ria
blese
lec
tionh a
sb e
ense
tupi norde
rtofi
tm in
ima
landm ax
imalt
em p
eratu
res
(
inpra
ct
iceu s
ingleapsR-pa
ckag e
)(Mil
ler
,2002
).

8
.4.4 Suppo
rtV
ecto
rRe
gre
ssi
on(SVR
)
Suppo
rtVecto
rR egr
essionisi
ssuedfrom ma
chinelea
rning(CortesetVapn
ik,1995)toe s
tima
te
com p
lexre
lat
ionshipbe
twe endepe
ndentva
ria
blesandas e
riesofpre
dict
ors
.Thep r
inc
ipleisbas
ed
ona u
tomat
icident
if
ica
tiono fanumberofNsuppo r
tv e
ctors(
issu
edfromd a
ta)betwe
e nw h
ichthe
non-
line
arreg
ressi
onfunct
i onwi
llbeest
ima
tedthroughakernelK.T hereg
res
sionfunc
tionread
s:
N
β0+∑βiK(X
Y= ,Si)
+ε
i=
1

1
14

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Inth
isw r
it
ing,Si isthevec
torsuppor
tw i
t hβi th
ea ssociat
edc o
eff
ici
ent
s.Ki sthekernel
,i.e
.a
non-
line
arfunct
iontha
tr ep
resen
tsthedotproduc
tb e
tw eent h
ed at
aX= [X1,…,X p] i
na no
t h
ersp ac
e
T
thantheusualone(und e
ral i
nearassumptionK( X
,S )
i =X Sii ssimplytheu sualdotp roduc
t).
Suchapproac
hesareeffic
ien
tt oest
im a
tecom pl
exrela
tion sh
i pbe
tw eendep
e ndentv a
riabl
e sanda
ser
iesofpred
icto
rs
.Fo rm orede
tai
ls
,s e
eF re
e dman
,(2009 )
.We i
llu
st
rateinFigur e52,t h
e o
r e
tica
lly
thediff
erenc
esb e
tw e
e n MLRa ndSVRu singon edep endentvari
able(Y)a ndon eexpla n
ato
ry
var
iabl
e(X),dataarerandomlygenera
tedusingRso f
tw are
.Int hi
sfigure
,asw ella sinth
isp aper
,
theG au
ssi
ank e
rnelhasbeenused:

K(X
,Si)
=exp(−γ ‖2)
‖X−Si

F
igu
re52:Th
eor
et
ica
lexampleofd
if
fere
nce
sbetweenreg
res
sionf
unc
tiones
tima
tion(
red
)fr
om
t
rai
ningdat
a(bla
ck)us
ing MLR(l
ef
t)andSVR(r
ight)

Thi
skern
eli
sindee
dknownt
op e
rfo
rmw e
lli
nm anysit
uat
ionsre
la
tedtoe
art
hsc
ienc
es(Cam
ps-
V
al
lsandBruz
zone
,2009
).Ascanbesee
nont her
ela
tionbelow,atun
ingpa
rame
ter γha
stobe
s
et
.Th
isi
sdi
scu
sse
dint
hen
extp
ara
gra
ph.

8
.4.5 M
ethod
sus
edtoc
ompa
reth
equa
li
tyo
fth
e mod
els
The MLRandSVR m ode
lsw e
r ecom pa
redandqu ant
itat
iveresul
tshavebeenob t
ainedfo l
lowing
k
-cr
oss
-val
ida
tion( se
efo re x
am plep r
incip
lesi nA r
l o
te tC el
isse
, 2010)
.T h
el earningsetis
r
andomlypar
ti
tionedin
toke qualsizesubsamples
.E achregre
ssionproces
sisthena ppliedwherek
–1 subs
am p
lesareu sedastra
i n
ingd ataandt herem a
iningon eforv a
lida
tion
.T h
isp roce
ssis
r
epea
tedbychangingthetr
aini
ng/ v
alid
ati
onsubs amplesinsuchaw ayt h
atal
lle a
rnings ample
sa r
e
u
sedforva
lid
ation
.A sfortheSVRr eg
ress
ionp roce
ss,as e
tofp aramete
rv a
luesrela
te dtoγ h as
b
eenus
e dandt
heopt
imalone(g
ivi
ngthebes
taveragep
erfo
rma
nc eonth
ekt ra
ini
ng/t
ests
am p
les
i
ssu
edfromlea
rni
ngdat
a)isre
ta
ined
.Cros
s-va
lid
ati
onisacomm onandsoundp
rocedur
eusedfor

1
15

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
f
ixingpar amete
rsinm ac
hinelea
rni
ngp rocess
es.Inpra
cti
cew echo
sek=5( lead
ingto80% ofthe
d
atatot unet h
em odeland20% t ov alid
ateit
)a si
sc omm onlyacce
pted.Toc ompa
rep r
edi
ct
ive
p
ropert
ieso fbothm e
thods
,theroo
tm ea nsqua
reerro
r(RMSE )andthem eanave
rageer
ror(MAE)
w
erec om pute
d.M odel
ingofm in
imala nd max
im a
ltem p
erat
uresi sperfo
rm e
de ve
ryd ayove
rthe
g
row i
ngs eason(1 o
s
t
fA pr
iltothe30 o
t
h
fSeptember
)lead
ingt om o
reth a
n5000c om p
ari
sonspe
r
y
ear(Figure53).

F
igu
re53: W
ork
flowu
sedt
ocompa
re Mu
lt
ipl
eLinea
rR e
gre
ssi
on(MLR
)andSuppo
rtV
ect
or
R
egr
ess
ion(SVR)
8
.4.6 M
app
ingt
emp
era
tur
esov
erav
ine
yard
Fore v
eryd ataset
,t hem od
elw asa ppl
iedone ve
ryg ridpoin
tino rde
rt ogeta25 m eter
s
r
esoluti
ont em p
eratu
re m ap.F romt hese maps
,w ec a
lcu
latedthe mea nof minima
ld ail
y
t
em p
eratu
resa ndt h
em eanofthem aximaldai
lytempera
ture
sov e
rthegrowingsea
son(Apr
il1t
s
t
o
S
e pt
em ber30th)tod es
crib
etem per
atu
rev ar
iab
il
ityoveravineya
rd.Asinm anysim
ila
rstud
ies
,w e
a
lsou sedani ndicato
rtheG rowing Degre
eD ayswit
hat hre
sholdof10°C(GDD )overth
esam e
p
eriod,inpar
tic u
lartorel
atetempera
turevar
iab
ili
tyoverthear
eatovinebeh
avior:

W
ith Md
j=d
ai
lyt
emp
era
tur
e.

Sp
ati
ald
ist
ribu
tionoferro
rsal
lowseva
lua
tingsp
at
ia
lqu a
li
tyofmode
ling
.W econ
side
rth
at
unde
r0.4°C(temper
atu
re)and25de
gre
ed ay
s(GDD)ofer
rorthem
ode
lishigh
lyac
cur
ate(
lowe
r
t
hanthes
enso
rresolu
tion
).W h
enerro
rofp
red
ic
tioni
sov
ert
hes
elim
it
s,w
econ
sid
ert
hatt
he
r
esu
lt
soft
hem od
eli
ngpr e
sen
tabia
s.

8
.5 R
esu
lts

8
.5.1 M
ode
lingda
ilyt
emp
era
tur
es
Th
equ a
li
tyofasuperv
ise
dm ode
l(l
ike MLRorSVR )depend
son m i
nimi
zingsimu
ltane
ou s
ly
twosourc
esofer
ror:Bia
sandv ar
ian
ce.Thebi
asist
heabso
lut
eerro
rb e
tweenY(rea
lvalue
)a ndŶ
(e
st
im a
tedval
ue)whenthevar
iancerep
res
ent
stheer
rorf
roms en
si
tiv
itytosma
llfl
uctu
ati
onint he

1
16

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
t
rain
ings et
.A nim portan
tv ar
ianc eer
rorm ayleadtoov e
rfi
tting
,i.e
. whenthem od e
lfi
tsper
f e
ctly
th
etrain
i ngd a
tas etbuts howingav erylowp redic
tivepow er
.C al
cula
tingthem eansquareerror
(MSE)o rtherootm e
ansqu areerror(RMSE)a llowstotakeintoaccoun
tb i
asa ndvaria
nceinerror
e
st
im a
tion.D is
tributi
on so f RMSEfo rm inimala nd maxim a
lt empe
rature
si ssuedfrom both
m
ethodsa rerepresent
edi nF igure54a .W eu seda nH exagonb i
nningplot
,afo rmo fbiv
ariat
e
h
is
tograma llowingt hevisual
izat
i onofbigdatasetst
ructu
re.T heplani
sr epr
esentedbyar egula
r
g
ridofh exagons.E achd atapoin
ti sassoc
iatedtoah ex
agon.T henthenum bero foccur
renceof
e
achh exagonisc ountedandpl o
tt
e dusingacolorram p(Lewin-Koh,2011)

Fi
gure54:RMSEdis
tr
ibut
ionforbo
thmodel
stest
edover2012
,2013and2014(1
stof
A
pri
ltoth
e31t
hofO c
tober
);b )RMSEv a
lue
so v
erthes
tudie
dyearsf
orbo
thmod e
ls(15
-
da
ym ovi
nga v
erage
,1sto
fApri
ltothe31
t ho
fO c
tober
)

Mos
toftheerro
rarecloseto0,buter
rorsa
rem oreimport
a n
tfor MLR.T hisisconf
irmedbythe
RMSEov erthegrowingseason(Figu
re54b)
,w hi
ch shows imilarprof
il
esforbothm odel
sbutthe
Suppor
tV e
cto
rR egre
ssionapproa
chalwaysper
form sbet
ter
.T he
reisas ea
sonaleff
ectformaxima
l
tempera
ture
s,for wh
iche r
rorsarealwaysgr
eate
sti nthesecondpa r
toft h
ey ear
.W it
hr eg
ardto
min
imaltemper
ature
s,m agn
itude
so fRMSEv al
uesa reh
ighlyfluc
tua
tingandc anbeinten
seovera
shor
ttimeper
iod,showingapo s
sib
leeff
ecto
fw eathert
ypeont heer
ror.

1
17

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
8
.5.2 T
emp
era
tur
eandGDD mapp
ing
U
singthesub sequen
tm odels,w eh av
ebu il
td ai
lym ap
so ftem pe
r a
ture
son wh ich GDDa r
e
computedbysumm ingv a
luesfo re achpixe
lov erther e
fere
n c
ep er
iodfo reachgrow i
ngseason.
As
sessmentoft heaccu
racyo ft hem ode
lingiscarr
iedou tbyc a
lcul
ating Roo
tM e
anSqu ar
eE rror
(RMSE )a nd M eanA bso
l uteE rror(MAE )ind egreed ays(T ab
le1 ). RMSEa nd MAEa re
complementarytoasses
sm odelp er
forma n
cesinp redi
ct
ion(Ch aietD rax
ler
,2014).RMSEg ive
s
h
igh w e
ightt olargeerro
rsw hi
le MAEp rovi
desa ne qualw ei
ghtfo reache r
ror. Dif
fer
e nce
s
be
tween RMSEa nd MAEs howt h
ev ari
anceo fs ampleerror:h ighd i
ffe
rencei nd
ica
teg rea
t
va
rianc
ee r
ror.Ifbothvalu
e sar eiden
tica
l,thentheerror
sareallofthes amem agn
itude.Pearson’s
coe
ff
icien
to fcorre
lat
ionhasa lsob e
enc a
lcula
ted.

T
abl
eau15:SVMand MLRmod
elc
ompari
sonwi
thm
easu
redv
alu
eso
fst
ati
st
ica
l
ind
ica
tors
mean m
inimalstempe ra
ture
2012 2013 2014
SVR MLR SVR MLR SVR MLR
RMSE(°C) 0
.24 0
.32 0
.26 0.33 0.23 0
.30
MAE(°C) 0
.19 0
.24 0
.21 0.25 0.19 0
.24
RMSE-MAE 0
.05 0
.08 0
.05 0.08 0.04 0
.06
Coe
f.ofcorre
lation 0
.94 0
.83 0
.89 0.76 0.92 0
.80

mean maximalstempe ra
ture
2012 2013 2014
SVR MLR SVR MLR SVR MLR
RMSE(°C) 0
.21 0
.29 0.21 0.27 0.22 0
.29
MAE(°C) 0
.17 0
.23 0.16 0.20 0.17 0
.23
RMSE-MAE 0
.05 0
.06 0.05 0.07 0.05 0
.06
Coe
f.ofcorre
lation 0
.85 0
.64 0.81 0.60 0.83 0
.63

G
rowing Degree -days
2012 2013 2014
SVR MLR SVR MLR SVR MLR
RMSE(deg ree-day) 26.54 35.01 27.40 35.58 26.54 35.53
MAE(deg
ree -day) 20.40 26.60 21.41 26.71 20.57 28.27
RMSE
-MAE 6
.14 8.41 5.98 8.87 5.98 7
.26
Coef
.ofcor re
lation 0
.89 0.76 0.84 0.64 0.88 0
.73

Asexp e
ctedfromt heresu
ltsoft empera
turem ode
ling,theSuppo r
tV ecto
rR egre
ssionallows
mo
r eaccura
tem ode
ling
. Coef
fic
ientsofc orre
lat
iona rea lway
sa boveore qualto0.8fo rSVR .
MLRs how slow erperfo
rm an
c e
s,i npart
icula
ri n2013 .T heh i ghes
td if
feren
cei nc or
rel
at
i on
co
e f
fic
ientsbetweenm ode
lsa ppea
rson m aximaltemp e
ratur
es. Mo reove
r,thedif
fer
e n
cesb e
tw een
RMSEa nd MAEshowt ha
tthee r
rorsarem orei n
tenseinm agni
t udefor MLRc omparedtoSVR .
Mappi
ngo fa v
eragetem p
erat
uresa nd GDD w i
tha ssoci
atederro
r sc onf
irmstheseresu
lts(F igure
56,55a nd57).T heshad
edc o
l o
rsr e
prese
nttheou tpu
tso fthem od e
lingw he
reasthedotsrepr
e se
nt
th
ed i
fferen
cesb etweenm easurem en
tsa nd m odel
e dv al
ues, wh icha r
ec alcu
lated by cross
-
va
lida
tion.

1
18

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
F
igu
re55: Mapp
ingofav
erageofm a
xima
ldai
lyt
empera
tur
edur
ingthev
egeta
tiv
epe
riodo
ver
thes
tudyare
ab y MLRandSVRmode
lsfr
om2012thr
ough2014

1
19

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re56: Mapp
ingofav
erag
eofm i
nimalda
il
ytempera
tur
edur
ingtheve
geta
ti
vep
eri
od
overth
estudya
reaby MLRandSVRmodel
sf r
om2012th
rough2014

From Figu
re56 a ndFigure55, m a
pso fm inimala nd maximald ai
lyt em pe
rat
ureov e
rt he
v
eget
ati
onp er
iodrevea
lth eim pa
ctoft hetopographyont em pe
raturedis
tribut
ion.Form in
im a
l
t
em p
eratu
res
,thew a
rmestareasarehighina l
ti
tude
,l o
catedont heplate
ausa ndthesouthori
ented
s
lope
s.T h
issi
tua
tionrev
ealst h
atdur
ing m o
stnight
s,coolairflowsfromh igha r
eastolowerarea
s
l
eadi
ngt oat he
rm a
linversion
.T hi
sp rocessisclear
lyd r
i v
ingt hesp a
tia
lp a
tte
rnsofm inimal
t
em p
eratu
resove
rt hear
ea. Aw armz onealsoappearsont hew e
sternp a
rtoft hesi
tee v
enifthis
a
reaisfla
t.Itmightbee xpl
ainedbya w e
st/e
astgradi
entr e
sult
ingf romal argersca
lec l
imat
ic
p
roce
sseslik
einf
luenceoft h
es eam ee
tingh e
rethefirs
tr e
lie
fsund erthep redominan
tlyw e
ste
rn
w
inds
.T hel owe
stm in
im alt empe
ratur
esa rer eco
rdedi nd epres
sionsa round creek
sa ndi n

120

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Dordogneval
leyloca
tedinthesouthernpartofthestudyarea
.Fo rt
hed i
st
ribu
tiono
fm axima
l
tem pe
ratu
res(F
igu
re55),t h
eoppo s
it
esp at
ialpat
ternisobse
rved:thew a
rm es
ttempe
rat
uresa
re
recordeda
tl owal
ti
tudesandcooltem p
era
turesarereco
rdedathigha
lti
tude
.S omehi
gh maxim
al
tem pe
ratu
resar
ealsore
c o
rdedi
nt h
ew e
ste
rnp a
rtofthear
ea

Them apsofGDD( Figur

e57)r eve
altha
tevenifth
eclimati
cc ondi
tionsofeachgrow ingseason
aredif
feren
tdu et othev in
tageeff
ect
,thespat
ia
lv a
riab
il
ityoftem per
aturesum sise qu
ivalen
ti n
termsofm agnitude
.Po si
tionsathighe
relevat
ionsarew armerc omparedtol oca
tionsatl ower
al
ti
tude. As ou
t hwes
t-nor
theas
tg rad
ien
t doesalso ex
istfrom w arm er(sout
hw es
t)t oc ooler
(nor
theas
t).T hisspat
ialdis
tri
buti
onissimil
artotheaveragem i
nim a
lt empera
turedistr
ibut
ion.It
canbee xpl
ain e
dbyag reat
errangefo
rm in
im a
ltemper
ature
s.H encemi n
im a
ltem pe
ratureshavea
grea
terw e
ightint h
ee quat
ionofGDDc ompa
redtom ax
imaltem p
eratu
res.

Foral
lthem aps,whi
tepo in
tsaret
hem o
str
epr
esen
tedclas
s,showi
ngt h
atmod e
lsrep
res
ent
,on
aver
a ge
,c o
rrec
tlythespati
aldis
tr
ibu
tionoftempe
rat
uresum s
. Noobviou
sspati
aldis
tr
ibu
tionof
theerror
sa ppe
ars
.H owe ve
r,somesenso
rspre
sen
tac on
stan
tc o
ldandothe
rac ons
tantho
tbiasfor
bo
t hm e
thod sofm ode
lingine v
eryyear
. MLR mapspres
entles
sw hi
tepoin
tsb eca
useoflarge
r
pr
e d
ict
ionerror
sc ompar
e dtoSVRm aps.

121

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re57: Mapp
ingo
fGDDo
vert
hestudyare
ab y MLRandSVRmod
elsf
ort
hre
eye
arsf
rom
2012th
rough2014.
8
.6 D
iscu
ssionandcon
clu
sion
Tw oem p
iri
c a
lf ines c
ales pa
tia
ltem peratu
rem odel
sh avebe entes
tedi nt hr
eev erydifferen
t
cl
im at
icyearsu s
inga ne xtens
ivenetworko fdataloggers
.T he
setwo m ethodsa refu
llya u
t om a
tic
andc anber eproducedi na nyplac
e wh e
r easim i
larn e
tworko ftem pe
ratu
r ed a
talogg e
rse x
is
ts.
MLRi sac lassi
ca nd easy w a
yt op erform m appingi nenvironmenta
ls t ud
ies(Rob insone t
Me
tterni
cht
,2006 ;S ta
hleta l
.,2006;L ietH eap,201 1
),inpar
ticula
rfortem pe
ratu
re(Jolye tal
.,
2003).T h
isstudyshow st ha
tSupportV ec
t o
rR egress
iong a
veasub sta
nti
alsm alle
rRMSEfo re v
ery
tra
iningsetw hichp rovestheb en
efi
to fSVR m odeli
ngov er MLR m ode
ling.SVRp roduc edbias
andv ar
ianceerrorssm al
lert h
an MLR .A sthe MLRi sap a
ram e
tricest
im a
tor,itcanb ee xpected
tha
tt hem a
i np a
rto fthep red
ict
ionerrorc omesfromsub stan
tia
lb ia
s. Non-paramet
rice s
tim ato
rs
sucha sSVRf itt hed a
tai nasm oothe
rw ay
,a ndt husdecr
easesthebiastermbu tm aylea dtoa

122

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
l
argervari
an ce
.T hecom pa
risonoft h
enum e
rica
lr e
sultsprovethatth eeven
tualdrawbackdueto
t
hei nc
reaseo fthevar
iancetermisl a
rge
lyc ompensa
te dbytheg a
i nina ccu
racyofthebiaste
rm.
H
ence,SVRi sa m ethoda b
let oim p
rovethea c
curacyo ffinesc a
let empera
tur
em ode
ling
,i n
p
art
icula
rform ax
im a
ltem per
ature
s.H owev
er, MLRc anb econsid
er e
da safirs
tstep
.Itiseasyto
u
sea ndt o und e
rst
andita llowst op e
rfo
rmar eferenceb efo
rea pply
ing moresophis
tica
ted
m
ethodol
ogies.Itcanbealsou s
efulwhenthenum be
ro finputtemperaturedat
a(senso
rs)i
sno tbi
g
e
nought oassureagoodbias-var
iancera
tiowi
thm orec omplexm e
thods.

Oth
ersm e
thodsofnon-
line
arapp
roa
ch e
sdoe xi
sts
.G ene
ralA dd
it
ive Mode
lfromt h
e GAM
p
ackage(Has
tie
,2015
)a ndIt
era
teB
iasR edu
ct
ionfromIBRp a
cka g
e(Corn
il
loneta
l.,2011
)ha v
e
b
eentes
ted
.R e
sul
tswereclo
setoSVRresu
ltsbu
ttheseapp
roach
esn ee
dedm uc
hm or
ec ompu
ting
t
ime.

Tempora
le volu
tiono f RMSEs how st ha
tt he
rei sas e asonaleffectform ode
ling m ax
im a
l
tem p
eratu
res
.T hee xplan
ationforthiss easonaleffe
ctm ightb etheim pactofgrowingl e
afsduring
theseason
.Itm aycreatea microcl
im atearoundt hesensorswh ic
him pacttem per
atu
rem e
asurement
(M ade
linetal
.,2014 ).A nothe
re xpla n
ationca nbethatt opog raphyisal es
spow e
rfulexplana
tory
var
iabledur
ingthisperiod
,wh entem peratur
esm ayb ebettere xplain
edbyo th e
rfacto
rslikewindo r
rad
i a
tionduri
ngt hisp er
i od(notp rovi d
e dbyou rdatal ogg ers)
.A w ayt oa sse
ssa ccura
cyo f
model
ingist oi n
tegratetim edim ension.T het emperatureo fad ayiss t
ronglyr el
atedtot he
tem p
eratu
reofp reviousd ays(Kho srokha va
re tal.
,2010 ).Tim es e
rie
ss tudiesusingSVRh ave
al
readyb e
encarri
e doutino the
rsituat
i onsw i
thi n
ter
est
i ngre sul
ts,lik
ew e
tlandvegetat
ion mapp
ing
us
ingt empora
ls eries(Bet bed
ere ta l.
,2014 ),a tm o
sph er
i ct em pe
rat
u rep r
edic
tion(R adh
i k
ae t
Shash
i,2009)a ndtim ese
ri e
spr e
dic
ti on(S a
pankevyche tS ank a
r,2009).

However
,the
sem ode
lsarepurelyem pi
rica
la ndbasedonlyons ta
ti
stica
lr e
lat
ionship
sb e
tween
tempera
tureandt opography
.E veni fa tthiss c
aletopog r
aphyi n
fl u
ence al a
r g
e num be
ro f
par
am e
tersimpac
tingt empera
ture
s,the ycannotbeu sedt ounders
ta nd whichphysica
lp ro
ces
s
dr
ivesthet empe
raturev a
riab
il
ity bu
t onlya l
lowt op roducem apso ft emper
ature
.T hisisa
fundamenta
ldiff
ere nc
ew i
th dynamic m ode
ls, whic
hh avet h
ea dvant
a g
eo fi nt
e g
rat
ing a
ll
under
lyi
ngphysica
lp roce
sses
.H owe v
er,dynamicm ode
lsa renotab
let oreachthesam efin
escal
e
tempe
ratu
rem appi
nga sthes p
atia
lm a pp
ing m ethodp resen
tedinthiss
tudy.Infutu
re work
,the
app
roachoft em pe
ratu
rem ode
lingpresentedi nt h
iss tudycouldb ecom b
inedwiththeu seof
dynam
icalm odels(e
.g. WRF )
,w h
icht
ryt os im u
latea tmosphe
riccondi
tions
,prov
idingnotonly
tempe
ratu
rem a psbutalso map
so fm anyotherc l
im a
ti
cp arame
ters(Thom p
sonetal
.,2009).Thi
s
goa
lcouldberea ch
edbye stab
li
shingre
l at
ionshipsb etweentempera
turedi
str
ibut
ion
satfinesca
les
anddynami
cm odel
soutputsatlowerre
so l
uti
on sino rdertodownscal
eit
.

Spat
ia
ldist
ribu
tiono
fG row i
ngDeg
reeD aysca
nb euse
da sap
re d
ict
orofgr
apevinepheno
logy
.
A
reaswi
thgreate
rtempe
raturesumm
at
ions,l
ikeLibou
rneandPomerol
,aret
heear
lie
stare
asinthe
s
tudyzoneforvineph
enology(deRe
sségui
eretal
.,2015)
.Oneofthem os
taccu
ratephenol
ogic
al

123

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
m
odelsisGFV(G rapev
in eFloweringVera
ison model ;(Park
eretal
.,2011
,2013)
.LikeGDD ,itis
b
asedon m eandai
lytem pe
r a
turesumm at
ionsbutw i
th0°Cb asetempe
ratu
re,compar
edto10°C
b
asetemperatu
reforGDDu sedint h
isst
udy.Asthisindexisbui
ltwithda
tafromcla
ssi
calwea
t he
r
s
ta
tionlikeotherbioc
lim a
ticindexes(Winkle
r, Hugl
i n
),itcanno
tb eimplemen
tedherewithou
t
m
odif
icat
ions
.L oca
lph enology model
sn eedtobec r
eated,us
ingtemper
atu
resreco
rdedwit
hd ata
l
oggersasinputva
ria
bles.

C
limatev ar
iabi
li
tyo fthi
sar e
aw asalreadyc ha
racteri
zedbysp at
ialtem pe
raturem ode
ling,butat
ar eg
ionals ca
le,fort hew hole Bo rdeauxa rea(Bo is,2007; Bo iseta l
.,2014 ). A MLR w as
per
forme dov e
rt h
est udyareau singd atafrom w eathersta
tiondu r
ingfivey e a
rs. Ourst udyh as
revea
ledt hatahighd ensi
tyd a
tal ogg e
rn e
tworka l
l owstorevealag reat
erra ngeo ftem peratu
res
comparedt om ediumo rl owd e n
sityw e
athersta
t ionn e
tworksu sedatar eg
i onals c
ale.Inf act
tempera
t u
r evar
iabi
li
t yoverours tudya reaisclos
et ot h
ev a
riab
ili
t yoverthewho leBord eauxarea
(LeRouxe ta l
.,2015).T h
isfacth asb eenob s
ervedi nothe
rstudies(Bonnefoy,2013;I rim iaetal
.,
2014). How eve
r,becaused a
tal oggersarel oca
tedi nsid
et h
ec anopy,and weat hersta
tionsou ts
ide
thevineyardblocksinstandard
iz edc ondi
tionswithad iff
eren
tv enti
lat
ionsystem ,itisnotpo ssib
le
tocom parem odel
sc ons
truct
e dw i
thd atafromt he
s edif
feren
tsourc e
s.Furthe
rr esearchisn eededto
comparetheim pac
toft helocat
iono ft h
es ensor
sa ndw eath
ersta
tionsont hetem peratu
rep rofi
le.

Thi
sp a
perallowsa b e
tte
r und erstanding ofclimat
ev ar
iabi
lityi nasub -seto frenown e d
appel
lat
ionsoft he Bord e
auxr e gion
.C lim a
te,andi np a
rti
cula
rt em pe
ratu
re,i sa nim portant
chara
cter
ist
icofvit
icul
turalter
roirs(v anL eeuwenetal.
,2004).Tem per
atur
esd r
iveph enologya nd
thetimingoftheripen
i ngp e
riodi scri
ticalfortheproduc
tionofhighqu al
itywin e
s.W h
eng rapes
rip
ent oola
te,winesarea c
idica ndt a
stegr ee
n.W hengrapesrip
ent ooear
ly,winesar eunbalanced
becauseofexcess
ivealcohola ndal a
cko ffreshnes
s(vanL eeuwena ndSeguin,2006 )
.Ifg rowers
dohav epre
cis
eknow ledgeoflo caltem per
atures
,theycanim p
lementa d
apta
tionthroughthec hoice
ofplantm a
ter
ial(var
iet
i e
sa ndroo t-stock
s)a nd managementprac
tices(t
imingo fp run
ing,trunk
hei
ght,canopy manag
em e
nt;(v anL eeuwena ndD a
rri
et
,2016).T h
es eada
pta
tionsareim pl
em e
nted
atthep lotscal
e. Av iti
c u
ltu
r a
lp l o
te n
c ompasse
s ona verag
el essthan oneh ec
tare
.H ence,
knowledgeonc lima
te,a ndi np art
iculartem per
ature
satt hem i
croc l
im a
tes ca
le,isc r
it
i ca
lfo r
g
row ers
.C lim a
tec ha
ngew i
lla f
fecte v
ery w i
nep roduci
ngr egion
.A st emper
aturev ar
iab
ili
tyat
v
ineyardscalec oul
db eofsimilarm agn
itudec om pa
redtor egiona
ls cal
e,knowledgeo fcl
im at
ic
va
riabi
li
tyatl ocalsca
leisessenti
al
. Mo reover
,t h
isknow le
dg ew i
llallowthemt ol oca
llyadapt
ma
n agementoft he
irvineya
rdi nthec on
te x
to fclimatechange.Fo rthem om e
ntb eing
,a dap
ted
loca
ls ca
len etworksoftem pe
ratur
em ea
sur ement
sa renecessarytot akein
toa ccountfin
es cal
e
va
riabi
li
tya ndallowt ocar
ryou taccura
tem odel
ing.W eshowt ha
tSVRc anb eau se
fultoo
lt o
improveclimatem ode
lingofav ineya
rdatl oca
ls ca
le.Stab
lea ndac cu
ratemodelsatfinesca
lea r
e
c
ri
ticaltom akealinkwithgloba
la ndregionalm ode
lsofclimatec h
a ng
e.E v
entua
lly
,t heycouldbe
asteptowardsfinesca
lem odel
ingo fcl
im atechangescenar
ios,inord e
rt op
rojec
tatt heplo
ts ca
le
theadapta
tionne ed
edforgrowerstocont
inu etogrowh ighquali
t ywinesinachangingclima
te.

124

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE9: APPL
ICATIONDELA MODÉL
ISATION
STATIST
IQUEPOURL’ÉTUDEDELAVARIABIL
ITÉ
LOCALEDESTEMPÉRATURES

L
am odé
lisa
tionnonlin
éai
représen
téedan
slec h
api
trepr
écéden
tap e
rmisd’ob
ten
irdescar
t e
s
jou
rnal
i è
resdet emp
éra
tureàtrè
shauteré
sol
uti
onavecuneinc
ert
itud
ere
lat
ivemen
tfaib
le
.D ansle
cha
pit
res uiv
ant
,l e
sc a
rte
sc r
ééesparlam é
thodeSVRsontu t
il
isée
spourétud
ierl
esv a
ria
tions
spa
tio
-tem po
rel
lesdest
em pé
ratu
res
.

P
aral
lèlement,af
ind em i
e uxcomprendrel’o
rig
ined e
sd i
ffé
rente
sd is
tr
ibu
tionsdetem pé
ratu
res
su
rlesited’étude
,un eétudedessi
tuat
ionssynopti
quesaé t
ém e
néea f
indem ie
uxc omprendr
eles
re
lat
ionse n
trelesdi
ffér
enteséche
lle
sclimati
qu e
s.Cetaspec
testind
i sp
ensab
lepourm e
ttr
ee nplac
e
unem éthodologi
ea ss
im i
lantlessort
i e
sd em odél
isa
tionstat
ist
i qu
ed anslesp ro
ject
ions du
ch
angem entclimat
ique
.C ec hap
it
readonn él
i e
uàun epubli
cat
ions oumis
eàlarevueClimato
logie
(Rév
isionsmi neu
res)
.

9
.1 Analys
e mult
isca
lai
red elava
riab
il
itésp
atia
lee
ttemp
ore
ll
ede
stemp
éra
tur
esà
l
’éch
ell
ed ’unt
err
oirvi
ticole
R
ena
nLeR
oux1,L
aur
edeR
ess
égu
ier
2
,M
arw
anK
atu
rj
i3
,P
eym
anZ
awa
r-R
eza
3
,
A
ndr
ewS
turm
an,Co
3
rne
li
sva
n
L
eeuw
en2 e
tHe
rvéQ
uéno
l.
1

1
LETG,UMR6554CNRS ,U niv
ers
itédeR enn
es2,Pla
ceduR e
cteu
rH enriMoal
,R e
nnes,Fran
ce
²UMREGFV,Bo
rdeau
xS c
ien
cesAgro
,INRA,Uni
v.Bo
rdeaux
,33140Vi
ll
enaved
’Ornon
,France
3
Cen
trefo
rAtmosphe
ricResea
rch,U n
iver
si
tyofCanterbu
ry,Chri
stchu
rch
,N ewZ e
aland
R
ésum
é:

Auxéchel
lesloca
les,lafor
tevar
iab
il
itéspa
tia
leduclimatengendr
é epa
rlanat
ureetle
saspér
ité
s
delasu r
facepeuta voi
runim p
actsurlescara
cté
ri
stique
se tlaqu a
li
tédesvins
.D ’a
il
leur
s,les
spéci
fic
ité
slocale
sduc l
im a
tsontund esfac
teu
rsim por
tan
tsqu idéte
rmin
entlescara
cté
ri
st
iques
d’unter
roi
r.D a
nsleL ibourna
is
,pluspréc
isémen
td an
sl e
sa ppe
lla
tionsdeSa
int
-Émili
on,Pom e
rol
etleurssat
elli
tes,uneé tuded ecl
im a
tolog
i elocal
eae upou rob jec
ti
fd ’ana
lyserlav ar
iab
il
it
é
spat
ial
educ limat(notamm entd esindi
cesb ioc
limat
iquest h
e rmiques
)etl escarac
tér
is
tiquesdes
vins
.L’ana
ly seetlam odél
isat
i onspat
ia
led estem pé
ratu
resjournal
ières
,saisonn
ièresetdesind
ice
s
bioc
limat
ique sm e
te né v
id e
nc el’
im pac
td e
sp a
ram è
tre
sl ocaux(e x:topographie
,dist
an c
eàun e
riv
ière…)su rlarépar
ti
tiond estem p
éra
turesàl’échel
ledus i
ted ’
étude.Unea na
l y
sedesdiffé
ren
tes
dis
tr
ibut
ionss pat
ial
esd estem péra
ture
se nrelat
iona v
ecd essi
t ua
tionsatmosphér
iquessynopt
ique
s
(v
ial am éthoded es“Self-OrganizeM aps”
)ap ermisd’af
finerlesrésul
ta
t ssurlarépar
tit
iondes
tem pé
rat
uressurc e
sa ppel
lat
ion s
.

125

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
9
.2 In
trodu
ction
Lavigneestfort em entinfluenc
éep a
rleclimatt an
ta univea udesonfon ct
i onnement(ph éno
logie,
phys
i o
log
ie)qu esu rl e
sc arac
téri
st
iquesd esraisinsetl at ypic
itédesv insp rodui
ts.L am ajeure
par
tiedesrégionsv itic o
less esi
tuee n
tre30°et50 °d elati
tud ec’est
-à-di
red an
sl e
ss ecteu
rsoùl es
condi
tion
st hermi quesson tsuff
isante
spourun em a
turat
ionc om p
lèt
ed esrai
s insdansd escondi
tions
cl
im a
tique
st em péré es(B louin
,2007).Àun eé ch e
ll
ep lusfine,leclimatestfo r
tem en
ti nf
luencépar
lesaspér
ité
s(t opog raphie)etlan at
ure(occupat
i onduso l
,t yped esol
,p roximitéd e
sm ass
esd’e a
u)
delasu rfa
c e
.C e sc ondi
tionse nv
ironneme n
talesl oca
les on t unim pacts url a phénolog
ie,l a
cro
issanc
ed eso rga nesh erbacé
setr ep
roducteu
rs,lac ompo s
itionetlaqu ant
itéd esbaiesains
iqu ele
sty
led evinp rodu it(v anL eeuwenetS eguin
,2006 )
.C es ontc e
ss péci
ficit
ése nvironnemental
es
loca
lescom binéesa uxp rat
iquesvit
ivin
ico
l e
squ id é
fini
sse n
tl escarac
tér
ist
i quesd’unt er
roi
rvit
ic o
le
etparconséque n
t,l atypicitéduvin.

Aun i veauc l
im at
ique,lat empéra
t u
ree s
tl ’
élém e
ntqu ia gitlep lussurl aph é nologiee tl a
phys
i ologied elavigne(M irad eOrduña
,2010;P arkereta l.,201 1;J ones
,G .etA lves,2012 ).D es
indicesb iocl
im at
iques
,b aséssurlec a
lcu
ld esomm e
st hermiqu esdu ran
tlac roissanc ed elav igne
,
sontfo rtem entcorrél
ésa vecl esdiff
éren
tss tad
e sphé no
l ogiqu e
sd elav ignea insiqu ’avecla
com posit
iond esb a
ies(n i
veaud es uc
re,acidi
té,m étabol
itess econdai
res
)(Am e r
in eetW i nk
ler
,
1944;Hug l in
,1978;P arke
retal.,2011,2013).L e
srelationse ntrecesindicesetl ec om por
tem ent
delav igneon tlargeme n
tétéétudiée
sàt r
averslem ondee td esc l
assif
icat
ionsclim a
tiqu e
sv it
i co
les
ontét éd éf
i n
i e
s(T on
iet
t oetC arbonneau
,2004; H al
le tJ ones,2009; G la ds
t ones,201 1)
.C es
cla
ssif
ic at
ionsc lim a
tiquesv i
tico
les,c a
lcu
léesà p ar
tird est em péra
turesi ssu e
sd e
sr éseaux
mét
éorol ogiquesn a
tionauxsonta pp
licab
lesàun eé che
ller égion a
le.O r
,àl ’é
c hel
l ed ’unv i
gnob l
e
oud’un ea pp el
lat
ionv i
tico
le,lestem pé
ratu
resp euven
tp rése nterd e
sv ar
iat
ion sim po rtantesvoire
supérieuresàl av a
riab
ili
tér é
gionaleavecd esécart
sm oy enspouv an
ta t
teindrep lu s
i eu
r sd egr
és
(Qué noletBonn ardot
,2014 ).L apri
see ncom pt
ed el’é chel
l elocaleestdon ci ndisp ensablepour
déf
inirp réc
i s
ém entl’
im pac
td estempéra
ture
ss urlaphénologi e
,l escarac
téri
st
i quesd e sraisinsetla
typic
itéd esv ins
.

L’ana
lyseetlam odél
isat
ionclimat
iqueàl’éche
llelocaleetplusp a
rt
icul
ièrementàl’é
chel
led’un
vignoble
,n éces
si
tentdesr és
eauxd em esu
resetd esm od
éli
s a
tion
sp renan
te ncom pt
el’in
fluence
desfacteu
rslo c
aux,comm elatopog
raphie
.L esréseauxclim a
tiquesnat
ionaux(ex:r ése
auM é
téo
France)nesontp asadap
t é
sc a
rleurm ai
llag
ee s
ttroplâ ch
ee tsurt
outlesnorm e
sd ’
ins
tal
lat
ionont
pourob j
ect
ifd elimi
terl’in
fluenc
ed es«e f
fet
sl oca
ux»a f
ind er e
trans
cri
rea um i
euxlec l
im a
tà
l’éche
llerégiona
le.Auni veaudelam odél
isa
tion
,lesm odè
lesdyn amique
sré g
ionaux(ex: Weath
er
Researcha nd Foreca
sting(WRF )
,b asés su
rl esé qua
tionsfond amenta
lesd el ’a
tm o
sphère
,
descenden
tàd esr é
solu
tionsd epluse nplusfines
,d el’ord
reduk il
om è
trevo i
red equelques
cen
tai
nesdemèt
resetonté
téut
il
isé
sdansplu
sieu
rsé
tud
esclima
tiqu
e senvi
ti
cul
ture(Xue
tal.,
2012;Stu
rma
nT rough
teta
l.
,2014;So
ltan
zadehe
tal
.,2016; Q
uénoleta
l.
,2017).Cesmodè
les

126

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
ont montr
él eurc ap
aci
té àr ep
rodui
ref i
dèlemen
tl esc ond
iti
onsc limat
iqu
esa ux éch
ell
es
synop
tiquesetrégi
onale
s.M ai
slescapaci
tésdec a
lcu
lim port
antesrequi
sespourat
tei
ndreune
réso
lut
ionspati
aledequ e
lquesdi
zain
esd em è
tre
sainsiquel e
sim pr
écisi
onsdesm odè
lesàc e
s
éche
lle
sn epermet
tentpasd’ob
teni
rdesrésul
ta
tssat
isf
ais
antsàl’éche
lled’unvignob
leoud’une
appe
lla
tionvi
tico
le(Stu
rm a
nS chu
lmannetal
.,2014)
.

Dan
sl ec adred edif
féren
tsp roje
tsd ereche
rchev i
santàé t
udierlesim pac
tsduc hangeme n
t
c
limat
i queàl ’éche
lled e
st e
rroir
sv i
tico
les
,p lus
ieur
sv ignobleseta ppella
tionsv it
i c
olesonté té
é
quipésd erése
auxd ensesdem esu
respourp a
lli
erlem a nqued ’
inform at
ionsdi sponibl
esàc e
tte
é
c he
ll
e(Qu énolBonn e
foyeta l
.,2014; Q uéno
letBonn ardot,2014).L ad ens
ifi
c ationdesréseaux
d
em esuresetl’emplac
em entdespo s
tesd em e
suresenfon ct
iond esc ondit
ionsl ocalesdut e
rrain
(
topogra phi
e,hydrogra
phie,proximit
éd esbât
im en
ts)ontp ermisdec rée
rd e
sm od è
lesstat
is
tiques
b
a s
éssu rd e
sm odèle
sd erégr
essionlin
éair
ee n
trele
stem péra
t u
resetl’environnem entlocal(Jolyet
a
l.,2003; M ad
el
in,2004;Bo is,2007;S tah
letal
.,2006;Bonn efoy,2013 )etplu srécemm entdes
m
od è
lesd erég
ress
ionnonl iné
aire (LeRoux K atu
rj
ietal.,2016 )afind ’obten
irun esp a
tial
isa
tion
f
ined estem pé
ratu
res.
Ce
tteétudes’i n
scr
itd anslac ont
inuit
éd estrav
auxd e«z onag
ec l
im a
tiqueȈl Վc h
ell
ed ela
Gi
rondeviti
cole (Bois
,2007;Bo ise
ta l
.,2014).U nréseaud ecapteur
sd etem pér
atur
ei ns
tal
lée n
2011d anslesv ignob
l esd e
ssou sa ppel
lat
ionsbo rde
la
ise sd eS a
int
-Ém i
lion, Pomeroletl eu
rs
sat
el
lite
sa m ise nl umière uneim por
tan
tev ar
ia b
il
itéd est em p
éra
turese nr ela
tion avecle
com po
rtementd elavigne(deR ességu
i e
retal.
,2016 )
.E ns ’
appuya n
tsurcesr é
sult
atsains
iqu esur
lescar
tesdem odél
isa
tionà25mp rodu
itespardesrégre
ssionsnonli n
éai
res (L eRouxN ee
thli
nget
al
.,2016),cetr ava
ilapou robjecti
fd’ an
alyse
rlaré p
art
it
i ond e
stem pér
aturessurcesa ppe
lla
tions
via uneé tude sp a
tio-t
em pore
lle àl ’éche
llel oca
lee nr ela
tion avecd iff
érente
ss i
tua
tions
atmosphér
iquessynopt
i ques
.

9
.3 Ma
tér
ie
lse
tmé
thod
es

9
.3.1 S
itee
tann
éesd
’étud
es
L
esi
ted
’ét
udec
orr
espondàl
apa
rt
ieno
rd-
estd
elaG
irond
evi
ti
col
e,s
url
ari
ved
roi
ted
ela
Dordogne
,àprox
imi
tédel
av i
lledeLibourn
e.L arég
iones
ts oumi
seàunc l
im a
toc
éaniqu
e
prononc
é(ma
jor
itéd
efl
uxd’ou
est
).Le
sp r
écip
ita
tion
s,r
égu
li
èresdur
antl
’ann
ée(944mmannue
l
(1981-2010))
,s ontpl
usim porta
ntesenhive
retdiminuen
tdurantl
ap é
riodees
tiva
le
.L eLibourn
ais
sec a
ract
é r
iseparunr e
liefplusm a
rquéqueleres
tedelaGirondevi
ti
c o
le,l
’al
ti
tudevari
antde5m
dansl ap l
ained ela Do rdognea usudàun p euplusde 100ms url e
sp l
ateaux
.L er é
seau
hydrographi
ques ecom posed’unbass
invers
antpr
incip
alausud,laDordogne
,etdep l
usieu
rscou
rs
d’e
a usecondai
reo r
ien
té ses
t/oue
st(Fi
gure58).

127

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re59:Diagrammesombrot
herm
ique
sdelanormal
e(1980
-2010)e
tde
sannées2012
,
2013
,2014et2015(donné
esMét
éo-F
ranc
e,sta
tiond
eB o
rdeaux
-Me
rigna
c)

9
.3.2 Donn
éesu
ti
li
sée
s
Af
ind ’ét
ud ie
rl av ari
a b
il
itéspatialed estem pérat
uresliéesa uxe f
fetsl o
c aux(topogra phie
)e n
li
aisona veclec om port
em entdelav igne(ph énologie)etlesc a
racté
rist
iqu e
sd e
svi ns(typici
té)
,un
réseaud e90c a p
te u
rsd etemp é
rature(typeT inyTag,G em in
i)aé téinsta
lléfin20 11d ansl arégion
deS a
int-Ém i
lion,Pom e
roletL alande-de-Pom erol
,lesc apteur
spo ssèdentun eréso
l ut
iont héorique
de0.4°C11.L estem péra
tures(mi nimales,m aximalesetm oyennes
)e nregist
réest out
esl esh eure
s
ontétéa na
l yséespou rl e
squ at
rem il
lésim esétudiése nt
re2012e t2015 .L adif
f éren
c ee nt
rel e
capteu
rp résentantl e
sv a
leurslesp lusé levéese tc e
l u
ip résentan
tl esp lusfaiblese s
tc a
lculée
chacuned e
sj ourn ée
sd em esureafind ec onnaî
trel’am pl
itudethermiquej ournal
ièresurl esite
.P lu
s
spéci
fiquem en
t,e nliaison avecl esc ar ac
tér
ist
iqu e
sd el av igne
,l est em péra
t ure
sm oyennes
min
im a
lesetm a x
im ale
son tétéa nalysé
e sdu r
a n
tl asaisonv égé
tative(d’avr
ilàs e
pt embre)e td e
s
indice
sb iocl
im atiquesontétéc a
lc u
lésafi ndec arac
térise
rc hacund esm i
llésimesetd epouvo i
rl e
s
com pa
rer.L esi ndice
sb iocl
im a
tiqu esdeW inkleretd e Hugl
i n
,b aséss urd esac cumul a
tionsd e
tem pé
ratur
e sj ournal
ièressontu t
iliséspou rd éte
rm inerl e
st ypesd ec l
im atsfavo rab
lespou rla
vi
ticu
lture(W inkler
,1962;T o n
ie
tt oetC arbonneau,2004 )
,ets ecalcul
entp are x
em pleainsi:

1
1ht
tp:
//g
emin
i2.
ass
ets
.d3
r.
com
/pd
fs
/or
igin
al
/1554
-tk
-4023
.pd
f

129

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 31/
10 30/
09
(Md
j−10)+(Mx
j−10)
IW=∑ (Mj−10)
d IH=∑ .k
01/
04 01/
04 2

a
vecIW=Ind
iced
eWi
nkl
er,IH=i
ndi
ced
eHug
lin
, Md
j=T
emp
éra
tur
esmo
yenn
esj
ourna
liè
res
,

M
xj=T
emp
éra
tur
esma
xima
lesj
ourna
li
ère
s,k=c
oef
fi
cie
ntd
elongu
eurduj
our
.

Cesind
ice
s,qu
isontfor
tementcorr
élé
saudével
opp eme
ntdelav
igneetauxc
arac
tér
is
tique
sd e
s
r
ais
ins
,s’av
èren
tuti
lespourdécr
irele
sdif
fér
encestherm
ique
sspé
cif
iquesdus
iteàl’
échel
led’un
m
il
lés
im e
. L’ana
lys
ed es donné
esd etempér
atu
r e
s du ré
seaudec a
pteu
rsa permi
sd ’é
tudie
r
ponctu
ell
em en
tlav a
ria
bil
itéspat
ialede stem pé
ratu
resetdesindicesbioc
limat
ique
s.Lesdonnée
s
manquan
tesoua be
rran
tesontétéreti
résduj eudedonnées
,lorsqued e
sd é
rive
sontétéobse
rvées
,
lescapteu
rsontétédoubléspou rcontrôle
rl aquali
tédelam e
sure.Seulsle
sc a
pteu
rsposséd
ant
80%d el’
informa
tionàl’é
chel
l edelasaisonv égé
tat
iveontétéconservé
s.A f
indepouvoi
rest
im e
r
lav a
riab
il
itéspa
ti
aledestem pér
atur
ese ntoutpoi
ntdusited’étude
,ilestnéce
ssa
iredespa
tia
li
ser
lesdonnéesenut
il
isan
tun em odél
isa
tiona pprop
riéeàl’
échel
led’ é
tude
.

9
.3.3 M
odé
li
sat
ionspa
tia
le mu
lt
isc
ala
ired
esdonn
éestopo
clima
tiqu
es
Ap
rèsavoi
ra cqu
isle
sdonnéesponctue
llementvialeréseaudec a
pteurs
,ilestnéce
ssa
iredele
s
ca
rtog
raphi
ers u
rl’ens
em b
ledusited’
étude.Lesm é
thode
sd ’
int
erpol
ationspa
tial
eest
im e
ntentou
t
po
intdel’e
spaceunevar
iab
leàp ar
ti
rdepo in
tsd’éc
hant
il
lonnageauxv a
leursconnue
s.L’u
ti
lis
at
ion
decesdif
fére
ntesm é
thode
sreposesurdesp ré
requ
islié
sa uxtypesdedonn éesàinte
rpo
lerain
si
qu
’àl’éc
hel
les p
ati
aled’
appl
ica
tion(Bivandetal
.,2008; Wacke
rnage
l,2013)

Àl’éch
ell
el o
cale
,ladistri
but
i ondestempér
atu
resestforteme
nttributa
iredesélément
slocauxet
p
art
icu
liè
rem en
td elat opographie(Jol
yeta l
., 2003).Lesrela
tionse nt
relat opogr
aphieetles
t
em pé
ratu
resp euv
entêtreé va
l uée
se tqua
nti
fié
esviad e
sm odèl
esd erégr
essi
on. Àp ar
ti
rd eces
m
odèle
s,le
st empéra
tur
ess ontsp a
tia
li
séesàunem ai
llefine
.U nm odèlederégres
sionnonlinéa
ire
(
Suppor
tV e
ctorR eg
ress
i on)aé tém i
se np
lacepourp rodu
iredesca r
tespréc
isesd e
stem pé
rat
ure
s
m
inim
ale
setm
axim
ale
sjou
rna
li
ère
s (L
eRouxe
tal
.
,2017;L
eRouxK
atu
rj
ieta
l.
,2016
)

Le
s Suppo
rtV ec
torM ac
hine(SVM)sontissu
sd elathéor
ie«m ach
inelea
rning (Co
rte
set
V
apn
ik,1995
).I l
ssontpar
tic
uli
èrem
ente
ffic
acespourle
se s
tima
tion
sd ere
la
tionsnonli
néa
ire
s
c
omplex
esgrâc
eàl’empl
oidecenoyau
.Lafonc
tionderé
gres
siona
ssoc
iéees
tlasui
v a
nte:
N
Y(X)
=β0+∑βiK(
X,Si)
+ε
i=
1

130

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 AvecSlesSupportVec
tor
,β0lesco
eff
icie
ntsasso
ciésetK l
enoy au
.L aqu
ali
tédu mod
èlee
st
é
val
uéeparva
lida
tioncro
isé
e(80%
/20 %
). (Arl
otetC e
li
sse
,2010)
.D ansl
ecasprés
ent
,cet
ypede
m
odè
leprodu
itdesrésu
lta
tsave
cde
sinc
ert
itud
esfai
bles(Tabl
eau16).

T
ableau16:Éva
l ua
tiondelaqual
it
édum odèl
eSVRsurle
stempéra
ture
sminima
lese
t
ma
ximale
sjou
rnalière
s(01/
04au30/04)parde
sind
ica
teur
ssta
tis
tiqu
espourl
es
qua
tr eann
éesét
udiée
s.Sour
ce:LeRouxetal
.,2017
T
empé
ratu remin
ima
lesmoyenn
es
2
012 2013 2014 2015
RMSE(
°C ) 0
.24 0.26 0
.23 0.22
Co
ef.D
ecor
relat
ion 0
.94 0.89 0
.92 0.90
T
emp
ératu r
em ax
ima
lesm o
yenne
s
2
012 2013 2014 2015
RMSE(
°C ) 0
.21 0.21 0
.22 0.24
Co
ef.D
ecor
relat
ion 0
.85 0.81 0
.83 0.84

Pourplusdedéta
il
ssurlac r
éat
ionetlaqua
li
tédu modè
le
,lelec
teu
rpourraseré
fér
eràl a
publ
ica
tionsuiv
ant
e:(L e Rouxetal.,2017
).Àpar
ti
rd ecesca
rte
sjourn
ali
ère
s,le
si nd
ice
s
bioc
limat
ique
sdelavigneci
téspré
céd
emm en
tson
tcar
togr
aph
iésa
findeca
rac
tér
ise
rle
sdispa
ri
tés
spat
ial
esdechaquemil
lés
ime.

C
ependant
,c esi ndicesn esontp assu f
fisan
ts pourc onnaîtr
el av a
riab
il
itéj ou
rn a
lièred es
t
em pér
atures
.E ne f
f e
t,lav ar
iabi
lit
ésp atia
lem oyennea nnue
lled est empéra
turesetd e
si ndices
b
iocl
im a
tiquesd’un ea ppel
lat
ion vit
icolev aê trel arésult
anted e nom b
reusess i
tuationstr è
s
d
if
féren
tes.L arépar
ti
tiond estem p
éra
t ur
e svari
esu ivan
tlesd i
fféren
te ssi
tuat
ionsatm osph é
riques
.
L
esc l
im a
t s
,e t doncl estem péra
tures,d esé chel
lesi n
f é
rieuress onttri
butai
resd esé chel
les
c
limat
iquessupérieu
res.Poure xpl
iquerlar é
p a
rt
it
i ondestem pé
r a
turesàunp asd etem p
sj ournal
ier
,
i
lestalo
rsn éces
saired’étud
ierlessi
tuationssynoptique
setl eu
r sconséquencessurlesdist
ributions
d
et empéra
turesàl’éch e
ll
el oca
le.Pou rc e
la,dess o
rti
esdu m odèl
ea tm o
sphéri
qu erég
i onal WRF
(
Weath
erR esear
chandF orecas
ting
, (Sk am a
rocketa l
.,2008))ontétéutil
isée
s.

WRFe s
tun m odè
l ecl
im a
tiquedynami
quec ompos
éd egr
il
lesimbr
iquée
sàd i
ffé
rente
séche
lle
s
spa
tia
les(27,9 , 3e t 1km )fourn
iss
a n
t unediver
si
téd ev ar
iab
lesclima
tique
s(p r
ess
ions
,
tem p
érat
ures
,v en
ts… )
.L efonct
ionnemen
tdu modèl
en é
ces
siteun
eim po
rtan
tepui
ssanced
ecalcu
l.
Danscet
teétude,lam odé
lisa
tiondynamiquepar WRFn’aétéréa
li
séequesurlem i
ll
ésime2014
pourdesra
isonstechni
ques.

Lecalc
uldelap r
ess
ion moyenneauniv
e a
ud el
ame
r,a
ins
iquedel ad
ire
cti
onetl
aforc
eduv en
t
m
oyenjourn
ali
eràp art
irdessor
ti
e sdu modè
leà27 kmderé
sol
utionapermisdedé
termin
erle
s
c
ondi
tion
satm osphér
ique
sj ou
rna
lière
sa univea
udusi
ted’é
tude
. Unea na
lys
ed el
av ar
iab
il
it
é
sp
at
ial
ed estempé
rat
ure
sàé c
hel
lel
oca
lee
nfon
cti
ond
est
ype
sdes
itu
at
ion
satm
osph
éri
que
sa
en
sui
teét
ér é
al
isé
epource
tt
eanné
e2014
.

131

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
9
.3.4 M
ode
sspa
tio
-tempo
rel
setana
lys
esm
été
oro
log
iqu
essynop
tiqu
es
Pourfaci
lite
rlal e
ctureetl ’
analysed esdi
ff é
r ente
sd ist
ributionsdetem pér
atu
r eàl’é chel
l edusite
d’é
tude,c e
lles
-cionté t
ér egroupée
sp arcla
ss evi al am é
t hoded es“Sel
f-Organ
i zeM a ps”(SOM ).Il
s’ag
itd’unem é
thod edec lass
ifi
cat
i onnons up e
rvisée,ba séesurlesréseauxden euron es,d é
tec
ta n
t
lesre
l a
tionstopologiquese n
tredif
f ér
e nt
esv ar
i ables(Kohon e
n,1988,2012 )etd elesg roup e
re nun
nom b
red ec lu
stersdéfin
isp a
rl’ut
ilisateu
r.E nm étéorologieetclim a
tolog
ie,lam é
thod eSOMe s
t
ut
il
isée pou ride n
ti
fierl esp rinc
ip aux pat
t ernssp a
tiaux d et em p
éra
t u
re,p réc
ipitation ou d e
ci
rcula
tiona tm o
sph é
rique(A lexandere tal.,2010; K a
turj
ie ta l
.,2015; N i g
roe ta l.,201 1
).
L’
algor
ithm e SOM ,em ployéd ansc etteétud e,p rovientdup ackage R Kohonn en (W ehrense t
Buydens
,2007 ).L am é
thod eaétéa ppliquéea uxt em pé
raturesm inimale
setm axim a
le sjournali
ères.
Aprè
sun es ér
ied etes
ts,un esélec
tiond en eufm odess pa
tio-temporelspr
i n
cipaux(ou m odes)aé té
re
t e
nu e
,r ésuma n
tsu ffi
samm entl’informat
i ona f
i n qu’el
leso itlis
ibletoute nc onserv a
nt une
dive
rsi
tés a
tisf
aisant
ed essituat
ionspo ssib
les.L eso ccurrencesm ensuel
lesdece sdif
fér entspat
terns
ontensui
teé t
éa naly
sé e
sl o
rsd esqu a
trem il
lésim esd i
spon ib
l e
se nt
re2012e t2015.

Lessor
tie
sdu m odè
le WRFn ecouvran
tqu el’année2014,seulcem i
llé
simeaé téét udi
épou r
l
’ana
lysedestempéra
turesàé che
lleloc
alee nfonct
iond esdi
ffére
ntessi
tua
tionsatmo sphér
iques
.
D
ansunp remie
rtem ps
,l e
sd a
tesd esm odesspat
i o
-tempore
lsissusdelam éthodeSOMd ece
m
il
lés
imeon té
téextra
it
s.E nsu
ite
,c ha
quejournéeaé téassoc
iéeauxc hampsdep re
ssi
onob te
nus
v
ial agri
lle WRFà 27kmc ouvran
tl’ouestd el’E u
rope.E n
fin
,l esanom al
iesdep ress
ions
m
oyennesonté
técalcu
lées(var
iabl
ec en
trée
)ainsiquelaforceetladi
rect
ionduv entm oy e
nnep a
r
m
ode,cr
éant18si
tuat
ionsdif
féren
tes(9pourlestem p
érat
uresminimale
set9pou rlesma ximale
s).

9
.3.5 R
ésu
lta
ts

9
.3.6 V
ari
abi
li
téspa
tia
lein
ter
annu
el
led
est
emp
éra
tur
ess
aisonn
ièr
es
L’
ana
lys
ed estempé
rat
ure
sm in
imale
s(T n
)etm aximal
es(T x
)e n
regi
st
réesparler
éseaude
c
apt
eur
sam i
se név
ide
nceunefo
rtev
ari
abi
li
tésp
ati
aleett
em po
rel
leàl’
échel
ledel
’ai
red
’ét
ude.

Surlesquatremil
lésimesétudiés
,l avar
i a
bil
it
ésp at
ialedest empératur
esm in
im a
lesaé téplus
im po
rtant
equ ece
lled e
sm axim a
les(Fi
gure60).Pou rlesTn,lessect
e ursaveclesalt
itude
sl e
sp lu
s
él
e vé
es(plat
eauxcalcai
resd eS a
int
-Ém il
ion, Mont
a gne
,Pu i
sseguinetL u
ss ac
),ains
iqu eceuxe n
pente
se xposé
essudc orre
spondenta uxtem pé
ratu
resm inimal
esl e
sp luséle vé
es.Invers
em ent
,les
sec
t e
urslesplusbas(fondsdev al
lonsetlav a
lléedel aD o
rdogn e
)son tassocié
sa uxtem pé
ratu
res
lesplusb a
sses
.C esontc e
rta
i n
em en
tl essi
tuat
ionsd ’
inver
sionstherm iqueslié
esàl atopographi
e
quiontunpo idsim por
tantsurlar épar
ti
tiondestem péra
turesno c
turnes(B e
ltr
andoe t Chémery
,
1995).Ile xi
steég a
lem en
tun ed if
férencee n
trel’ouestetl’estd el ar égi
ond ’étude
.L esT n
enreg
ist
réesd anslap ar
tie oues
t(L ibourne
, Pom e
rol
,L a
lande-de-Pom ero
l) sontlég è
rem en
t
sup
éri
eure
sàlamoye
nnealo
rsquel
esa
lt
itud
esson
tre
la
tiveme
ntbas
sese
tlesp
entesqu
asinu
lle
s.
Lava
riab
il
it
ésp
at
ia
lein
ter
annue
ll
edesT
nestplu
simpo
rta
ntequel
avar
iab
il
it
éin
ter
annue
lle
.

132

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
F
igu
re60:T
emp
éra
tur
esm
inima
lesetmax
imal
esm o
yennesdu01
/04au30
/09pou
rle
smi
ll
ésim
es
2012
,2013
,2014et2015

Lar épar
tition spat
ialed esT xe sttrèsd if
féren
te, maisc es onté ga
lem en
tl esfacteu
rs
topographiques( a
lti
tudeete xpos
ition)quie xpl
iquen
tlav ar
iabi
li
tésp a
tial
e(C a
rrega
,2003 )
.L es
secteu
rsa vecle sva
leurslesplusélevéesson
tm ajo
ri
tai
rementsi
tuése nbasseal
ti
tude(pla
inedela
Dordogne,Libou rne
,Pom eroletle
sfond sdev al
lées
),excep
tionfa
iteduno rd-e
stdusi
te(L u
ssacet
lesA r
tiguesd eL ussa
c)tandisquele spla
teauxsontplusfra
is.Lesforte
sp en
tesexposée
ssudson t
ic
ia us
sid ess ect
eurs oùl esT xson tl e
sp lu
sé levé
es.L ’
am p
li
t udethermiques p
ati
aled es
tem pé
raturesm ax
im a
lesm oyenne
se stm oinsim por
tan
tequ ec e
ll
ed e
st empéra
ture
sm inimal
es.
PourlesT netl esT x
,ladist
ribut
ionsp a
tia
led estempéra
ture
se s
tquasimentsimil
air
equ e
lqu eso
it
lem i
llés
im eét udi
é.

9
.3.7 L
esind
ice
sbi
ocl
ima
tiqu
es
Ladis
tr
ibut
ionspa
tia
ledel’
indiced
eW inkleres
tsimila
ireàc e
lledestempéra
ture
sm inimale
s
m
oyenne
s :lespla
teauxetco
teauxontle
sv a
leu
rslesplusé l
evéesetlessec
teur
sa veclesplus
b
asse
sal
tit
udespr
ésen
tentl
esvaleu
rsl
esplusfaib
les(F
igure4).L’
indicedeW i
nkle
re s
tfortemen
t
c
orr
éléauxtempé
ratu
resm oy
ennesdelasaisonvégét
at
ive( Jone
s,G.,2006b)C esrésu
lta
tssont
e
xpl
icab
lespa
rlefa
itqu’àl
’éch
ell
eloc
ale
,lestempéra
ture
sm a x
imale
sv a
rien
tdansdesproport
ions

133

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
p
lusfa
ibles qu
el e
st empé
rat
ure
s min
ima
les (C
arr
ega, 2003)
.L ’
indi
ced
e Hug
lin
,pa
rsa
c
ons
tru
cti
on,donneunpoi
dsplu
simpo
rta
nta
uxtempé
ratu
resm ax
imal
es.

F
igu
re61:Ca
rtog
raph
ied
el’
ind
iced
eWi
nkl
ere
tdeHug
linpou
rle
ssa
ison
s2012
,2013
,2014
,2015

Cependan
t,lat empéra
turee tlesv aleur
sm oyenne
sd e
si ndi
cesd ’unesaisonvon têtr
ep lus
for
teme n
td épendan
tesd est empéra
t u
resm ax
im al
es.L ’
eff
etm il
lés
im ee s
tdon cplusfort
em en
t
tr
ibuta
ired esvaleu
rsm axim a
les
.L esr ésu
lta
tson tmise na van
td ’
im por
tan
tesd ispa
ri
tésdansla
di
str
ibuti
ons pa
tia
led estem péra
tures
.C e p
enda n
t,cesr é
sul
tatscalcu
léssurun ea nnéeous urla
pé
riodev égé
tat
ivedelav igne(d’avr
ilàs ep
tem brepourl’
indiced’Huglinetd’avr
ilào c
tobrepour
l’
indic
ed eW inkle
r)nefou rn
issentqu’unev a
leurm oyenneetdon c
,un ein
form a
tionpart
iel
ledela
va
riabi
lit
és pat
io-t
em pore
lled est em p
ératu
res. Pourc om p
rendrele s mécanismesc l
imat
iques
(Bri
sesd epentes
,posit
iond ’ab
risparr a
pporta uxventsdomi n
ants
)sou s
-jac
ents,lestempér
atur
es
onté
téa nal
yséesàuneé chel
lejourna
lière
.

9
.3.8 Ana
lys
ess
tat
is
tiqu
esd
elava
riab
il
itéd
est
emp
éra
tur
esd
esqua
treann
éesé
tud
iée
s
Àl’éch
ell
ej ou
rna
liè
re,ladis
tr
ibu
tionspat
ia
led estem pé
rat
uresvar
iefor
tementetdem a
niè
re
d
if
fére
ntepourlest
em pé
ratu
resmin
im a
lesetm a
xim ale
s.Ladiff
érenc
em ax
im a
led et
empé
ratu
re,
e
ntr
elecapteu
rlepluschaudetce
luilep
l u
sfro
idsu rl’a
ired’
étude
,estsup
éri
eureà9°Cpourles
T
netà8°Cpou rlesTx( T
able
au17).L avar
iancee s
tplusimport
antepou
rlesT n(3
,1°Ccon
tre

134

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
1°Cpou
rle
sTx
).D’unem a
niè
regéné
ral
e,50%desjou
rnée
s/nui
tsson
tc a
rac
tér
isé
esp
aruné
car
t
th
erm
iquec
omp
ri
sent
re2,5et5°Cpourl
esTn,e
tent
re2,5e
t3 ,8°Cpourle
sT x
.

T
abl
eau17:Indi
cate
urssta
ti
sti
quesdel’ampl
itudet
hermi
ques pa
tia
le(di
ff
érenc
een
trelecap
teu
r
lep
luschaudetl
ec ap
teurlep
lusfroi
daupa sdetempsjou
rnal
ier)pourl
esqua
treann
é e
s
é
tud
iées(01/01
/2012au31/12
/2015)
Moyenne Max M
in V
ariance Med
iane 1er quart
ile ème
3 qua
rt
ile
Tn 3
.9 9
.5 0
.9 3
.1 3
.8 2.4 5
.0
Tx 3
.2 9
.4 0
.8 1
.0 3
.1 2.5 3
.8

L’am pl
ituded et em p
ératur
ee nt
r elepo i
ntleplusc haudetl eplusfroidestplusélevéelanu i
tqu e
lejou r
.L anuitno tamm e n
t,lescond i
tionsatm o
sph é
riquesfavorablesàl aformat
iond ’uneinversi
on
therm ique(phé nom èned ’accum u
l a
tiond’airplusfroidd anslesc uvet
tesoud an
sl e
ss ec
teurssub-
hori
z ontaux)
,von te ngendrerd efortsécar
tsd etem pé
rature
s,e nparticul
ierp a
rrapportauxs ec
te u
rs
enp ente.L ejour,l avariab
il
itésp at
ialed e
st empéra
tu r
ese stprin
ci pa
lem entli
éea uxeffet
sd ’abr
is
oud ’obstac
lesqu ivon tm odif
ierl ebilanénergét
iqued esurface
.C eseffe
tssonttrèsloca
lisés(eff
et
d’om bre)
.L aF i gure 62 m ete né viden
cec e
ttefo r
tev ar
iabi
lités p a
ti
alee tt emporel
lep ar
l’i
nterm édia
ired el ’éc
art
-typem oyenc a
lculésurc haquepi xe
ld e
sc a
rtograph
iesjournal
ièresissues
del’interpola
tionsp a
tia
led esT netT xd e2012-à2015 .L e
se spacesa uxr e
lie
fsp lusm arqués
(coteauxe tpla
te aux)sontc euxa veclesécart
-typeslesplusélevéspou rlestem pé
rature
sm inimales
.
Lesr ésul
tatsson tb eaucoupp lushom ogènespou rlestem pératu
re sm axim a
les
,etl esv a
leursn e
présententpasd’ extrêmesc omp a
ra b
lesàc euxob s
ervéspou rlesmi nimales
.

F
igure62:Écart
-typ
em o
yendechaquepi
x e
lpourle
squat
remil
lés
imesétud
iés(1
erj
anv
ierau31
d
écembre2012–2015)
9
.3.9 Clas
sif
icat
ionspa
tio
-tempore
lledeladi
str
ibut
iondestempé
r a
tures
L
aclas
sif
ica
tionpa
rlam é
t hode«SOM»p r
endenc omp
teàlafoislesdi
str
ibut
ion
ssp a
ti
ale
s
domin
ant
esdestempé
rat
ure
sm a
iséga
lemen
tl’o
ccu
rre
ncedecesd
is
t r
ibut
ion
sa ucour
sdelasa
ison
.
Le
sn e
ufm ode
stempo
rel
s(Figure63)id
ent
if
iés
,ré
vèl
entquelenord-e
stdusi
teestengén
éra
lplus

135

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
fro
i dquelamoy
enn
e.T
roi
sgr
and
esd
is
tr
ibu
tion
sde
stem
pér
atu
ress
edé
gag
entd
ece
tt
ean
aly
se
pourle
sT n:

• L
esinv
ers
ionsthermi
ques,oùlessec
teursenpos
it
iondomi
nan
te(p
la
tea
ux)son
tasso
ciés
a
uxtempé
ratu
reslesp
lusélev
ées
,c on
cernen
tle
scinqmod
es1,2,4
,5et7don
tlafr
équen
ce
e
stp
art
icu
liè
rem e
ntélev
éeenétéetàl’au
tomne
.

• L
esmode
soùl
espla
tea
uxson
tpl
usf
rai
squ
ele
sva
ll
ées(m
ode
s 6e
t9)son
tpl
usob
serv
és
e
nhi
vere
taup
rin
temps
.

• A
veclesm ode
s 3e t8
,ladist
ribu
tion d
estempé
ratu
reses
tm arqué
ep ar un g
rad
ien
t
l
ongi
tud
inal
,l’ou
estduse
cte
urét a
ntplusch
a udquel’e
st
.C e
ss i
tua
tion
sn edom i
nen
t
a
ucunes
aison
.

Pourle
stempér
ature
sm aximale
s,l
espla
teauxpossè
de n
tdesvaleu
rsp l
usfai
blesdetem p
éra
tures
pourl’en
sembledesm odes(Figu
re64). Àl’exc
ept
iond ec e
sp l
ateaux
,lesdiffé
rencesent
rel e
s
modes sontp
rinc
ipal
em en
tliée
sàd esgra
dien
tsdetem pé
ratu
relongi
tudina
uxetl a
ti
tudina
ux.Ilest
di
ffic
ilededi
st
inguerd espat
ternsdominan
tssui
vantlessai
sons
,e xc
eptédurantlasai
sone s
tiva
le
oùl’oues
tdusi
teestassociéauxtempér
atu
resle
splusélevée
s(m ode
s1,2e t3)
.

F
igur
e63:a)mode
sspat
io-
tempor
elsd
est
emp é
ratur
esmin
ima
lesj
ourna
liè
resi
den
ti
fié
spa rla
mé
thodeSOMpou
rlesanné
es2012à2015
.b )Occur
ren
cesme
nsue
lle
sdesdi
ffé
ren
tspat
terns
spa
tiau
x

136

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re64:a
)mod
esspat
io-
tempo
rel
sdest
emp é
ratu
resmax
ima
lesj
ourna
liè
reside
nti
fi
ésparla
mé
thod
eSOMpou
rlesannée
s2012à2015
.b )Occur
ren
cesme
nsue
lle
sdesdi
ffé
rent
spatt
erns
spa
tiau
x

Lessec
teu
rsgé n
ér a
lementle
sp luschaud
sd elazoned’é
tude(ou
estdusi
te,c
oteauxe
tpla
teaux
)
sontégal
eme n
tc euxoùs on
tp rodui
tslesvinsle
sp lusrépu
tés(Pomero
l,co
teausuddeS a
i n
t-
Émil
ion)
.L ac onf
i gur
ati
onsp a
tio-tempor
ell
e dut opo
clima
ta uc ou
rsd e
ss a
isonsvég
éta
tive
s
favor
isedonccessecteu
rs.

Le
sv ar
iab
lestopogra
phiquesétan
tc ons
tan
tesauc ou
rsdut emps,lesdif
fér
entsm odesson
t
tr
ibut
air
esdescondi
tion
sa tmosph
éri
quesdujourcons
idéré
.Pourchacundesmode
s,l ’
analys
edes
sor
ti
esdu modèle WRFd el’
année2014soul
ignelerô
led elap
res
sionatmosphé
riqueain
siquel
a
di
rec
tionetv
ite
sseduv en
tsurladi
str
ibu
tiondestempé
rat
uresmin
imales(F
igure65).

 Exce
ptépourlem ode1,l
esm od
esca
rac
tér
isé
sp a
run einve
rsi
onthermiquesontsoumisà
despres
sionsplu
sh au
tesquesurl
er e
stedel’Europeetdesv en
tsrela
tiv
em en
tf a
ible
s
(<3m/
s),c ond
it
ionsre
qui
sespou
rlamis
ee np
lacedecesinve
rsion
s(mod
es2 ,4,5et7)
.

 Desv en
tsave
cd e
sv i
tess
esplu
sélevée
sp rése
ntspourless
itu
ati
onsdesmode
s 3(5m/s
),6
(7,31m/
s)8(5,88 m
/s)et9(3,8 m
/s)em p
êchentlam i
seenp l
acedec e
sinver
sion
s,l
’ai
r
ét
a n
tb ras
séparlesflux
.L e
sv a
llé
essontplusa b
ri
téesduv entqu
el e
splat
eaux,cequi
expliqu
elest
em p
ératu
respl
uséle
véessurcesespa
ces
.

 L
enode1f
aitfi
gur
ed’exce
pti
on,desve
ntssupé
rie
ursà3ms-1souf
fle
nt,mai
slad
ist
ribu
tion
g
éné
ral
ede
st empé
rat
ure
sestsimi
la
ireaux mod
espré
sen
tan
tdesinve
rsion
sthe
rmi
ques.

137

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Fi
gure65: Moyennesre
lat
ivesdesanomal
iesdepre
ssi
one nsur
face(parrappor
tàlapres
sion
moyenn
esurl’Euro
p e
)etvi
tess
eduv en
tm oye
nne(à10m )pourlesmod e
sd e
stempéra
tur
es
m
inimal
es(ann
é e2014àpa r
ti
rdum od
èle WRF27km ,donnéesj
ournal
ièr
es)
.Lav i
tes
seduventsur
s
iteind
iquelavaleu
rduv en
tmo y
ensouf
flan
tsurl’a
ired’étud
e

Lesc ondit
ionsatmosphér
iquesdesm odesas
soci
éesa uxT xsontc
a r
act
éri
séespard e
sv i
tess
esd e
v
entpl ushom ogènes(m a
ximumpou rlenode9a vec4 ,67m/
se tm i
nimumpou rl enode4a v
e c
1
,69ms )qu
-1
epourl e
sT n
.S eu
lel asi
tuat
ion4,domi n
ée spa
rd e
sa nomal
iesdepression
spo s
it
iv e
s
e
stassociéeàd esv e
ntsfa
ible
s(1 ,69m/
s)s u
rleBo rdela
is(Fi
gure66).C epe
ndant,lelienent
rel a
d
ire
ctione tlapuissanc
ed esvent
sa veclesgrad
ien
t sdet empér
atu
r e
sobservée
spou rc hac
und es
m
odes n ’estpase xp
lic
ite
.P a
re xem p
le,les
itees
tsoum isàdesve n
tsd’oues
ts ousd e
sp re
ssions

138

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
sim
ila
ire
spourle
sm od
es 1e
t9,m
aisl
aré
par
ti
tiond
est
emp
éra
tur
ese
sts
ymé
tr
iqu
eme
ntd
if
fér
ent
e
pou
rcesdeuxmodes.

F
igu
re66: Moyennesre
lati
vesd e
sanomal
i e
sd epr
ess
ionensurf
ace(parrappor
tàlapres
sion
moyennesu
rl’Eur
op e
)etvites
seduventm o
yenne(à10m)pourlesmod e
sd e
stempéra
tur
es
ma
xima
l e
s(anné
e2014àpa r
tirdumod è
le WRF27km ,donnée
sjourna
lièr
es)
.Lavit
esseduven
t
su
rsi
teindiquelavale
urduv en
tmo ye
nsouf
flan
tsurl’a
ired’é
tude
9
.4 D
iscu
ssione
tcon
clu
sion
Latopogr
aphi
ejoueunrô
lem a
jeu
rdansl’
agencemen
tdestempéra
tur
esm oyenn
esetde
si nd
ices
bio
climat
iquessu
rles
ite
,conf
irman
tle
srésu
lta
tsd’é
tude
sp r
écéde
ntesàcet
teéche
lle(Bo
is,2007;
Bonnefoy
,2013;C ar
rega
,2003;Jo
lyetal
.,2003; Made
lin
,2004)
).L’u
ti
li
sat
iond e
stempé
r a
tur
es
m
oyennesàl’é
che
ll
ed ’un
es a
isonetd’
indi
cesbioc
limat
iqu
esm asquen
tc e
pendan
tlav a
ria
bil
it
é
t
hermiqueauxéche
ll
e stempore
ll
esplusfin
es.L’ét
udear évé
lé qued ansl
ess ec
teu
rs oùla
t
opogr
a ph
iees
tlaplusacci
dentée
,le
st empé
rat
ure
spouv a
ien
tp rés
ente
rd eséc
art
sd eplus
ieur
s

139

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
d
egréssu rqu e
lquescenta
inesdem èt
reslorsquec erta
i nesc ondi
tionsatm osphéri
quess ontenplace
(
inversionthermique
,po s
it
ionsd’ab
ris
).L ’é
tuded esc onditionsatm osphérique
se nplaceac onf
irmé
l
esi nte
ractionsent
relesé che
ll
esclimat
iqu e
s,enm ontrantp ar
tie
llem entd e
sr e
lat
ionse nt
red’une
p
art
,l esvitesse
sd e
sv ent
setlescham psd epres
si onse td’ aut
rep a
rt,lessitua
tionsthermiquessur
l
’ai
red ’étude.Laseul
ea nnéededonnéessynoptiqu esd isponiblespourd esr a
isonsprati
qu e
sn ’
est
c
epe ndantp ass uf
fi
sante pourdec onfirmerst a
tistiquem e n
tl esr e
l a
tions obse
rvéese n
treles
d
if
fér e
ntesé chel
lescl
im a
tiques
.L areproduct
iond ’unet elled émarch esurl e
sa ut
resm i
ll
ésimes
é
tudiés(2012 ,2013et2015 )c on
solide
raitc e
sr ela
tions.L ’
int
é g
rationd ’éche
llesintermédia
ire
s
(
supr a
-régional
eetrégiona
le)estéga
lem entun m oye nd’ appréhenderpl u
se nd é
tai
llesintera
ct
ions
e
ntrelesé chel
lescl
im a
tiques
,notamm entpourc onforterl’ exp
licat
iond el avari
abil
it
és pati
aledes
t
em p é
raturesm ax
im a
les
.

Lesét udesm u
ltis
calai
resm e
ttan
te nr e
lat
i ond essitua
tionssynoptiquesavecl eu
rsc onséquenc
es
loca
lesp ermet
tentdem ieuxé tudi
erl’im b
ricationd eséchel
lesclim a
tiques
.E nr ep
roduisantcetype
d’an
alys e,iles
te nvisageab
led esim u
lerlest em péra
turesd’unv ignoble,oud ’unea ppel
lati
on,à
par
ti
rd ec ond
it
ionsatm osphériquessp é
cif
iqu es
.L ac las
sif
icat
ione ffec
tuéed anscet
teé t
ud erepos
e
surunea pproch
eun iquements ta
tis
tique.L esm é
ca n
ism e
se xpl
iqua n
tl e
ssitua
tionsatm osphér
iques
synopt
i qu e
ss ontlargem en
t do cum ent
ées(C zajae tF ranki
gnoul, 1999; H u
rre
lle ta l
., 2003;
Cas
sou,2004 )etclass
ifi
és(Köpp en,1936),l acom bina
isond ecesc l
assi
fica
tionsavecun ea pp
roche
st
ati
stiqu epourr
aitabout
iràl ’autom a
tis
ati
ond elad éte
cti
ond essitua
tionsder éf
érences
,d anslebut
desuivrel eur
sé volu
tionsda nslec ontex
teduc h
a ngementclimatique
.Pou rc onc
lure,leréseaude
cap
te u
rsi n
sta
llé
sd anslesa ppella
tionsdeS ain
t-Ém il
ion,P omeroletl eu
rssatel
li
tes,associéàd es
modé
lisationssta
tis
tiquesàré solu
tionfineetàun m odè
lec l
im a
tiquedyn amiquerégional
,a m isen
lumièrel agrandevariab
il
itésp at
ialeettem porel
led estem pé
ratu
r e
sd ec ese
cte u
r.

140

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 C
onc
lus
iond
elat
roi
sièm
epa
rti
e
L
er ése aud ec apteur
sd etemp ératurei n
stal
lédan sl e
sapp ellat
ionsdeSa in
t-Émil
ion,P om er
ol
le u
rss atell
itesa mon t
réd ’
impo rtantsé car
tsd et empérat
ur e
ss u
rles i
te
.E ns’appuyantsu rles
donn éesm e
surées,unmod è
led eré g
ress
i onnonliné a
ire(SVR )aé téu
til
isépourc ré
erde sc a
rtesà
trèshau t er é
sol u
tionspa t
iale,a vecun eincer
tituder e
lat
iv eme n
tfaibl
e.C esc ar
tographieson t
montrél er ôlem ajeurd elat opographiedan slad istr
ibut
iond estempérat
u r
esd ecesvi gnoble
s,
avecd esamp li
t udest h
ermiqu esimpo r
t ante
se nt
rel esdiff
ére n
tss ec
teursdus i
te. Mai
se l
lesont
égalem ent montr équ elarépa rt
itiond e
st empératuresv a
rief or
tem e
ntdan sletemps.Àl ’é
ch e
lle
d’unesa ison,lest empératu
resm in
ima l
esc ondi
tionn e
ntladistribut
ionspat
ialed e
stemp ératur
eset
desi nd
i cesb i
o c
lima t
iques
,t andisqu el’effe
tm i
llésime( va
riabili
téinte
rannuell
e)e s
tplu sliéaux
temp ératu r
es ma ximales
.Lad ist
ribut
iond e
stemp érature
sj ournal
ièresàl’échel
ledus i
t ed’étude
estfortem entdép endantedesc ondi
tionsa tmosphér
i ques
.

Lan éce
ssi
téd ’avoi
runr é
seaud ’obs
e r
v a
tiondensepourlam iseenp lacedec e
sm odèle
spo se
cependantunc er
tainnomb redelim i
tes.L’ins
tal
lat
ionetl’entre
tiendec esréseauxontunc oût
humain,techn
i queetfinanc
ier
.Iln’estdon cpasposs
ibl
ed ’équipe
rainsil’ens
embled e
svignobl
es.
Deplus,les mod è
lesder égres
sionsontb esoindedonnéesd ’obser
vat
i onsene n
trée
,o rdansle
contex
teduc hangementclimatiqu
e,au cunedonn éepro
jetéee nfonc
tiond esdif
fér
e n
tsscénar
ios
n’ex
ist
eàc et
teé c
hel
le.P ourêtree nm esurede modé
liserlestemp é
ra t
uresdec esscénar
iosà
l’éche
llelocale,ilestn é
cessa
ired ec ouple
rl e
s modél
isat
ionsd esann éesd’obse
rvat
ionsetles
pro
ject
i on
sr é
gi ona
lesduc hangeme n
tclimati
que.

141

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 QUATR
IÈMEPART
IE : MODÉL
ISAT
ION
MULT
ISCALA
IREDUCL
IMATDANSUN
CONTEXTEDECHANGEMENTCL
IMAT
IQUE

L
ec hangem
entc l
imati
queimpliqu
el ami
see nplac
ed epo
lit
ique
se td est
rat
égie
sd’adap
tat
ion
d
el af
iliè
revi
tic
ol eàtoutesle
sé ch
ell
es; mondia
le
,c on
tin
enta
le
,na tional
e,rég
iona
leetloca
le
.
P
ourun ebonnec oord
inat
iond e
sa c
teur
sàt ousce
sn i
veaux
,lesétudesd ’
impac
tduc hang
ement
c
limat
iquedoi
ventintég
rerl’e
nsembledesé
ch e
ll
escl
imati
ques
,dugl oba
laul oca
l.

Aujourd’huil e
sp ro
ject
ionsdesd i
fférent
ss cénar
iosduc hangem en
tc l
imatiques on
tdisponib
lesà
l’échell
eg lobaleetàd esrésol
utionsspatia
lesp l
usfinesgrâceau xmod èle
sd ynam i
quesrégionaux
.
Las econdepa rt
iedec etravai
ld eth ès
ea mon tréqu ecesm odèle
sn epou vaientpase ncor
eb ie
n
représenterle svar
iat
ionsc l
imatiquesau xéc h
elle
slesp lu
sfines.O rl avari
ationlocal
educ l
imat
est un e partimpo rtanted el ac omposantec l
ima t
iqued e
st erroirsvit
icoles.A c
tuel
lem en
t,
l’augm entat
i on del ar é
solut
ions pat
ialed esm odèlese s
tl ’un dese njeux ma j
eurs pourles
modél
i sa
teu rsduc hangeme n
tclimatique.Pluslarésolut
ionspatial
ee stfi
ne,plusilestfac
ilepour
lesa cteu
rsd ’antic
iperlesperturba
ti on
sliéesàl am odi
fica
tionduc limatetd em et
treenpla c
eles
poli
tiquesd ’adaptat
ion,lester
roirsviti
colesétantenpa r
tied é
terminéspa rleclimatloca
lauqu el
ilssontsoum i s
.

Les modèlessta
tis
tiquesbaséssurd esr é
seauxdem esure
sd en
sespr
ennen
te ncomptece
tte
vari
abi
litélocal
educ l
ima t
,maissontlimi
tésparleu
rsdépendance
sauxdonné
esd’obs
erv
ati
ons
.Il
estdoncn éces
sair
ed epou vo
ircouple
rc esdeuxtype
sd e modé
li
sat
ion
spouraff
ine
rlaréso
lut
ion
spat
ial
ed e
smod él
isa
tionsduclimatfutu
r,tou
te na
llége
antlenombredemesu
resnéce
ssa
ire
spour
l’ob
tent
iond ’unrésu
ltatsa
tis
fai
sant.

Dan
sc e
tt
epa r
tie
,un eé
tudem u
lt
iscal
air
educ hangeme
ntclimatique,m obi
li
santdesdonn é
e sà
d
if
féren
tesréso
lut
ionsspa
tia
les
,estprésen
tée
.Dan sunpremiertemps,less o
rt
iesd emodè
lessont
u
ti
lisé
espou rcartog
raph
ierl’é
volu
tionduc l
imatsurdif
f é
re n
tesrégionsv i
ti
coleseuro
pé enne
s
(
Chapit
re10) .D ansuns e
condtemps,lessort
iesdesm odè
l e
sr ég
i onauxm et
tentena van
tl es
d
ispar
ité
ss pa
tia
lesdansl
’évo
lut
ionfu
t u
reduclimatd
elaG irondevi
ti
c ole(chapi
tre10)
.

L’
échell
el oc
alees
tensu
it
ei n
tég
réeviauneméthodededesce
nted’é
chel
lesta
ti
st
iqueenut
ili
sant
l
escartograph
iescréé
esdanslapart
iepréc
é d
ente
,p e
rmett
antd’ob
tenirunepremi
èrees
timat
ion
d
el’év
olut
i onducl
imatsu
rlesappel
lat
ion
sd eSain
t-Émi
lion
,P omer
oletleu
rssat
el
li
tes(Chap
itr
e
1
1).

143

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE10: MODÉL
ISAT
IONDUCHANGEMENT
CL
IMAT
IQUEÀ MÉSO
-ÉCHELLE

Lechang emen
tclimat
iquee ncou
rses
tunph énomènegloba
l,af
fec
tan
tl’ens
em b
ledesvignob
les
m
ondi
aux (H annahetal
.,2013).Lahau
ssedestem p
éra
ture
sains
iquel’évo
lut
iondesp
ré c
ipi
tat
ion
s
n
esontpa sspa
tia
l emen
tun i
formes
. Àl
’éch
elledel’Europe
,lesdi
ffé
rente
srégi
onsvi
ticol
esvont
c
onna
îtr
e un e m odi
fic
ati
on d eleu
rclima
t m a
isa v
e cdesd i
spar
it
ésim por
tan
tes su
ivantla
l
oca
lis
ation.

Dan
scec hap
it
re,l’
évolu
tionp r
évued e
si nd
ice
sa groc
lima
tique
se tdesp r
écip
ita
tionsdel a
Gi
rondevi
ti
col
eson tdan
sunp remie
rtempsc ompar
ésàd ’au
tresrég
ionsvi
tico
lese u
ropée
nn es
conf
irma
ntlesrésul
ta
tsd et r
avaux pr
écédent
s. Pu
is uneétudesurl av a
riab
il
itéc l
ima
tique
spéc
if
iqueàlaGirond
evit
icolesit
uel’é
volut
iondestempéra
tur
esd e
sa pp
ell
at
ionsS a
int-Ém
il
i on
,
Pom
ero
letl
eur
ssa
te
ll
it
esp
arr
appo
rta
uxa
utr
esv
ignob
lesbo
rde
la
is
.

10
.1 P
roj
ect
ion
scl
ima
tiqu
essu
rde
svign
obl
eseu
rop
éen
s

10
.1.1 S
ite
sd’
étud
eetdonn
éesu
ti
li
sée
s
Lessite
sd’étudedup roj
etLIFE-ADVICLIM(Qu éno
lG ro
sse
tetal
.,2014)ontétére
tenu
spour
c
ett
eé tud
e.L aloca
lis
ationdecessi
tesexpé
rim
enta
ux,si
tuésàdesla
ti
tudesetlongi
tud
esvari
ées
p
erm e
td ’
évalue
rl e
sc onséqu
ence
sduc hang
ementc
limat
iqueàl’é
che
lleeuropé
e nn
essousdive
rs
m
acro-
climat
s(F igu
re67) .

F
igu
re67:S i
tesp
ilo
tesdupro
je
tLIFEADV
ICLIMetind
icede«gr
owi
ngseason
su
itab
il
it
y.Sou
rce:San
toseta
l.
,2012d
’ap
rèsQu
énolGro
sse
tetal
.,2014

145

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lesd euxsite
sf r
ançai
s,leV ald eL oiree tlarégiond e Bordeauxs ontsoum isàunc limat
océaniquetem pé
ré,avecd estem pérature
sm oyennesp lu
sé levées pourle bo rde
l a
is(C l
im a
t
aquita
in)
.L arég
ionduSu ssexenA nglet
erreoùs ’
im p
lanteungrandnom bredenouv eauxvignobl
es
es
tc ontra
int
ep a
runc l
im a
ttrèsocéan
i quefrai
sa ve
cd espréc
ipi
tati
onsr égul
ièr
esdu ran
tl’année.Le
si
tee spagno
lsesitu
ee nNavarre
,d anslenorddup ays,l’
inf
luencem édite
rranéennedom inem ai
sle
nord d elar ég
ion subi
tl ’e
ffe
td es Pyré n
éesa vecd est empéra
t ure
s m oinsé l
e vée
se td es
préc
i p
ita
tion
sp lu
sim por
tant
es.L eclimatd elarégiond eRh e
ingaue nA llemagnee s
tàt endance
océaniquem a
isfor
tementdégradéparlac on
tinenta
li
té.Led e
rnie
rs i
tes esi
tueenRoum a
niedansla
régiond eCotna
ri.Leclimatyestlep lusc ont
inen
tala v
ecd e
sam p
li
t udesthe
rm iquesintr
a-annue
l
im port
antes
.

L
eproje
tCORDEXd é
jàp r
eséntédan
slec hap
it
re1(http
:/
/www.e
uro
-cord
ex.n
et/
)apourbu
tde
ré
gion
ali
serlesso
rt
iesdesm odè
lesglob
a uxduc hangemen
tcl
imat
ique
.L eprogramm
e EURO
CORDEXe stl
abra
ncheeuropéennedeceproj
etm ond
ial
.

L
esm odé
lisa
tionsson
teff
ectué
e sàpa
rt
irdedi
ffé
ren
tsm od
èle
srégi
onauxàairelim
ité
euti
lis
és
d
a n
sd i
ffére
ntsc ent
resd erecherc
hee u
ropée
ns (T
abl
eau 18).L e
sd ern
ièr
e s modé
li
sat
ions
d
ispon
ible
spo s
sè d
entuner
ésol
utionde0
.11°(~9kmsurlaFr
ance
).

T
abl
eau18:L
is
ted
eso
rgan
ism
es,modè
lesg
lobauxe
tmod
èle
sré
gionau
xmob
il
isé
sdan
sle
pr
oje
tEuroco
rde
x

146

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Pourchacundesjoursétud
iés
,lam oye
nned el’e
nsem b
ledesm odè
lesaét
éc a
lcul
éepourtro
is
v
ari
able
sc l
im a
tique
s(T n
,T x,pré
cipi
ta
tion
s).Ile s
te nsu
iteposs
ibl
ed ecal
cule
rl e
sd i
ffé
ren
ts
i
ndice
sb i
oclima
tiquesai
nsiquel’é
volut
iondesp réc
ipi
tat
ionspourlesd
if
féren
tsscéna
rio
s RCP
a
ins
iquepou runepér
iodehis
tor
iqu
ed eré
fér
enc e
.

Le
sdonn é
esjourna
lièr
esd etempér
aturesetdepréc
ipi
ta
tionsontét
ée x
trai
tespourless c
énar
i o
s
RCP4 .5etRCP8 .5surlapéri
od e2020-2100etpourunep é
riodederéf
érence(1986-2005).Les
ind
ic esdeWinkl
eretHug l
inainsiquelasomm edespréci
pit
ation
sannuell
esontétéc a
lc u
léspour
chacunedec e
sa nnées
,pu i
slam oyenned ecesind
icesetd essomm e
sd ep ré
cipi
tationsaé té
ca
lculéepou
rl e
sp ér
iodes2031-2050et2081-2100
.C esm oyenne
sontétéc ompa
réesa uxv a
leurs
moyennesdelap ér
ioded eréfé
rencepou rm e
sure
rl’évolu
tiondec e
si ndi
cessuivantl e
sd eux
scé
na r
ios
.

10
.1.2 Ind
ice
sbi
ocl
ima
tiqu
ese
tpr
écip
ita
tion
s
Lescar
tographi
esd esindicesd eW ink
leretd eHug linpourlapériodederéfé
renceain
siqu epour
lesscénar
iosRCP4 .5e t8.5p ermett
e n
td ec omp a
rerl’évo
l u
tionsp a
tio
-tempore
ll
ed esprojec
tions
duc hangementclimat
i que(F igur
e68) .Pou rlap ériodeder éfé
rencelessite
sd ’é
tudessesituent
danslescla
sseslesplusf r
aî ch
e sdesd e
uxi ndic
es.L av ar
iabi
li
tés pat
ia
led el’
indi
ced e Hug
line s
t
pl
usim port
antequ ecelledeW inkl
er.L’a
lt
itudej oueunrô leprépondéran
td an
sc e
ttevar
iabi
lité
,le
gr
a d
ientalt
itud
inallimitantl e
st empéra
turesm a ximales
.C eteffe
te stpart
icu
liè
rem e
ntv i
sibleen
Navar
reetà Co tnar
i,oùl esrelie
fss on
td ansl ac l
asseH I-3(vignoble
st r
èsfrai
s)alorsqu eles
sec
teursdepl a
inesitu
ésàp roximit
ésontclassésd anslescl
a s
sesIH+1e tIH+2(vignobl
estem péré
s
chaudsetvignobl
esc hauds)

Àm oyente
rm e(2031-2050
),lesdeuxscéna
riosprés
enten
td esrésu
lt
atsgl
ob a
lementsimi
lai
res
pourlesdeuxindice
s,a vecunerem on
téedesc l
asse
slesp lu
sc haude
se nlati
tud
e.L essi
tesde
Rhe
i ng
aue tduSu ss
e xs emb
len
tm o
i n
sim p
actés
. Àp lu
sl ongt e
rme(2081-2100)
,l’impac
tdu
réchau
ffemen
testb e
a ucoupplu
sim por
tan
t.L’augment
ati
ond esv a
leu
rsdel’
i nd
icedeW ink
leres
t
par
ticu
liè
remen
ti n
tensepourlescéna
rioRCP8.5.Pources c
é n
arioetce
tind
ice,laquas
i-
tota
li
téde
dusitedeN av
arreestc ompr
isdanslacla
sselap lu
sc haud
e,c’estéga
lementlecaspourlesud-
ouestfrançai
setl ’
estdelaRoum anie
,oùs eu
lslessect
eursenal
ti
tudesontassocié
sàd essomm es
thermiqu e
sm o
insélev
é e
s.Lesiteal
lemandpossèdeuneg r
andevar
iab
il
itéspati
aleavec4classe
sse
rép a
rt
issantlel ongd’ung rad
ientnord-
sud.L estendancesdeces c
énariosonts imi
lai
respour
l’
i ndi
ced e Huglin,avecl’appa
ri
tiondeclimatviti
coletrèsch
aud(IH+3)e nN av
arre
.L esdeux
régionsv i
tico
lesf r
ança
isesétudiée
set Cotn
aripossèdentdessommest he
rm ique
sc orr
espondan
t
auxv ignoblesdec l
imatchaud(H I+2)
.Ils’ag
ité g
alementdelaseu
lesi
t u
ationoùl eSussexn’es
t
plusc la
sséc omm ecl
im a
t «t rèsfra
isetfrais»e na t
tei
gnan
td esvaleursc or
respondan
ta ux
vignoblesdeclim a
ttempéréf
r a
is(HI-2
)ettempéréchaud(HI-1
).

147

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Ind
icede W
ink
ler

Pé
riodederé
férence(1986
-2005
) Rcp4
.5 Rcp8
.5

2031
-2050
2081
-2100
<1371 1371-1649 1650-1928 1928-2205 >2205
I I
I I
II IV V

C
lassesde
l'
ind
icede W
ink
ler

Ind
icedeHug
lin

Pé
riodederé
férence(1986
-2005
) Rcp4
.5 Rcp8
.5

2031
-2050
2081
-2100
<1500 1500-1800 1800
-2100 2100
-2400 2400
-3000 >3000

H
I-3 H
I-2 H
I-1 H
I+1 H
I+2 H
I+3

C
lassesde
l'
ind
icedeHug
l
in

F
igur
e68:Ind
ice
sdeWinkle
re tdeHugl
inmodél
isé
sàparti
rd essor
ti
esEURO-CORDEXpourla
pé
riod
ederé
fér
enc
es(1986-2005)e
tàmoyente
rm e
s(2031-2050)e
tàlongt
erm
e(2081
-2100
)
pou
rlessc
éna
rio
sRCP4 .5etRCP8 .5

L’
augm en
tati
onde stempéra
turesdoitêt
recom paré
ea vecl’évo
lut
i ondespréc
ipitat
ions
.E neffe
t,
àprécip
ita
tionség al
es,lar essourced i
sponib
lee ne aud iminuea vecl’a ugmentat
ion des
t
empérat
uresduf a
itd el’augme n
t a
tiondel’évapot
ranspir
ation
.L aFigure69 n em ontr
ep asde
t
endance
ss i
gnif
ica
ti v
esd a
nsl’évolutiondesprécip
ita
tionsà m oyentermeetl ongt e
rm epourle
s
céna
rio RCP4.5. Pourle RCP8 .5
,à m oy
ent erme,l e
sc umul
sd ep réc
ipi
tationsa ugment
ent
l
égè
rem en
tsu rlesr e
lie
fsd e Cotnar
ie td eReinghau. Àp luslongt e
rm e
,l e
sd i
ffér
e nc
essont
b
eaucoup p
lu sm a
rqu ée
s.L esc um u
l sdep ré
cipi
tat
ion sa ugmenten
ts ign
if
icativementsu rles

148

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
sec
teursl
esplussepte
ntr
ionauxetdiminu
entcons
idérab
lemen
te nEsp
agn
eetsurlesud-oues
tdela
Fran
ce,ai
nsiqu’àprox
imitédel’Océa
nA t
lant
iquedansleVa
ldeL o
ire
.Cepend
antl
’inc
erti
tudel
iée
àlam odé
lisa
tiondespréc
ipi
tat
ionses
tp lu
sim po
rta
ntequepourle
stempé
ratu
res(Kot
l a
rskie
tal.
,
2014)notamm en
tpourlesla
tit
udesm oye
nnes
.

RCP4
.5 RCP8
.5

2031
-2050
2081
-2100
V
aria
t
ionde
spréc
ip
ita
tionsparrappo
rtàlapé
riodeh
is
tor
ique
(1986
-2005
)

F
igur
e69:D if
férencesmo y
enn esdescumu
lsd eprécip
itat
ion(enmm )annue
lsent
re
lapér
iode1986-2005etlespériode
s2031-2050et2081 -2100pourlesscé
nar
iosRCP
4.5etRCP8 .5
Cesré
sult
atsconf
irm e
ntlestendancesobs
ervéespourlesa nc
iensscéna
rio
sSRES(F rag
aet
a
l.,2012)
.L’augmen
t a
tiondestem pé
r a
tur
esetlam odif
ica
tiond esrég
im e
sd epr
éci
pit
at
ionsa
uron
t
d
e sc
onséque
ncesm a
jeuressurl
ac om posa
ntecl
imat
i quedesterro
irsv
itic
oles
.

10
.1.3 Con
séqu
enc
esduchang
emen
tcl
ima
tiqu
e
Lo
rsd esd e
rniè
resd écennie
s,lesm i
llés
im e
sp rodu
isantle
sm e
il
leursvin
sd ansl arégion
bord
ela
ise
,c ommed ansleV ald eL oi
r e
,é t
aientdesa nnée
sp lu
sc haudesetplu
ss èchesqu eles
normal
es( Jones
,G.etD av
is,2000 a; Neethl
ing,2016;v anL eeuwenetD arr
ie
t,2016).À m oyen
terme
,l’augm en
tat
iond e
stem pératur
esm oyennespourra
itpermet
treuneplusgrandefréquenced e
cesm i
llé
sim es
.P a
ral
lèlement
,l ’op
tim umd etem pér
atureetd econtra
intehydr
iquepou r
raê t
re
dépa
ssélorsd’année
se xcep
tionnel
les.C ependant
,c e
rta
inesprat
iquescul
tura
lesat
ténuentleseffet
s
delahaussedestempéra
tures(diminutiondur appor
tfe u
il
les
/fru
it
s,uti
lis
ati
ond em a
tér
ielv ég
étalà

149

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
cyc
lelong,ha
uteurde
sgrapp
es…(M ar
guer
ite
tal
.,201
1;vanL
eeuwe
netD
est
rac
-Irv
ine
,2017
))e
t
pou
rra
ientlim
ite
rlescon
séquen
cesn
égat
ive
saucour
sdece
sann
ées
.

Àp lusl ongt e
rm e(2081 -2100 ),l’augm enta
tiond e st em pératuresm oy enn espou r ram odifier
con s
idérablementl ac om posan
tec l
im atiqued e
st e
rroirs.L eM e
rlot
,qu ie sta ujourd ’hu ilav a
ri été
princ
i p
alec u
ltivé
ed anslaré g
ionBo rdelaise
,pou r
rai
tp are xem plearriverà m at ur
itét ropt ô
td a nsla
saison.L ’em p
loid ’unc épagep lust ardifc omm el eC abern e
tS auv
i gnon ,d é
jàp ré sentd a nsd e
nom breuxa ssembla ged evi n
sd eBo rd e
a ux
,lim i
tec e
tt esur -m a
t u
rationdur aisin.D a nslec asdu
scé n
arioRCP8 .5,a vecd estem pératu
r e
sl argements up é
rieur e
sàc el
l esr enc ont
r éesa ctuell
em e n
t,
l’uti
lis
ationd enouv e
llesvarié
tésp lusad ap
téesàc esc ondi
ti onspou rrai
té ga
l em entê tree nvisa gée
(T óthetV égvár
i, 2015 )
.L e
sv ignob l
e sm érid
ion auxs e
ron tp lusfo r tem entim pa cté
s qu el es
vignoblesim p
lantésp lusa u no rd d el ’Europe (H annahe ta l., 2013 )p arc esh aussesd es
tem péra
t ure
s.L’exem p
led esvignob l
esduS ussexperm etd enu ancerc e
tt eaffirm at
i on.M êm esil es
tem péra
t ure
sp révuess erontproc hesd ec el
lesobservée sa u
j ourd’huid an sleBo rdel aise tleV ald e
Loire
,l ah auss
ed esp récipi
tat
ion sp révued ansc esecteurrisqu ed ef avoriserl ed é
v el opp eme n
td e
maladie
sd el avi gne (F r
a ga
, 2014 )
.D eplusc esv ignob lesp roduis enta ujourd ’huid esv ins
essent
ielleme n
te ffervescents
,c ettep rodu ct
ion ne pou r
raê trem a
inte nuee nc asd ’uneh au sse
sensibled etem p
é ra
t u
res.L esvi gnoblesa ll
em andsson té galem entc onc ernésp a
rc ep roblèm e,l es
princ
i p
alesv ar
iét
é sc u
ltivéessontd esc é
p agesprécoces( ex:R ie s
lingpou rlesv i n
sb l ancsetP inot
noirpou rlesvinsroug es)(Bo cke tal.,201 1)
,etrisqu entdon cé ga
lem e ntd ’arr
iv e
rà m a
turi
t ét rop
rapidem entpoura ssurerunboné quil
ibree n
trelessucrese tle sacides,m odif
ia ntlat yp ici
t édesv ins
produit
s.E nRoum anie
,I r
im aeta l(2017 )on tm ontr
équ ’àl ongt erm e
,l e
sc ondit
i on sc lim a
ti ques
serontpl usfavor
a blesàl aprodu ctiond ev in
sroug esqu edev insblan csqu idom in e nta ujourd’hu i
dansc es ec
teur
.D a n
sl esv ignob lesd el ap én
i n
sulei bér
i que,lad im i nut
i ond esp r éc
i p
itat
i ons
cum uléea veclaforteh a u
ssed est em pér
a tu
resprévu e
sd ansc etterégionv aim pacterfo rteme ntl es
rend eme n
ts(M alheiroeta l
.,2010 ).L ag énéra
lisa
tiond el’
ir r
igationn ’estp asun eop tiondu ra bl
e,
care l
lesou lèver
al aqu est
iond el ’usaged el’eaupou rl’a gricul
turee tp ar
ti cu
lièr em entpou rl a
vi
ticultu
r e(Santestebanetal.,2017 )
.

L
ech
ang
eme
ntc
lim
at
iqu
eenc
our
sau
ra,àl
’éc
hel
led
el’E
urop
e,d
esc
ons
équ
enc
esd
ive
rse
ssu
r
lesvi gnoble
se uropéens,etn é
cess
iter
aun ead apt
ati
ond esac
teursdus ecteurvit
icole(Fragaetal
.,
2012).L ’é
tuded e
sim pac
ts du changementc limat
ique àl’é ch
ellee uropéenne afou rn
id es
inform a
tionssurleste ndancesmajeure
sd el’
é volu
tionproba
bleduc ontexteclimat
iqu evi
tico
le.Le
développ emen
td e m esuresd ’ad
aptat
ionsg lobale
s àl ’éch
ell
ed esg randesr égionsv i
tico
les
europé enne
se s
tc epend an
tp euenvisageab
leduf ai
td elag randed iv
ersit
éd esc arac
tér
ist
iques
localesd esvignoblese tdesp r
atique
ssu ivantlesdif
f é
ren
tesr ég
ion seta ppell
at
i ons
.D eplus
,
comm ed émontréàp lu s
ieursrep
risesd a
nsc etrava
ildet hè
se,lesc ondit
ionsclimatiquesvar
ient
fort
em entàl’échel
led ’unerégi
onv it
icoleetàl ’éche
lledesa ppel
lationsviti
c o
les
.L apris
ee n
com pted eceséc h
ell
esd an
slesprojec
tionsduc hangementcl
im a
tiqueestdon cessen
tiell
epourqu e
lesviticul
teur
spu is
senta pport
eruneréponsea dap
téeàle u
rvignoble
.

150

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
10
.2 P
roj
ect
ion
scl
ima
tiqu
esàl
’éch
el
led
elag
irond
evi
tico
le

10
.2.1 S
ited
’étud
eetd
onn
éesu
ti
li
sée
s
L
esgrand esrégi
onsv i
ti
coleseuropéennesétudi
éesdanslasec
tionprécé
de n
tesontcom po
séesde
d
if
féren
tesa ppe
lla
tionsa ux p rop
rié
t é
sc l
im a
tique
ss pé
cif
iques
. L esc la
ssesd esi ndice
s
b
iocl
im a
tiquesu t
il
iséesprécédemm en
tn ’
intègren
tp a
sc e
sattr
ibutsrég
ionaux
.L am od
ifica
tiondu
c
limatenc oursa u
rad esinc
idencesvar
i ab
lese nfonc
tiondesdif
féren
tesappel
la
tionsd’unerégi
on
v
it
icole
.P are xempl
e,L aGirondevit
ico
l eestsubdiv
isé
ee n53appell
at
ionsprodui
santdessty
lesde
v
indiff
érents(Figur
e1) .

F
igu
re70:A
ppe
lla
tion
sduv
ignob
lebo
rde
lai
s,d
’ap
rèsB
ois2007.Sou
rce
:INAO

Cesa ppe
lla
tionsson tsoum is
esàunc ahi
erd e
sc hargesrég
issantlespra
tiquesc u
ltura
lesd e
l’appel
lat
ionetl escaract
éri
st
iquesdesvin sdevan
têtr
ep rodui
ts
.Un ee s
tima
tiond el
’ évo
lut
iond e
s
tem pé
rature
sl o
r sdesd écenn
iesàv en
ire stpr
im o
rdia
lepou rl
’a d
aptat
iondec esdif
férent
sc ah
ier
s
desc harg
es. Àl’échell
er égi
onale
,lesdonn éesdec hangementscl
im at
iqu
ess ontdisponib
lessur
l’ensembledel aF rancevialessor
tie
sdu m odè
le ALAD INa cces
sibl
essurlap l
ate
form e DRIAS
(h
ttp:
//www .d
rias-cl
im a
t.f
r/)
,a vecuner ésol
uti
ons pa
tial
ed e9km . Àp ar
ti
rd ec esdonn ées
,les
indicesdeW inkleretdeHug linonté
téc alcu
lésàl’éch
elledelaG i
rondevit
icolepourl e
sp é
riod
es
1986-2005(périoded eréfé
rence
),2031-2050et2081-2100.

151

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
10
.2.2 V
ari
abi
li
téspa
tia
leduchang
emen
tcl
ima
tiqu
e
L
’am p
li
tudespat
ialedel am oyenn
ed el’i
ndicedeW inklerauc our
sd elapér
i ode1986-2005e s
t
d
’envi
ron120d e
grés
-jours(Fi
gu r
e72) .Ladist
ribu
tionestr e
lat
ivementhom ogène,lessec
teursles
p
lusfrai
séta n
tsitué
sd ansl’estdel’E n
tre
-Deux-Mersetl esplusc haudsautourd e
sd euxc our
s
d
’eau(G a
ronneetDo rdogne)
.L esdi
fférenc
essontplusm arquéespourl
’indic
ed eHug li
na vecune
ampl
itudede160d egrés
-jour
s.L eM édocappar
aîtcomm el esec
teurleplusfr
aiscerta
inem e
nta ve
c
l
’ef
fetd ep rox
imitéd el ’
estuai
red el aG i
ronde
,l imi
t antainsilesv al
eursd est empératu
res
ma
ximales
.L esv a
leurslesplusélevéessesit
uentda n
sl esudduL ibourna
is
,a insiqued ansles
G
raves
.

F
igu
re72:V
ale
ursm
oyenn
esdel’
ind
icedea)Wi
nkleretdeb
)H ugl
insu
rlaGi
rond
evi
ti
col
epou
r
lapér
iod
ed er
éfé
renc
e1986-2005
.Donné
e sALADIN

F
igu
re71:V
ale
ursm
oye
nne
sdel
’indi
ced ea
)W in
kle
retdeb
)H ug
linsu
rlaG
iro
ndev
it
ico
lepou
r
lap
ériode2031
-2050
.Donné
esALADIN

152

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lesind
icesdeW inkl
eretd eHug l
inm oyensàho r
izon2031 -2050
,c a
lculésàpart
irdessort
iesdu
modèleALAD IN,m ont
rentdesdispar
ité
sspat
i a
lesdansl’évolut
iondesvaleurs
.L’augm en
tat
ionest
moi
nsim por
tantedanslap a
rt
ieou es
t(proximitéduli
ttora
l)( F
igur
e71) .L ’e
ffe
to c
éaniquesemble
doncestomperlégèremen
tl’augm en
tat
iond e
st empéra
ture
s.L ’augmenta
tion moyennedesd eg
rés–
joursesitu
enta uxalen
toursde200d egré
s-j
ou r
spou rleRCP4 .5contre300d egré
s-j
ourspourle
RCP8 .5
.N éanm oi
ns,cesrésul
ta
t ssontàp r
e ndr
ea vecde sprécau
tions
,l aréso
lut
ionsp at
ia
ledu
modèledeplusieur
sk i
lom è
tresp eu
tm asquerd esvari
at
ion splusfines
,p art
icul
ièr
em entsurles
int
erface
sm ari
times
.

F
igu
re73:V
ari
ati
onsmoye
nnesdede
gré
s-j
our
sd el
’ind
icedea)Wink
lere
tb)l
’ind
iced
eHug
lin
surlaGi
rondev
it
ico
lepou
rlapér
iode2081-2100
.Donn
éesALADIN
153

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 C
eg rad
ien
te stconf
irmé pourlap ér
iod
e 2081-2100(Figur
e 73)
.L esdeuxscén
ari
oss e
d
is
tingue
ntfo
rtemen
ta ve
cun eaugment
at
ion moyenned’e
nvi
ron500degr
és-
jou
rspou
rlescén
ari
o
RCP4.5e
tunea ugm
e n
tat
ionsupér
ieu
reà800d eg
rés-
jour
spourleRCP8.5
.

Lesvignob
lesdu M édocpourraien
tc onna
îtr
eun ea ugm e
ntat
iond estempéra
ture
sl égèr
em en
t
infé
rieu
resàc e
ll
esd e
sa ut
resr
é g
i onsborde
lais
es.Ces ec
teurétantdéj
àleplusfrai
sa ct
u e
ll
em en
t,
lesconséquen
cesnéga
tivesduréch au
ffementpour
raien
têtrem oinsimpor
tante
squ esurlerestede
laG i
rondepourlapér
iode2031-2050.E nrevanch
e,lessec
teurspossédan
tactue
llementlesvaleu
rs
desind
icesbioc
limat
iqueslesp
l u
sim po
rtan
ts(Sain
t-Émil
ion,Pom e
rol
,lesGraves)présen
tentle
s
va
l e
ursder éc
hauf
fementplusélev é
es.L e
sc on
tras
tesrégionauxd etempér
atur
ess erenforc
eront
doncauc ou
rsdesproch
ainesdé
c ennie
sd ’a
prèscesm odé
li
sations
.

10
.3 Con
clu
sion
Lesd iffé
re nt
sm odèl esr égional
isés duc ha ngem en
tc l
im at
iquep révoient unea ugm en
tation
généra
liséed estem pératurese td esi nd
ic esb i o
climati
que spou rlesd é
cenn ie
sàv e nirsurl e
s
vignob
l ese u
rop éens
.L eslimitesa c
t u
elle
sd e
sc l a
ssesd e
sind icesbiocl
im a
tiqu e
sr emonte n
tv ersle
nord.A uni v
e aude sprécipi
t at
ions,un ebaissed est ot
auxp luviom é
tri
quese s
ta ttenduesurl ’Europe
mérid
ion a
leta ndi
squ ’un ea ugm enta
tione s
ta t
te ndu esurleno rd.L e
sr é
sulta
tsson tm oinstr a
nc hés
pourleslati
tud esm oye nnes
,oùl ’
i nce
rti
tudel i
é eàl am odél
i sat
iond esprécip
itat
ion snep erm e
tp a
s
ded égagerd etend an
ces.L ’ensem b
led e
sv ignob leseuropéenss eraconcernép arunc hang ementdu
lac om posanteclim a
tiqu ed esterroi
rs,néce s
si
t a n
tun em odificat
iond esprat
i quesvit
icolese td ans
cert
ainsc asdu m a
t é
rie
lv égétal
.C e
pend a
nt,l’évo lu
tiond e
sc lim a
tsvi
ticole
sn ep eutserésum e
ra ux
indice
sb i oc
lim a
tiques.U nea ugm enta
tiond esé vènem en
tse xtrêmesesté ga
l em en
tp révu eparl es
modél
isations
,e tno t
amm entd esv aguesd ec h a
leurs (V autardeta l
.,2013 ). Unet ropg r ande
fréquenced ec esé vènem entspou rrai
e n
tfo rt
em entnuireauxa c
tivi
tésviti
coles.L estravauxfu turs
doiven
tp rendr eenc om ptec esé v
é nementsd ansl esm odé
lisat
i ons(sé
c h
eresses
,nom bred ejourné e
s
avecd est em pér
aturesm axim a
l e
sé levées
,é vol ut
iond estem péra
ture
sno cturnes)pourd res
serun
tableauc ompl e
td el’évolut
i onduc limatd esterroirsvi
tico
le se u
ropéens
.

Àl
’éc
hel
led
elaG
irond
evi
ti
col
e,l
aprox
imi
téd
elam
ers
emb
lea
tt
énu
erl
’augm
ent
at
iond
es
tem p
érat
ure
sprévues
.L esdiff
éren
tesa ppe
llat
ionsvontdoncd evo
irs’a
dapte
re nfonct
iond ecett
e
var
iabi
li
térégi
onaleduc limat
.L ar ésolu
tionspat
i a
led esm odè
lesrégi
onauxn ’i
ntègr
ep asl a
var
iabi
li
tédestempé
r a
tur
esàl ’éche
lledesa ppe
lla
tions(Chapi
tre9)
.Pouratt
eindreuneréso
l u
tion
spa
tial
ea da
pté
eàl ’
é c
hel
led ’uneproprié
té
,l avar
ia b
il
itélo
caleduclima
td éc
rit
ed anslaseconde
par
tiedecet
tethè
sedoitêtreinco
rporéed an
sl e
sscé na
riosdechangemen
tclimat
ique,le
sr é
sul
tats
sontpré
sent
ésdanslechap
itresuiv
ant
.

154

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE1
1: MODÉL
ISAT
IONDUCHANGEMENT
CL
IMATIQUEÀL
’ÉCHELLELOCALE

L
echap
it
rep r
écéde
nta m i
se név
idenc
eunr échau
ffemen
tplu
sin
ten
sesurl
eL i
bourn
aispa
r
ra
ppor
taurest
ed elaGironde
.M ai
sc esec
teu
rn ’
estcouv
ertqu
eparqua
trema
il
lesdu mod
èle
ALADINave
cp eudevar
iab
ili
tédan
slesva
leur
sm odé
lis
ées
.

Ornostr
avauxprés
enté
sd an
sl eschapi
tres8et9ontm ontr
équelava r
iab
il
itéspa
tio-
temporel
le
d
estempéra
ture
sd ece
sa pp
ell
at
i ons(Sain
t-Émil
ion
,Pom ero
letleur
ssatel
li
tes
)e s
tsign
ific
ati
veet
r
epré
sent
eun epar
timpor
tant
ed el’ef
fette
rroi
rdecesec
teur.L’
int
égra
tiondecett
ev a
riab
il
itéloc
ale
d
anslesscéna
riosdechangementclim a
tiquees
tesse
nti
ellepourunea dap
tat
iondut e
rroi
rd ece
s
ect
eur
.

Lamodé
lis
ati
ond e
stempé
rat
uresfut
ure
sàl’éch
ell
edelarég
iondeSain
t-Ém
il
ion,Pomero
let
l
eur
ssa
tel
li
tesnéc
ess
itel
am ob
il
isat
iondedonn
éesclim
at
iqu
esàdif
fér
ent
eséch
ell
es.L’
uti
li
sat
ion
d
em odèl
esrégi
onauxsurdesespace
sres
tre
int
se s
tlimi
téeparlaquan
ti
téd’in
format
iondispon
ibl
e
e
ne nt
rée
.L esappel
la
tionsvi
tico
lesnesontsouventcouver
tesqueparqu e
lque
sm a
il
lesd eces
m
odèle
s,m asqu
antlav ar
iab
il
itéloca
led e
st empéra
tur
essu rcesect
eur
.L ’
intég
rat
iond ansla
d
escen
ted’éche
lledessort
iesdelam odél
isa
tionauxé che
lle
sfinespré
sent
éesd an
sl asecond
e
p
art
iedecet
tethès
eestnéces
sai
repourre
prése
nterce
ttevar
iab
ili
tél
ocal
ed e
stem p
éra
tures
.

Cet
tei n
tég
rat
ions edérou
leend e uxg r
ande
sé tapes
.D ansunpremie
rtem p
s,laméthodees
ttes
tée
e
tv a
lidéesurlesa nnéesdem esu res(2012-2015).Lesdonn é
esdu m odè
leSAFRAN(Sy s
tèm e
d
’An a
lyseFourn
issantdesR e
nseign em en
tsAtm osphé
riquesàlaNeige
)ontétéut
ili
s é
esàl’é
chelle
r
égional
epourc e
ttep é
riodedem e sures(SAFRANi ntèg
red el
’obse
rvat
ion)
.Puisd ansunsecond
t
em ps
,l ade
scented’échel
leesta ppliquées
u rlesdonnéesproj
eté
esdu m odè
le ALAD IN(mod è
le
r
égionaldec ha
ng ementcl
im a
tique )
,pou rlesm ême
ss céna
rio
setp ér
iodesqued anslechap
itre
p
récéden
t(RCP4 .5et RCP8 .5,s u
rl espériod
e s2031-2050et2081-2100,1986-2005ét
antl a
p
éri
od ederé
férence)
.

1
1.1 D
esc
ent
ed’
éch
el
ler
égion
alev
ersl
’éch
el
lelo
cal
e

1
1.1
.1 M
éthodo
log
ie
Lesys
tèmed’a na
lyseSAFRANai ni
ti
alemen
tétéc onçup a
rlecentred’étuded elaNeigepourla
pr
évisi
ond ’
aval
a nche
s(Durande tal
.,1993)
.A u
jourd’huiiles
tu t
ili
sésu rl’ensembleduter
ri
t o
ire
fr
an ç
aisetfou
rnitd e
sdonnéespou rsep
tv a
riab
lesc l
imatique
s:T empératureethum id
itéà2m ,
ven
tà10m ,rayonn emen
ti n
frarougeetvis
ible
,p réc
ipi
t a
tion
sl iqui
d e
se tso lide
s.L e
sso r
ties
pos
s èd
entunerésolu
tionspa
tia
led e9km(P agéetCh ange,2008)etc ouvrentun epér
iodedep l
us
de50a ns(1960-2017)
.L esys
tèm ecoupl
elessort
iesdu m od
èlem étéorologique ARPEGEa vec

155

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Mêm esidescar
tesjourna
lièreàl’é
chell
edus i
ted’étudesontp rodu
itesavecccet
tem é
thode
,ell
e
rest
ep eue nvi
sageab
le pou rl a modél
isa
tion d’é
vè nementsp a
rt
iculie
rs
.L ad ive
rsi
téspat
io-
tem pore
lledesdis
tri
butionsd e
stem pé
ratu
ressurlesiteestbie nplusc omplex
equ ecel
leré
sum ée
parlesm odes
.C e
ttetechniquen’es
tper
tinen
tequ ’
àl’échel
led ’unoup lusieu
rsm i
ll
ésimes
.Da n
sle
contexteduc h
angem en
tc l
im a
tique
,l’app
lic
ationdecettetechniqueded escen
ted’éche
lledo
itêtr
e
em p
l oyéepourm odé
lis
erl esvale
ursdestemp é
rat
uresoud esi ndice
sm oyen
ssurp l
usieu
rsannée
s
e
tnonpou rdesévèneme n
tse x
trêmes(ex:v aguedec ha
l e
ur,gelp r
int
anier)
.

1
1.2 Mod
él
isa
tionlo
cal
ede
ssc
éna
rio
sduch
ang
emen
tcl
ima
tiqu
e

1
1.2
.1 M
éthodo
log
ie
I
le s
tpossib
leded éte
cterlescla
ssesob
tenuessu
rl ejeud’ent
raîn
em en
t(donnée
sd é
jàclas
sifi
é e
s)
surunnouv eaujeud edonn ée
s.L e
sdonnéesdu m odèle ALADINu ti
li
sen
tlam êm egri
llequ ele
sys
tèm eSAFRAN .L am éthodeestdoncapp
licab
lea uxdonnées ALADIN( F
igur
e75) .Ai n
siles
car
tesdetempéra
turesjournal
ière
sà25md erésolu
tionontétéprodui
tespourl
ap é
riode2020-2100
pourlesscéna
rio
sRCP4 .5e tRCP8 .5a
ins
iqu epou rlap é
riodederéfé
rence1986-2005afind e
com p
arerl
’évolu
tiondestem péra
ture
s.

9km donnéesSAFRAN de
tect
iondes9classes P
rédic
t
iondes9cla
sses
le

données
données 2012-2015 detypesdetemps ALAD IN su
rlesdonnée
sALADIN
ia

P
rédic
t
iondes9cla
sses
ALAD IN su
rlesdonnée
sALADIN s
imi
lai
res
t
ionspa

Appl
icat
ionde ladist
ribut
ion Appl
icat
ionde ladist
ribut
ion
moyenne moyenne
destempératurespa r
jour
t

destempératurespa r
jour
lu

pourchaquec lasse pourchaquec lasse

Réso

Ca
rte
sdetempé
ratu
res T
empératures moyennes
à25 m parcla
sses
Ca
rte
sdetempéra
ture
s (centrées
-rédui
tes) Ca
rte
sdetempé
ratu
res
à25 m1986
-2005 à25 m2020-2100
25 m

1986-2005 2012-2015 202-2100

Pér
iode

F
igu
re75:S
chémad
esd
if
fér
ent
esétap
esd
eladesc
ented’é
che
ll
eadap
téeau
xsc
éna
rio
sde
c
hangem
entc
lima
tique

Pourchaqueannéedemod
éli
sat
ion,l
esind
ice
sd eWi
nkl
eretde Hug
linon
tétéca
rtog
raph
iés
pu
islamoy e
nnedel e
urv
ale
uraé téca
lcu
léepourl
esmêmessc
éna
riosetpé
riod
esquelor
sdu
ch
api
trep
récéde
nt.

1
1.3 V
ariab
il
itélo
cal
educ
lim
atd
ansl
econ
tex
teduch
ang
emen
tcl
ima
tiqu
e
Lam éthodeSOMa ppl
iqué
ea uxdonnée
sSAFRANap e
rm i
sd ’
iden
ti
fie
rn eu
fgrandstypesde
j
ournée
sa uxc ond
it
ionsdetempéra
tur
es,pr
écip
ita
tion
setv i
tesseduventsimi
la
ire
s.L’asso
cia
tion
a
veclesc art
ograph
iesjourna
li
ère
sà 25ma p e
rm isd’ob
te n
ir9 m ode
sd esdis
tr
ibuti
onsd es
t
em p
éra
tu r
espou rle
sT netlesT x
.L acom p
ara
isond e
sm odesobt
enusd e
sT naveclesm odes

157

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
iden
tif
iésd i
rectemen
tàp a
rt
ird e
st empé
rature
s(ch ap
it
re9)révèl
e n
td esdist
ribut
ionsglob a
lement
s
im i
lai
r e
s,confirman
tlar e
lat
ionétroi
teentr
elesc ond
it
ionscl
im a
tiquesdesé che
lle
ss upér
ieureset
larépa
rti
tiond esTnsurlesit
ed ’é
tude(F
igure76).E nrevanc
he,l
’a ppl
ica
tiond ece
ttem éthodesur
lesT xn ’
ap a spermi
sd er e
trouverl’e
nsem b
led esm odesprésen
t slor
squel aclas
sif
i c
ationest
appl
iquéed i
rectemen
ta uxtempéra
t u
resà25m ,confi
rm a
ntcer
tain
em en
tquel adis
tr
ibuti
ond e
sT x
àl’échel
lel ocaleestp lu
sfo r
tem en
ttributa
ired eseffe
tstherm odynamiqueslocaux qu ed es
condi
tionsgén é
ral
es(C ar
rega
,2002 ).Cependant
,àl ’
échel
led’unes a
ison
,l eu
rsuti
lis
ationsreste
nt
per
tin
entes,carlavar
iab
ili
téspat
ialem oyennedesT xes
trespec
tée
.

F
igure76:mode
s(i
ndiqué
snodes
)d e
sa)tempé
ratur
esm in
imalese
tb)maximal
essurle
s
appe
lla
tion
sSa
int
-Émi
lionPomer
oletleu
rssa
tel
li
tesassoc
iésauxcl
ass
esi
de n
ti
fi
éesparla
mét
hodeSOMàl ’é
chel
lerégiona
le.

Àl’é
chel
lel
o c
ale
,lad i
st
ribu
tionspat
ia
led esindi
cesd eW ink
leretde Hug
lin
,pourlesd e
ux
sc
é n
ario
s RCPe tlesdeuxp é
riodes
,p ré
sen
t en
t unestru
cturetrèssim
ila
ireauxcar
tographi
es
ob
tenuesvial am od
éli
sat
ionstat
is
tique(cf
.p art
ie 2;Figu
re 77).D eplus
,l’ampl
ituderes
te
sp
atia
lementcon
stan
tequell
equ esoi
tlap é
riodeetlescénar
io.L’évo
lut
ionduclim
atàl ’
échel
le

158

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
rég
iona
lem odél
iséese
l onde uxscé
nariosRCPn esem b
ledon cpasm od
if
ierlarépa
rt
it
ions p
ati
ale
de
stem p
ératu
resdusit
ed ’é
tud e
.C e
sr é
sulta
tsdo
iventcepend
antêtr
enu anc
és.Last
ruct
urespat
ial
e
ob
tenuees
tfortementcondi
tionnéeparlam é
thodedem odé
lisa
tionlo
caleut
il
isée
.Lav a
lid
ati
ons u
r
le
sa nné
esd em esu
resp a
rl’uti
li
sat
iond ’unrés
eaud em e
suresàl’éche
ll
er ég
iona
le(Bois
,2007;
Bo
isetal.,2014)se
rai
tunm oyend’aff
irmeroud’i
nfi
rm e
rc e
srésul
ta
ts.

Pourl
esp é
riodesétudi
éesl e
sv a
leu
rsbru
tesm oyennesdesind
icesaugment
entsign
ifi
cat
ivem ent
,
m
aisdefaçonuniform e
.P ourlescénar
io4.5etpourl apéri
ode2031-2050
,le ssec
teur
slesp lus
f
rai
s(nord-
estetlesplateaux)possèd
entle
sv a
leur
sd e
ssecteu
rslesplu
sc haudsdelap é
riodede
r
éfér
ences( co
teaue t sud -oue
st du sect
eurd ’étude
). Pourt ou
teslesa u
tre
ss im u
l a
tion
s
l
’augment
ati
ond estem p
érature
sprévuees
tsupér
ieureàlav a
ria
bil
it
éspat
ial
elo ca
ledusi
te.

F
igu
re77:a)V a
riab
il
itéspat
ialedel
’indi
c edeW i
nklerb)di
fférenceent
r el’
indicedeWinkl
er
moyende
sscénar
iosRCP4 .5et8.5pourl’hor
izonmo yen(2031-2050)etl’hori
zonloin
tai
n
(2081
-2100)e
tl’ind
iceW ink
lerm o
yend elapéri
od ederéfé
rence(1986 -2005)su
rles
appe
lla
tionsSain
t-Émi
lionP omero
le tl
eurssatel
li
tes
.

Aujou
rd’hu
il e
ssect
eursproduis
antlesvinslesplusrépu
tésson
tp r
inc
ipalementsitu
ésd ansles
s
ect
eurslespl
usc h
audsdecesa ppe
llat
ions
.L ’
augm en
tat
iondestempéra
ture
sdan slefutu
rpou r
rai
t
f
avor
iserdesespac
esauj
ourd’huiplusfra
isenp e
rm e
tta
ntunem ei
ll
eurem a
tura
tiondur a
isin(nord-
e
stdus i
ted ’
étude
).Poura ut
ant,celan esign
ifi
ep asqu’i
ls e
rapo s
sibl
ed ep rodui
red esvi n
s
s
imi
la
ire
sa uxPome
roletauxSa
int
-Émil
iondansl
essec
teu
rsdeL u
ssa
coud ePu
iss
egui
n.L e
c
lim
atn’
estqu
’unec
om po
san
ted
’unter
roi
rvi
ti
col
eenin
ter
act
iona
veclemat
éri
elvé
géta
letles
ol.

159

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
D
em êmequ’
a uxéch
ell
essupé
rieu
res
,ledé
plac
ementd
escul
tur
esv
ersd
ess
ect
eur
spl
usf
rai
sne
p
eutê
trel
arépons
edelafi
li
èrevi
ti
colea
uchangem
entc
lim
at
ique
.

Deplus,dansc esect
eur,lespr é
cip
ita
tionsontunrô l
eim port
antd an
sl’ef
fetmill
ésim es
.O r
l’
incer
ti
tudeli é
ea ux m odél
isa
tionsd ecet
tev a
riab
lec lima
tiqueestim po
rtan
te.C ependant
,à
préc
ipi
tat
ionsé gale
s,lac on
tra
inte hydr
iqued elap lanteaugm en
tea vec uneélévat
i on de
s
tem p
ératu
res( augment
ation del ’éva
potra
nspira
tion
).S il ac ont
rain
tee s
t m odé
rée,e lleest
cons
idéréecomm equa
li
tativem a
issielleesttropim por
tant
ee l
lep e
utprovoque
rd esdomm ages
surlerendeme n
tetlapérenni
téd elaplan
teetl epotent
ie
lqu a
lita
ti
fd e
sb a
ies
.L apri
see nc ompte
desprécip
ita
tionsestdoncn éce
ssair
ed anslesrecherchesfutu
respourd éve
loppe
rd esst
r at
égie
s
d’adap
tat
ionplusfine
s.

1
1.4 Con
clu
sion
L’u
ti
lisati
onc ombinéesurlesannéesdem e
sured’un m odèlerégion a
la vecun m odèlesta
tis
ti que
localap ermisd em e
ttreenp laceunem éthodem odéli
sa n
tl estem p é
r a
turesàun er é
solut
ionf in
e
(25m)àp art
irdedonn éesrégional
esà9 km .C et
tem éthodeap rodu i
tun epremièreprojection
localed estempéra
turespourl esdécenni
esàv en
ir
.A v
e cc e
ttem ét hodel adist
ribut
ionl oc
al ed es
tem pé
r a
turesn’évol
uep asàc etteéchel
le
,e tl’augme n
tationd e
sv aleurse s
tun i
form esurl es i
te.
Aveccetteapproche
,larépart
it
iond e
ssitua
tionsatmosphériquesré g
i onalesa ucoursdesm i
llés
im es
despériodesfutu
resétudié
esestsimila
ireàc e
lledesanné esder é
f é
re nce.L adétec
tiond enouv e
lles
si
tuat
i onspossib
lesdanslefuturn’e
stpaspo s
sibl
ea vecl’ut
ili
s a
tiond ec et
tem é
thode.U neétuded e
l’évo
l ut
ionp ré
vued escondit
ionsg én
érale
ssu iv
a n
tless cénario
sd ec h
angem entclimat
iques e r
ai
t
unes o
l u
tionpouraff
irm e
roui nf
irmerlesrésu
lta
tsobtenu s
.D ep lus
,l ’uti
lis
ationd’unese u
les ource
dedonn éespourlam odél
isat
ionlocal
ei n
fluefor
tem en
tsu rladist
ribu tionspatia
led e
srésult
ats.

D
ep luslepas
saged’un
er éso
l u
tion de 9kmà 25mr e
prés
ente un « s
aut»im por
tan
td e
ré
solu
tion
,etner
epré
sen
tepasbienlav a
ria
bil
itéde
sT x,e
ta ppor
tedoncunefort
ei n
cer
ti
tudesurla
ca
paci
téd elam é
thodeà p
révoi
rl ess i
tuat
ionsjourna
liè
resfuture
s.D eplusc et
tedif
fére
n c
e
impor
tantederéso
lut
ion masquec ert
ainementd e
sé vo
lut
ionsp lu
sf ine
sd est empér
atu
r e
s.
L
’ut
il
isa
tioncomb
inéedece
ttem é
thod eavecd’au
tre
ss ou
r c
esd edonnéesàéche
llefin
e(imager
ie
s
ate
ll
it
air
e,résea
ud esta
tion
sr ég
iona
les
)pe
rme
tt
rai
tdev
ali
derl
esr
ésu
lt
atse
tdel
imi
ter
l
’in
cer
ti
tudel
iéeàlad
esc
ented’é
che
lle
.

Enout
relad ét
ect
ionuniquements
tatis
tiquedesm odesajou
teundoub l
en iveaud’
incer
tit
ude.L e
nombredem od e
sétantdé
terminéparl’u
til
isat
eur
,ile x
ist
en éce
ssai
rementun epar
td esubjec
tiv
ité
dan
sc echo
i x
,m algr
élarépé
tit
iondetestsuti
li
santd
i f
féren
tsnom br
esd em odes
.L esecondniveau
d’
ince
rti
tudeestint
rin
sèquementl
iéàl am ét
hodeSOMe lle
-m ême.Lestechni
quesd ecla
ssi
fica
tion
pr
ésen
tentnécessa
iremen
tun epar
td’ e
rreurdanslaprédic
tiondenouvel
lesclasses
.L ’
uti
li
sat
iond e
lapréd
ict
ionsu rdesdonnéesexi
sta
ntesqu ant
if
iel’er
reurs u
runoud e
ux m i
llé
simes,m a
isilrest
e

160

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
di
ff
ic
il
edel’
éva
luersu
rlesdonnée
sd ec
hang
eme
ntc
lim
at
iqu
e,l
esm
odè
lese
ux-m
ême
spo
ssé
dan
t
undeg
réd
’in
cer
ti
tudenonnég
lig
eable
.

Un
em éthodesimila
irebaséesu
rlescl
ass
ifica
tionsdecl
imate x
ista
nteste
llequecel
ledeKöppen
(KöppenetG e
iger,1930)sera
itunm oy
end ’
effa
c e
rlasub
ject
ivitél
iéea ucho
ixdunom br
ed emode
spa
ti
al.Pourc e
la,l’u
ti
lisa
tiondecesclas
sif
ica
tionsdesitua
tionsatm o
sphér
iquea upa
sd etemp
s
jou
rnal
iersui
v an
tl e
sdiff
érent
sscén
ario
sd echangementcl
imatiqueestnéc
e s
sai
re.

161

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 C
onc
lus
iond
elaqua
tri
èmep
art
ie
L’adapta
tionauc limatpré
vupou rlafinXX Iesièc
lee s
tl’und esen
jeuxcruciauxdessoci
été
s
actue
lles
.L av i
tic
ultu
re,fort
em en
td ép
e ndant
ed esc ondi
tionsclimat
iques,p ré
sent
e un e
vulnérab
ili
té pa r
ti
culiè
remen
tf or
tef ace au changem entcl
ima t
ique
.L ’u
ti
lisat
ion dessort
ies
cl
ima t
iquesd e
sp ro
ject
ionsduc hangementc l
imati
qu ep e
rmetd ’an
tic
ipe
rl e
sc on
séquen
cesd e
l’augm e
ntat
i ondest empé
ratu
ressurlesterroir
svit
ic o
les
.L ’
étudeàd i
ffé
rent
e séche
lle
sr éa
li
sée
dansc e
ttepartieamon t
réquesuiv
antl’é
chelled’é
tude,lesconc
lusion
sétai
entvariab
les
.

Àl’éch
ell
eE ur
opéenne
,un eaugm e
nta
tiongénéra
li
s é
ed e
st empé
ratur
esetune modi
fica
tiondu
r
égimedespr é
cipi
tat
ion
sson tat
tendue
sdanslesdécenni
esàv en
ir
,m od
ifian
tcons
idérabl
em en
tles
p
ropr
iét
ésg énéra
lesduc l
imatd esrég
ionsvit
ico
lese u
ropéenne
s. Mai
s,àl’éch
ell
ed ’unerégion
v
it
ico
lelechang ementpr
é v
un ’e
stpasuni
f o
rm e
.E nGirond
epa rexemple
,laprox
imitédel’océan
s
emblel
imiterleréchau
ffement
.

Àl’é
c h
ell
ed esappel
lat
ionsdeSaint-Émil
ion,Pom er
oletleurssa
tel
li
tes
,lesr é
sul
tat
sontmon tré
qu
el av a
riabi
lit
édur échauf
fementestplusunifo
rm eàc e
tteéchel
le.Cependant
,danslam é
thode
employéedanslec hapi
tre11
,lesautd ’éche
lleent
rel’éche
llerégi
onaleetl’é
c h
ell
elocaleesttr
ès
importan
t(9kmà25m )
.L’ut
il
isat
iond edonnéesd’éche
ll
esi n
termédia
ire
s(ex: WRF )r é
duirai
tce
«saut»d erésolu
tionetm e
tt
raitpot
entie
llementenévidenceplusdevaria
tionsdansl’
int
e n
sitédu
ré
c hau
ffementaus ei
nd ecesappel
lat
i ons
. Maislacombinaisondedonnéesd esourc
esdiff
érent
es
po
s eégalementleprob
lèm edelanorma l
isa
tiondesvaleu
rs.

Lesétude
s mul
ti
scala
ire
sduc hangementcl
imatiquesontp
rimor
dial
espourl’adap
tat
iondel a
f
il
ièr
ev i
tic
ole
.E neff
etlesmé
thod e
sd ’adap
tationssero
ntmi
sese npla
ceparl e
svit
icul
teur
sà
l
’éche
ll
ed eleurvignob
le ma
isl e
spo l
itiqu
esg loba
les:eu
ropéenne
s,nat
ionale
setr ég
iona
les
s
eron
tc e
rta
inemen
td éc
idée
sauxéchel
lessupéri
eu r
es.

163

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 D
ISCUSS
ION
,CONCLUS
IONET
PERSPECT
IVES

Lap remièrep a
rt
i ed ec e
ttet hè
se,c ons
tituéed ’uneé tudeb ib
liogr
aphique,a m ontré que
l
’adap
tat
iona uc hangementclimat
iquee nc oursestc api
talepourlesa c
tiv
itéshum aines
,e tplus
p
art
icu
lièrementpourlesa c
tivi
tésa g
ric
oles.L afort
er e
lat
ione x
istan
tee n
trel aphénolog
ied ela
v
igneetleclima
t,plusspéci
fiquementaveclestem pératur
es,fa
itdelav i
ti
cultu
r eunedespratique
s
a
grico
lesl e
sp luss en
sib
lesa uc hangem en
tc limat
i que. Àl ’é
chel
led est e
rroir
sv it
icol
e s
,l e
s
t
em pé
rature
sp euve n
tp résen
terd esv ari
at
i onsim por
tante
s m êmes u
rd e
sd i
stanc
e sfaible
s,
p
art
ic
ip a
ntd ecefai
ta uxsp éc
ifi
cité
sd ec haqueter
roi r
.L am odi
fica
tiondesp ropr
iét
ésphy sique
s
d
est e
rroi
rsv it
ico
lesp arl ec hangementc limat
iqu ev an éces
sit
er unea da p
tat
ionl oca
led e
s
v
it
icu
lteur
s.O rle
sm odè
lescl
im at
iquesin
t é
gra n
tless céna
riosRCPduG IECn ’ontpasaujourd’hu
i
d
esrésolu
tionsspa
tiale
ssuffi
s a
ntespourr ep
résente
rl esv a
ria
tionsduc l
im a
ta uxéchel
leslesp lu
s
f
ines
.

L
’obj
ect
ifpr
inci
paldecetrav
aildet
hèseéta
itdedév e
lopp
erunem é
thodepe
rm e
tt
antd’
int
égrer
l’é
chel
leloc
aledansle
sproj
ect
ionsdesscén
ario
sduc h
angemen
tcl
im a
tiqu
e.Pourcel
a,d
iff
éren
ts
modè
lesetm ét
hodesd espa
ti
ali
sat
iondestem pé
rat
uresontétéétud
iés
,àd if
féren
teséch
ell
es
spa
tia
lese
ttempore
lle
s,af
ind’ê
trecombi
néspourat
teind
recetob
jec
ti
f.

Lesm odè
lesàa i
relim i
tées onta u
jourd’hu
il esm odèle
sc l
im at
iqu e
spo s
sédantl arésolution
spa
tialelaplusfi ned ansl e
sp rojec
tionsc l
im a
tiquesdess cénari
o s RCP
.L ’é
tud e du m odèl
e
cl
im at
ique WRFd an
sl aprem ièr
ep ar
tieap e
rmisd em et
tree na vantlafor
tevaria b
il
itésp atio
-
tem po
rel
ledestem péra
turesetd esindicesbioc
limatique
sd anslesv ignob
lesdeM arl
borough ,e n
Nouvel
le-Zé
lande
.P oura t
teindrelar é
solu
tionlap lusfin
edu m odèle(1km ),deux m éthode sde
descen
ted’éche
lleonté téut
ilis
é es
,un edescent
ed ’éche
lledynam iqueetunestat
ist
i que(fon c
tion
detrans
fer
tp a
rSVR )
.L ’u
til
isat
ionc om b
inéed esdeux méthodesap ermisderédui
rel estem p sde
ca
lcule tpour
rai
tp erm e
ttred ec ouvr
ird e
se spacesplusim por
t a
ntsqu elorsdel ’ut
ili
sationd e
modèle
sdyn amiquess eu
ls.M a
isc et
tep ar
tieaé g
alementr év
éléqu el em odè
lep r é
sentai
td es
di
ff
ic u
lté
sàr ep
résente
rl e
se f
fetslespluslocauxduc lima
t(b r
ised em er
,eff
etdefo ehn,inversion
thermique
).Ceseffe
ts,etlesbiaisqu’i
lsentra
înentdanslam odé
lisat
ionsontplusou m oin
si n
t enses
suivan
tlescond
itionsatm o
sphériquesenplace.

L
esm
odè
lesdyn
ami
que
snum
éri
que
snep
euv
entp
asê
treu
ti
li
sésd
ire
ctem
entpou
rre
pré
sen
terl
a
v
ari
abi
li
téde
stempér
atu
resàl
’éch
ell
ed e
svignobl
es.Desrés
eauxdemesu
resde
nsesàl
’éche
ll
ed e
v
ignob
leson
tétéi
nst
al
lésdan
slebutdem e
surercet
tevar
iab
ili
tél
oca
ledestemp
éra
tur
es.Dansl
a
t
roi
sièmepa
rt
ie
,leréseaude90capte
ursdetem pé
rat
ure
sm isenpla
ced a
nslesapp
ell
at
ionsde

165

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Sa
i n
t-Ém il
ion,P om e
roletL al
and e
s-de -Pom e
ro la m ontréqu el est empéra
turesp r
ésententd e
s
var
iat
i onsspat
ialesettem pore
llesim port ant
essu rles it
ed ’ét
ud e
,m êm esurdec ourt
esd is
ta nces
.
Un m odèlestat
ist
ique(SVR ),s’appuy antsu rl ar e
l a
tione nt
rel est em pé
ratu
re sm e
suré e
se tl a
topographielocale
,ae n
suiteétém ise np l acepou rsp a
tial
ise
rl estem péra
turesjou rna
lièress u
rl e
si
tea vecun erésolut
iontrèsf i
ne(25m ).L em odèlepo ssèdeun ei ncer
tit
udef a
i b
l eetfa ci
lem ent
quant
ifiabl
e.L e
sc ar
tographiesobtenueson tm ise nl umièrelerôleim portan
tdel atopogra ph
ied a n
s
lad i
stribut
ionsp at
ialed estem péra
t urese td esi nd i
cesb ioc
lim at
iqu e
s.D ep lu s
,l ’a
n aly
s ed es
tem pé
r a
turesm in
im al
ese tm axim a
lesj ournal
iè ress urp l
usieu
rsm i
llésimescon sécut
ifsai ndiqué
quelav ariab
il
itésp a
ti
aled estem pér
atu resm oy ennesd ’un mil
lésim eétai
tfortem entc o
rréléeàl a
di
str
ibu t
ion destem péra
t u
resm i n
im alesm oye nnes.A uc on
traire
,l ’ef
fetm i
ll é
sim e(v ar
ia bi
lit
é
inte
rannu e
lle)éta
itp r
incipa
lem enttr
i but a
ired e stem pé
r a
ture
sm axim al
es.M aisl e
sc artographies
journali
èresonté galementm i
se na va ntun efo r
tev a
riabi
li
tét em porel
led el ad is
tribut
iond es
tem pé
r a
turessurlesite
.L ac la
ssif
ica
ti on,p arl am é
t hodeSOM ,d esprincip
auxp rofil
ssp ati
a uxd e
di
str
ibu t
ionsd e
st em p
ératur
es,associéea uxs ituationsa tmosphériquese nplacear évél
él ’im pac
t
deséch e
llescl
im a
tiquessupérieu
ressurl ad istr
ibu t
iond estempératuresàl’éche
llel oca
le.

Cependan
t,lesm odèlesstat
ist
iqu e
sn écessi
tentd esdonn é e
sd ’observationpou rêt
rem ise npla ce
etneson tdon cp asi n
tégrablesd i
rec
tem e n
td ansl e
sp ro j
e c
tionsd ess cénariosduc hangem ent
cl
im a
tique
.M aisl ar ela
tione ntr
el esd if
f é
rent e
sé c
hellesc l
im at
i quesp eutê tr
ee xploi
téepou r
com b
inerlesprojectionsrégional
iséesetlesc ar
t ographi
esàl ’éc he
llel ocale.Pou rcel
a,laqu a
trièm e
par
tiedec e
ttethès eaé téc onsa
créeàun eétudem ult
isca
l a
i r
ed esef fet
sduc hangem en
tc l
im a
ti que
surdif
féren
tsvignob l
es.D ansunp remiertem ps,l’uti
li
sat
i ond ess o
rtiesdup rojetEURO -CORDEX
surplusie
ursrégi onsv it
icoleseuropéennesar é v
éléqu el ’évolut
ionduc limatn ’es
tp assimil ai
re
suivan
tlal oca
li
s at
i ond esvignobleseurop éens
.M êm esil’ augm en
t ati
ond est empéra
turespré vues
es
tg énéra
le,el
lee stv ari
a b
lee nintens
ité
.L espr éc
i p
ita
tionsp résen
t entqu an
tàe l
lesuneé volution
di
am ét
ralementoppo séee n
treless ec
teursm éd
iterranéens(dim inut
i on)e tless ecteu
rsvitico
lesl es
plu
ss ept
entr
iona ux( augm enta
tion)
.C esd iffé
re nce
sd ansl esp rév
isi onse tlad iver
sit
éd e
sterroirs
vi
tico
lesfontqu el esstratégi
esd ’adap
tationdo iventê t
rep ropresàc h
a queg rander ég
ionv i
tic ol
e.
Cependant
,lesp roje c
tionsàl ’échel
led el aG i
rond ev i
ticolev ial em od è
le ALAD IN(9km )on t
révé
lé qu ’
àl ’intérieur m êm ed ’uner égionl ’augm e
nta t
ion p révu ed esv a
leursd esi ndi c
es
bioc
limat
iqu e
sn ’ es
tp as uniforme.L ap roxim i
téd el am erlim itel égèr
em e
ntl e
se f
fets du
réchau
ffem en
ts url eM édo c
,tandisqu el esse c
teursp lusàl ’inté
ri eurl esterresconn a
issen
tun e
augm en
tat
ionp lusi n
tense,no t
amm en
tpou rlesa pp e
lla
ti onsd eS ai n
t-Ém ilion,Pom eroletl e u
rs
sa
tell
ites
.

Ma
islafo
rteva
riab
il
it
éd e
stemp
ératu
resobse
rvéedan
slatro
i s
ièm
epart
ien’
estpaspri
seen
c
omptedan
sc e
sr é
sul
tat
s. Un
eméthodeasso
cian
tle
sp ro
jec
tionsc
lim
at
ique
sr ég
iona
li
séesdu
m
odè
leALAD INetle
ssor
tie
sdu m
odèlest
ati
st
ique
sSVRaé tédé
vel
opp é
e,p
erm
et
tantd’
int
égre
r
l
avar
iab
il
it
él o
caledan
slesmodé
lis
at
i on
sd est
em p
éra
tur
esenfonc
tionde
sscén
ari
os RCP.La

166

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
mé
t hodeseb a
s ed ansunp rem i
ertem p
ssu runereconna
issanc edesitua
tionsclimatiquesprécisesà
l’
é chel
lerégion a
le(v ent
,pluie
,tem pé
rature
s)surlapérioded em esur
es(2012 -2015).Pourc hacune
dec ess i
tuat
i ons, unec art
ographieà 25mi ssued el am odé
lisa
tions tat
ist
iquee s
ta ssociée
,
pe
rm e
ttan
td ’a vo
ird esc ar
tesd estem p
ératur
esàl ’échell
el o
calee nfon ct
iond el asi
tu a
tionà
l’
é chel
lerégion a
le.E nsui
telad é
tect
iond ecesm êmessituat
i on
sàl ’éch
eller ég
ionaleaé t
ér éali
sée
surlesdonn éesc l
im a
tiquesfuture
sd esscénar
iosRCP4 .5e tRCP8 .5
,le sc a
rte
sa uxé che
llesfines
on
tf inalementé téob tenuese nassoc
iantlesv al
eursd escartesà25màc essituation
sfu tures
,
répondantainsiàl ’objec
tifprin
cipa
ld ecett
ethèse.Avecc e
ttem éthode
,l’ augmenta
ti ondesv a
l eu
rs
de
si ndicesbioclim a
tiquessurlesi
ted’étudeestquas
im entuniformesurl esappel
lat
i onsétudiéeset
lav a
riab
ili
tésp at
ialer es
tes imil
airea ux annéesd em esures
.L ess ect
eursl esp lu
sc hauds
au
j ourd
’hui,g é n
éralem en
tpl u
squ al
ita
ti
f s
,sontdon cc euxqu itrèsprob abl
em en
tc onna
îtron
tl es
tem pér
ature
se tl e
sv aleu
rsd’indice
slesplusélevée
sàl afindus ièc
lepro chain
.

Lesd
iff
éren
tsmod
èlesetméthod
esem p
loyésdan
sc e
tt
eth
èseonte
xpl
oit
éd e
sdonné
esd’o
rig
ines
d
ive
rse
s(sor
tie
sdem odè
lesdynamiqu
es,donné
esissue
sderés
eauxdem e
suresd
ense
s,sc
énar
ios
dechangementcl
im at
iquerégi
on a
lisé
s)d ansl ebu td ereprésen
terlav a
ria
bil
itéd e
stem péra
ture
sà
di
ffé
rente
sé che
lless pa
tio-
tem por
elles
.C esa ssociat
ionsd e méthodesfontd é
sorm a
isp ar
tie
int
égran
ted elam odél
isat
ionclim a
tique(Bo é,J .eta l
.,2007; Ch enetal
. ,2010; M ar
tinetal.
,
2013; C ampozanoeta l.
, 2016 )
.L e
ss ystèm esd ’info
rm at
ionsg éographique
sp e
rm e
ttan
td e
man
ipule
rd esdonnéesprovenantd esourcesv a
rié e
sson td essuppor
tstechniquesindi
sp e
nsable
s
pourassur
erlam i
see np l
aced ec esm é
t hodol ogi
e s
.L ag é
om a
tiquee s
tp lusqu ejam a
isun e
composant
eim port
a n
tedut ravai
ld eg éogra phec limatologue
,a ssura
ntlel i
e nent
red if
féren
tes
di
scip
line
strava
il
lantsurlec hangeme n
tclim atiquee tsesim pact
ssu rnosso c
iété
s(m odél
isat
eurs
ducl
im a
t,phys
ici
e nsdel
’ a
tm o
sph è
re,géogra phes-cl
im atol
ogu es
,agronomes… )(B el
trando
,2010).

Dansl ec ont
e x
te du c hangementc l
im at
iquea ctue
l,la poss
ibi
litéd ed i
spos e
rd ’out
il
sd e
représenta
tionduc limatàdiffé
renteséchel
l e
se s
tprimordi
ale
.E neff
etc omm elerappel
leB e
lt
rando
(2010): «L ec hangem e
ntc l
im a
tiquen ’aurap aslesm êm e
sr épercuss
ionse nv
ironnem en
tal
es,
économ iquesetso cia
lesdanstousl e
st e
rri
t o
ire
setc e
se f
fet
sn eseferontpasresse
ntirpar
toutavec
lam êm eam pl
eurn ipourlesm êmesa nnées».Aujou
rd’hui
,l’
intég
rat
i ondel’éc
h e
lleloca
leda n
sles
pro
j ec
tionsclim at
iquesp eu
tê t
ree nvi
s a
géee na s
socia
ntlesm odèl
esdyn amiquesr ég
ionauxetles
modèlesl o
ca uxs ta
tis
tiques
.L esin ce
rti
tud e
sf a
ible
se taisémentqu ant
if
iable
sg é né
réesp a
rl e
s
méthodessta
tistiquesl
im i
tentl’
ince
rtit
ud eglobal
eliéeàlam odél
isa
tionduc hangem entc
limati
que
auxé chel
lesl oc
ales.

L
’af
finemen
td elaréso
l u
tionspa
ti
aleetladiminu
tiond el
’incer
ti
t udedesm odèl
esclima
tiques
rég
ionauxres
ten
tn éa
nm oinsuneprio
rit
é.Plu
slar é
solu
tionserafine,m o
insl’
i n
cer
tit
udelié
eàl a
de
scented’é
chel
lesta
ti
stiqueseragra
nde,tou
te naugmentan
tl acouv e
rtu
respatia
leetlimi
tantle
nombred epos
tesd em esuresnéc
essai
resàlav al
idat
ion.L e
sr éseauxd en
sesd em esu
resa ux
éch
ell
esfine
srequi
èren
te neffe
tdesm oyen
sfin
ancie
rs,hum a
insetinforma
tiquesimport
ant
s.

167

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 Lad i
ffi
cil
er ep
roduc
tions u
rd’au
tre
se spa
cese s
tl’un desécu
eil
sm a
jeurd
el am éthod
e
d
’in
tégr
ati
ond el
’éche
ll
el oca
leda
nslespro
jec
tion
sclimat
ique
sprés
entée
sd an
sce
ttethè
se.Pour
e
nvisa
gerun egé
néra
li
sat
i onàungra
ndnom bredevignob
les
,plu
sieu
rspis
tesder
ec h
erch
essont
e
nvisa
geable
s.

Dansunp remi e
rtem ps
,lar eprodu c
tiond ec e
ttem éthoded ’
int é
grat
iond el’éche
lleloca
led an
s
lesproject
i onsdo i
têtreréali
sées ousd esm a c
ros-cl
im a
tsv ar
iés.L essitespilo
tesdup roj
etLIFE-
ADV ICLIMon tt ousétééqu i
pésd er éseauxd em esure
ss imil
airesàc e
luiprésen
téd anscetrav
ail
dethèse.L areproduct
iond el am é
t hoded’intég
rati
ond el’é c
hellelocalesurl’ens
em bledecessi
tes
permet
traitd ’
avo i
run evariét
éi n
tér e
ssantedec l
im atsrégionauxe tdev al
i d
erlesrésul
tat
sobtenus
surlesa ppel
lat
i onsborde
l a
ises.D ep lus
,lep ro
jetAVVEN IR(2018 -2020)apou rbutd espa
tia
lis
er
lestem
p é
r a
turesissuesdesp roj
ectionsclim a
tiquesàtrèsh aut
er ésolu
tiond elaGirondevit
icol
e,en
inté
gra n
tno tamm en
tdiversessourc e
sd ’
im agesate
l l
ita
irethermi que
.E ne f
fet
,larésolut
ionspat
ial
e
ettem pore
lled el ’
im age
riet h
ermi ques a
t e
ll
ita
iree s
te nc onstantea ugme n
tat
iond epui
sp lu
sieu
rs
décennie
s.C e
ttesourced edonn ée
sc ouvr
es ouventd egrandse spaces
,m a
isr e
steencorefor
tement
c
ontra
inteparlescondi
tionslo
rsdel apr
is edel’image(nu
ag e
s,nui
t).Ile
stdoncdi
ff
ic
iled’ob
ten
ir
d
ess ér
iesc om p
lètesav e
c un erésol
utiont em po
rel
lejourna
lièr
e,n éc
ess
air
e pourlesc a
lcu
ls
d
’indi
cesbiocl
im a
tique
s.C ependa
nt,l’
intégr
ationd ecesdonnéesda n
slacha
înedetra
itemente
st
e
nvisage
a b
lesiell
ee s
tcom pl
étéeenp ar
ti
ep arunr ése
aud’observ
ationàl
’éche
ll
erégi
onalete
lque
c
eluiut
il
isép a
rBo i
s(2007).

Lapo ss
ibi
li
téd ec ré e
retd efourni
rd esdonnéesàt r
è sh au
teré solu
tions pa
ti
aleduc hangem en
t
cl
im at
ique,es
tuna t outpourlesvit
iculteu
rs
.C esdonnée ssontuti
le sàlam i
see nplaced es
tratégi
es
d’adap
tati
ona ucha ng em en
tclimat
iqu era
isonnée
sàl ’éc h
ell
ed est er
roi
rsv i
tico
les,perm et
tantun e
me
illeu
rec onse
rvat
i ond e
sspécif
ici
tésd echaquepropr
iété.Ellespe uven
tno tamm entêt
r ein
té gr
ées
dansd es m odè
les m u
lt
i-agen
ts quii ntèg
ren
tl ad im ension hum a
ined an
sl es m od é
li
sations
(vit
icu
lteurs
,s upervis eu
rs)
.L ’aff
inem en
td es donnéesc limatiquese ne n
tréed ec esm odè
les
assure
rai
td em ei
lleur essimula
tionsd esdi
ffé
rent
est echniquesd’a dap
tationenvisagéesetd eleurs
conséquences
. Un m odè
lem u
lti
-agentsintég
rantc e
sdonn éesc limat
i quesfuturesàt rèsh aute
résolu
tion es
te nc oursd ’
élabora
tiondanslesv ignoblesd eS ain
t-Ém il
ion, Pom e
ro letl eurs
sa
t e
ll
ites
.

Enf
in,l’
ensembledesp r
atiquesvi
tico
lesvané c
ess
ite
runeadapt
at
ionauc hangemen
tcl
ima
tique
.
L
etransf
ertdel am é
t hoded ével
oppéed a
nsc et
tethèsever
sd ’au
trecul
tur
e spér
enne
s(arbr
es
f
rui
ti
ers
,fo re
ste
rie
)e st poss
ible
.L ’app
lica
tion su
rd esc u
ltu
ress a
isonn
ièresestéga
lement
e
nvis
ageableàcondi
tionqu edesindi
cesadap
téssoien
tuti
li
sés
.

168

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 B
IBL
IOGRAPH
IE

Ab
atz
ogl
ouJ.T.e
tBrownT.J.(2012
).Ac omp
arisonofs
tat
is
ti
caldowns
cal
ing me
thod
ssu
ite
dfo
r
w
ild
fi
reapp
lic
ati
ons
.Interna
tiona
lJournalofCl
imato
logy
,32(5
),772
-780
.
Ab
ramN
.J.
,McGr
egorH.V.
,Tie
rneyJ
.E.,eta
l.(2016)
.Earl
yonsetofi
ndu
st
ria
l-e
raw
arm
ing
a
cro
sst
heoce
ansandcon
tin
ent
s.Nat
ure,536(7617
),411
-418.
Ad
amsR
.M.
,Hu rdB.H.
,Lenha
rtS.
,eta
l.(1998
).Ef
fec
tso
fglob
alc
lim
atec
hang
eona
gri
cul
tur
e:
a
nin
terp
ret
at
iver
evi
ew.Cl
imateResea
rch,1
1(1)
,19
-30
.
Ad
elsh
eimD.
,BuschC
.,C a
ten
aL.
,eta
l.(2016
).Cl
imatecha
nge
:Fi
eldr
epo
rt
sfroml
ead
ing
wi
nemak
ers
.Journa
lofWi
neEconomics
,11(1
),5.
A
lex
and
erL.V.,Uot
ilaP
.,Nicho
llsN
.,eta
l.(2010
).Anewdailyp
ressu
reda
t a
setfo
rA u
st
ral
i aand
itsapp
li
cat
iontotheass
essm
entofchange
sinsynop
ticpa
tt
ernsdu
ringthel
astcen
tury.
Journa
lofClimat
e,23(5)
,1111
-11
26.
A
ll
ewe
ltW.(1980)
.Tri
/Val
leyr
evampsequ
itypl
an.Farm
erc
oop
era
tiv
es-USD
ept
.ofA
gri
cul
tur
e,
Ec
onom i
cs,St
ati
st
ics
,andCoope
rat
ivesSer
vic
e.
Am
eri
neM .A
.etWink
lerA
.J.(1944
).Composi
tionandqua
li
tyo
fmu
stsandw
ine
sofCa
li
forn
ia
g
rape
s.[
s.
l.
]:Univ
ers
ityofCal
ifo
rni
a.184p
An
andh
iA .
,Srin
ivasV.V.
,Kum arD.N .
,etal
.(2009)
.Roleofpr
edic
t o
rsindownsca
lingsu
rfa
ce
temper
aturetor
iverba
sininInd
iaforIPCCSRESs cen
ario
su s
ingsuppo
rtvectormac
hin
e.
In
terna
tionalJou
rnalo
fC l
imatolog
y,29(4
),583
-603
.http
s:
//doi
.or
g/10
.1002
/joc
.1719
A
rdu
iniG.
,St
aqu
etC.etCheme
lC .(2016)
.Inte
rac
tionsb
etweenth
en igh
tt
imeval
ley
-wi
nds
yst
em
a
ndadev
elop
ingco
ld-
airpool
.B ounda
ry-L
ay e
rM e
teo
rology,161(1
),49
-72
.
A
rlo
tS.etCel
isseA.(2010)
.Asurveyofcro
ss-v
ali
dati
onproc
edu
resfo
rmod
els
ele
ct
ion
.St
ati
st
ics
Sur
veys,4(0
),40-79
.ht
tps
:/
/doi
.or
g/10
.1214/09
-SS054
A
shc
rof
tM .B.etGo l
lanJ.R.(2012).Fin
e-r
esolu
tion(25m)t opocl
im a
ti
cgrid
sofnear
-su
rfa
ce(5
cm )ex
trem et
em pera
tur
esa ndhumidi
tie
sac ro
ssvar
iou shabi
tat
sinalarg
e(200×300km)
anddiver
s ereg
ion.Inte
rnat
i ona
lJourna
lofC lima
tology,32(14)
,2134-
2148
.
htt
ps:
//do
i.org
/10.1002
/joc
.2428
A
yarP
.V .
,Vr
acM.,B a
stinS.
,eta
l.(2016)
.Int
ercompa
ri
sonofst
at
ist
ica
landdyn
amic
al
down
sca
ling mode
lsunde
rtheEURO -
and MED-CORDEXi ni
ti
at
ivef
ramewo
rk:p
res
ent
cl
ima
teeval
uat
i on
s.C
lima
ted ynami
cs,46(3
-4
),1301-
1329.
B
edd
ing
tonJ.
,Asaduz
zama nM.,Fern
ande
zA .
,etal
.(2012
).A c
hiev
i ngfoodse
curi
tyinth
efaceo
f
cl
imatec
hange:Fina
lreportf
romtheCommiss
iononSu s
tainableAgr
icul
tureandCl
imat
e
Change(Repor
t)
.R éc
up é
rédeht
tps
:/
/cgsp
ace.
cgia
r.o
rg/ha
ndl e
/10568
/35589
B
elt
randoG.(2000
).L
acl
imato
logi
e:un esc
iencegéogr
aph
ique
.L’
inf
orma
tiong
éog
raph
iqu
e,
64(3)
,241-
261
.ht
tps
:/
/do
i.o
rg/
10.3406
/inge
o.2000
.2705
B
elt
randoG.(2010
).Le
sgéog
raph
es-c
lima
tol
oguesf
rança
isetl
ec ha
ngementc
lim
at
iqu
eaux
éch
elle
srégi
ona
les
.Ec
hoGéo.Réc
upéréd
eh t
tp:
//
echoge
o.r
evues
.or
g/11
816

169

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
B
elt
randoG.etBr
icheE .(2010)
.Ch a
ngementc
limat
i queetvi
ticu
ltu
reenChampagne:ducon
sta
t
ac
tuelauxpré
visionsdum odè
leARPEGE -Clim a
tsurl’
évolu
tionde
stem
pé r
atu
respou
rle
XXIesi
ècle
.E choG éo,(14
).ht
tps
:/
/doi
.or
g/10.4000/
echogeo
.12216
B
elt
randoG
.etCh
éme
ryL
.(1995
).D
ic
tionna
ireduC
lima
t.[
s.
l.
]:L
arou
sse
.331p
B
end
igJ
.,BoltenA.etBar
ethG.(2012)
.Int
rodu
cingalow
-co
stmin
i-UAVfo
rth
erma
l-a
nd
mul
ti
sp e
ctr
al-
imag
ing. In
terna
tiona
lArch
ive
softh
ePhot
ogramme
try
,Remo
teSens
ingand
Spat
ialInf
ormat
ionScinc
es,39,345-
349
.
B
enn
ieJ
.,H un
tle
yB .
,W i
ltsh
ireA.
,etal.(2008)
.Slop
e,a
sp ec
tandclima
te:Spa
ti
al
lye xp
lic
ita
nd
im p
lic
itm od
elsoftopog
raphi
cm icroc
lima
teinc
h a
lkg r
assl
and
.Ecol
ogi
cal Mode
ll
ing,
216(1)
,47-59
.htt
p s
:/
/doi
.org
/10.1016
/j
.eco
lmode
l.2008
.04.010
B
etb
ede
rJ.(2015)
.Eval
uati
onde sdonn
éesdeté
lédé
tec
tionpou
rl’
iden
ti
fi
cat
ionetl
a
carac
téri
sat
iondescon
tinui
tésé
colog
ique
s(T h
èsededoct
ora
t)
.U n
ive
rsi
téRenn
es2
.374p
B
etb
ede
rJ.
,R a
pine
lS.,Corpe
tt
iT.
,eta l
.(2014)
.M u
lt
it
em po
ralc
las
sif
ica
tionofTer
raSAR-Xd
ata
forwet
landvege
tat
ion mapp
ing.Journa
lofApp
lie
dR emo
teS en
sing,8(1
),083648
.
ht
tps
:/
/doi
.or
g/10
.1117
/1.
JRS.8.083648
B
iva
ndR.S.
,P ebesm
aE.J.
,Gómez-Rub
ioV
.
,eta
l.(2008
).A
ppl
ieds
pat
ialda
taana
lys
isw
ithR,
747248717.[
s.
l.
]:Spr
ing
er
.405p
B
lou
inJ
.(2007
).L
edi
ct
ionna
ired
elav
ign
eetduv
in.P
ari
s:D
unod
.351p
Bo
ckA
.
,S p
ark
sT.
,Es
tre
ll
aN .
,etal
.(2011
).Chang
esinth
epheno
logya
ndc
ompo
si
tiono
fwi
ne
f
romFran
con
ia
,G e
rmany.C
lima
teR e
sea
rch,50(1
),69
-81
.
Bo
éJ.(2007
).Changem
entg
lobale
tcy
clehyd
rol
ogi
que:Uneé
tud
eder
égi
ona
li
sat
ionsu
rla
Fran
ce(T hè
sededo
ctor
at)
.Un
iver
si
tédeToul
ous
e.278p
Bo
éJ.
,T e
rrayL.,Habe
tsF.
,etal
.(2007)
.Sta
ti
st
icalanddynami
caldowns
cal
ingo
ftheSeineba
sin
cl
im a
teforhyd
ro-met
eoro
logic
alst
udie
s.Int
erna
tiona
lJourna
lofCl
imat
olog
y,27(12
),
1643-1655
.ht
tps
:/
/doi
.org
/10
.1002/
joc
.1602
Bo
isB
.(2007)
.Ca r
tog
raphi
eagroc
limat
iqueaméso-
eche
lle:m é
thodologi
eetappl
icati
onala
vari
abi
lit
éspat
ial
educ l
ima
te ngi
rond
evit
ico
le.Conséquen
cespou rl
ed é
veloppem
entde
lavigneetlamat
urat
iondurai
sin(Th
èsededoct
orat
).Univer
si
t édeBordea
ux.210p
Bo
isB
.,JolyD.,P
ier
iP.
,etal
.(2014)
.Z ona
geclima
tiquedel
’air
ed eproduc
tiondesv
insde
borde
auxbas
ésurlat
em pé
ratu
re.Inc
idenc
essurlaphéno
logiedelavigne
.D a
ns
Changeme
ntcl
imat
iquee
tterro
irsvi
tico
les(p.189-
214
).[s.
l.
]:L avo
isie
rTec&doc
.
Bonn
ardo
tV.
,CareyV.A
.,M ad
eli
nM .,e
tal
.(2012)
.Spat
ialv
ari
abi
li
tyofnigh
ttempera
tur
esa
ta
fi
nesca
leove
rtheSt
ell
enboschwined
ist
ric
t,Sou
thAfr
ica
.Journa
lInt
erna
tiona
ldes
Sc
ien
cesdelaVi
gneetduVin,46(1
),1
-13
.
Bonn
ardo
tV .
,Pl an
chonO .etCauten
etS .(2005)
.S eabr
eezedeve
l opmen
tunderanoff
sho
re
synopt
icw indintheSouth-WesternC ap
ea ndimpl
ica
tionsfort
heSte
ll
e nbo
schwin
e-
produc
i ngare
a.Th eo
ret
ica
landA ppl
iedC l
imato
logy,81(3-4
),203-
218
.
ht
tps:
//doi
.org
/10.1007/
s00704-004-0087-y
Bonn
ardo
tV.
,Stu
rm anA
.,So
lta
nza
dehI.
,eta
l.(201
1).Inv
e s
tig
ati
onofgr
ape
vinear
easund
er
cl
ima
tics
tre
ssus
ingh
ighre
solu
tiona
tm o
sphe
ricm ode
ll
ing:c
ases
tud
iesinSou
thAfr
ica

170

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 andNewZ e
ala
nd(p
.4 -
8)
.Commun
ica
tionpr
ése
nté
eàP
roc
eed
ing
soft
he19t
h
Int
ern
ati
ona
lCongr
essonBi
ome
teo
rology
.
Bonn
efoyC.(2013
).Obser
vat
ione
tm od
éli
sat
ionspa
tia
ledel
atempé
ratu
redan
slest
err
oir
s
vi
ti
c o
lesduValdeLoi
redan
sleconte
xteduchang
emen
tcl
imat
ique(Th
èsededoc
tora
t)
.
Univ
ers
itéRenne
s2.321p
Bonn
efoyC.
,Ba
rbeauG
.,Qué
nolH.
,etal
.(2012
).Changem
entcl
imat
iqu
eetv
it
icu
ltu
re:l
eca
sdu
Va
ldeLo
ire
.Chang
ementc
lima
tiqu
edansl’Ou
est,325
-342
.
B
rid
ierS
.,Qu é
nolH.etBe
lt
randoG.(1995)
.É va
luat
iondel
’inf
luenc
ed ’unouv
ragel
iné
air
een
r
em bla
i-leT.G
.V.Es
t-s u
rl’écou
lemen
td el
’ai
rfro
id.Pub
lic
ati
on sdel
’as
soc
iat
ion
in
ternat
iona
ledec
limato
logi
e,8,233
-240
.
B
rid
ierS
.,Qué nolH.etBel
trandoG.(2004)
.Sim u
lat
iondupot
ent
ieldere
froi
dis
semen
ten
si
tua
tionradia
tiv
e:a ppl
ica
tionauxt
erro
irsdesFond
sdeSil
lerydanslev
ignob
led
e
Champa gn
e.Revuein
t e
rnat
ional
ed eG é
omatiqu
e,14,119
-132.
B
röt
zB.
,Eige
nm a
nnR .
,Dö rnb
rac
kA.,eta
l.(2014
).Ea
rly
-morn
ingfl
owtran
si
tioni
nav a
lle
yin
low-moun
tai
nterr
ainunderc
lea
r-s
kyc ond
it
ion
s.B
ounda
ry-
layerm
eteor
olog
y,152(1)
,
45-
63.
Bü
rge
rG.etCh e
nY.(2005)
.R eg
r e
ssion-b
a s
e ddownsc
ali
ngofsp
at
ia
lva
ria
bil
ityfo
rhyd
rol
ogi
c
a
ppli
cat
ions
.Journalo
fH ydr o
logy,311(1–4
),299-
317
.
h
ttp
s:
//do
i.o
rg/
10.1016
/j
.jhydrol
.2005.01
.025
C
aldw
ellP
.,Chi
nH.-N
.S.
,B a
derD.C.
,etal
.(2009)
.E v
alua
tiono
fa WRFdyn
ami
caldown
sca
ling
s
imul
at
ionove
rCal
ifo
rni
a.C
lima
ticChange,95(3-
4)
,499-521
.
C
ampo
zanoL.,Tene
landaD.,Sanc
hezE .
,etal
.(2016)
.Com p
ari
sono
fSta
ti
st
icalDownsc
ali
ng
Me
thodsfo
r Monthl
yT o
talPrec
ipi
tat
ion
:C aseStudyforth
ePau
teRive
rB a
sini
nSouthe
rn
Ecua
dor.Advanc
esinM e
teoro
logy,2016,A
rti
cleID6526341,13page
s.
ht
tps
:/
/doi
.or
g/10
.1155/
2016/6526341
C
arbonn
eauA.
,RiouC.
,GuyonD.
,etal
.(1992
).Agromé
téor
olog
iedelavi
gneenF ran
ce.
Lux
embou
r g:O
ffi
cede
spubl
ica
tion
soff
ic
iel
lesde
sComm un
aut
éseurop
éennes
.165p
C
arr
egaP
.(2002)
.A pp
licat
ionsdelaclima
tol
ogieauxé
che
lle
sfi
nes
:RésumésduXVeco
lloqu
ede
l
’as
soci
ationi
nternat
iona
led ecl
imato
log
ie,Be
san
çon,11
-13s
eptembr
e2002
.[s
.l
.]:
P
res
sesU n
iv.Fr
an ch
e-Comté.148p
C
arr
egaP
.(2003)
.L ec
lima
ta uxéc
hel
lesf
ine
s.P
ubl
ica
tion
sdel
’As
soc
iat
ioni
nte
rna
tiona
led
e
C
lima
tol
ogie,15,19
-30.
C
assouC.(2004)
.Duc ha
ngeme
ntcl
ima
tiqu
eauxr
égim
esd
etem
ps:l
’os
ci
ll
at
ionno
rd-
at
lan
tiqu
e.
La Mété
orol
ogi
e,45,21
-32
.
Ch
aiT
.etDra
xle
rR .R.(2014
).Roo
tme
ansqua
reerro
r(RMSE)ormeanab
sol
uteer
ror(MAE)
?–
Argumen
tsaga
instavo
idi
ngRMSEint
heli
tera
tur
e.G
eosc
ien
ti
fi
c Mode
lD e
velopm
ent,
7(3
),
1247-
1250.
Ch
enS
.-T
.,YuP.
-S.etTangY.
-H.(2010
).Sta
tis
tica
ldownsca
lingo
fdai
lyprec
ipi
ta
tionusi
ng
suppo
rtvec
torma c
hin
esa ndmul
tiva
ria
tea n
aly
sis
.Jou
rnalo
fH yd
rol
ogy,385(1–4
),13
-22
.
ht
tps
:/
/do
i.or
g/10
.1016
/j
.jhyd
rol
.2010
.01.021
Cho
isn
elE
.(1984
).No
tion
sd’
éch
ell
eenc
lim
ato
log
ie
.Mé
téo
rol
ogi
e,(4
),44
-52
.

171

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Chu
ineI
.,Y
iouP.
,ViovyN .
,etal
.(2004)
.His
tor
ica
lpheno
logy:Grap
eripen
ingasap
astc
lim
ate
ind
ica
tor
.Na
ture,432(7015
),289
-290
.ht
tps
:/
/do
i.o
rg/10
.1038
/432289a
CNRS
.(2013
).L
ese
xpe
rt
sduc
lim
at
.CNR
Slej
ourna
l,(274
),21
.
Co
rni
llonP
.-A
.,Henga
rtn
erN.etMat
zne
r-Løbe
rE.(2011
).I
ter
ati
veb iasr
edu
cti
onm
ult
iva
ria
te
sm
oot
hinginR:Thei
brpa
ckage
.arXi
vprep
rin
tarXiv
:1105.3605.
Co
rni
llonP.-A.e
tM a
tzne
r-Lobe
rE.(2011
).Régr
essi
onavecR.[
s.
l.
]:[s
.n.
].Récup
é r
éd e
ht
tp:
//www.
spr
inge
r.
c om
/st
at
is
tic
s/s
ta
ti
st
ical+
the
ory+a
nd+me
thods
/book
/978-2-8178
-0183
-
4246p
Co
rte
sC.e
tVa
pni
kV.(1995
).Suppo
rt
-ve
cto
rne
two
rks
.Ma
chi
nel
earn
ing,20(3
),273
-297
.
C
ret
atJ
.,PohlB.etR
ichardY.(2011)
.Lesmod
èle
scl
im a
tiquesr
égi
onaux:out
il
sdedécompo
si
tion
de
sé che
ll
essp
ati
o-tempore
lle
s.Commun
ica
tionp
ré s
enté
eàD i
xièmesRenc
ont
resd
eT héo
Quan
t,23
-25f
évri
er,Besançon
.
C
rét
atJ
.,PohlB
.,Ri
chardY.
,eta
l.(2012
).Unce
rta
int
iesins
imula
tingreg
ion
alcl
imateofSouth
ern
Af
ric
a:s
ens
it
ivi
tytophys
ica
lp a
rame
ter
iza
tion
su s
ing WRF
.C lima
tedynami
cs,38(3-
4)
,
613-
634
.
C
row
leyT.J
.(2000
).C
aus
eso
fcl
ima
tec
hang
eov
ert
hep
ast1000y
ear
s.S
cie
nce,289(5477
),
270-
277.
C
zaj
aA.e
tFranki
gnou
lC.(1999
).In
flu
enc
eoftheNor
thAtl
ant
icSSTont
hea
tmo
sph
eri
c
ci
rcu
lat
ion
.Geoph
ysi
calRese
archL
et
ter
s,26(19
),2969
-2972
.
D
amiI
.E.,Ennah
liS.etZhangY.(201
1).Ass
essmen
tofwin
teri
njuryingra
pecu
lt
ivar
sand
prun
ingst
rateg
iesfo
llow
i ngaf
reez
ingst
res
seven
t.Amer
icanjourna
lofe
nolog
yand
vi
tic
ult
ure,63,106-
111
.
D
ePa
rcev
auxS.etHub
erL
.(2007
).B
ioc
lima
tol
ogi
e:Con
cep
tse
tapp
lic
ati
ons.[
s.
l.
]:E
dit
ion
s
Qua
e.336p
d
eRe
sségui
erL.
,L eRouxR .
,Qu énolH.
,etal.(2016
).Spa
tia
ltempera
tur
ev a
riabi
li
tya nd
di
st
ribu
tionatloc
alscal
einS a
int
-Em i
lionandPomero
l.D a
nsClimwineSus
tainabl
egrap
e
andwineproduc
tioninthecon
textofcl
imatechang
e.Bo rde
aux,Fra
nc e
.R é
cupéréde
ht
tps
:/
/ha
l.ar
c h
ives
-ouver
tes
.fr
/ha
l-01340871
d
eRe
sségui
erL
.,Quéno
lH .
,LeRouxR.,eta
l.(2015)
.Effe
cto floc
altempe
ratu
rev
aria
bil
ityon
vin
epheno
logyi
nt h
eSain
t-Emi
liona
rea(Bordea
ux,F r
a n
ce)
.OENO2015 ,Bordeaux
,29
June–1Ju
ly2015.Sho
rtora
lcommunica
tionwithf
ulltex
tp ro
cee
dings.
D
équ
éM .
,D rev
etonC.,BraunA.,etal
.(1994)
.TheARPEGE/IFSa
tmosph
eremod e
l:a
cont
ribu
tiontotheFrenc
hc omm un
itycl
im a
temod
el
ling
.Cl
ima
teD ynam
ics,10(4
-5
),
249-266
.http
s:/
/doi
.or
g/10.1007
/BF00208992
D
iac
one
scuE
.P.
,Lapr
iseR
.etSu
shamaL.(2007
).Theimp
actofl
ater
albound
aryda
taer
ror
son
thes
imu
lat
edcl
ima
teofane
ste
dregiona
lcl
im a
temode
l.C
limat
edynamic
s,28(4
),333
-350
.
D
ia
lloI
.,Gio
rgiF.e
tSto
rdalF
.(2017)
.In
flu
enc
eofLakeMal
awionreg
ion
alc
limat
efroma
doub
le-n
est
edr
egiona
lcl
im a
temode
lexpe
rim
ent
.Cl
imat
eD y
namic
s,1-15
.
Do
eri
ngO.C .
,R ando
lphJ.C.
,Southwor
thJ.
,etal
.(dir
.)
.(2002
).Ef
fec
tsofC
lima
teChang
eand
V
ariab
ili
tyonA g
ricu
ltu
ralProdu
cti
onSyst
em s.Boston
, MA:Spr
ing
erUS.Ré
cupér
éde
h
ttp
://
link
.spr
ing
er
.com/10
.1007/
978-1
-4615-0969
-1271p

172

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Du
chê
neE.etSc
hneid
erC.(2005)
.G r
apev
ineandc
limat
icchang
es:ag
lan
cea
tth
esi
tua
tioni
n
A
lsa
ce.Ag
ronomyfo
rsu s
tai
nabled
evel
opment,25(1
),93
-99
.
Dunn M
.,Linde
sayJ.e
tH owdenM.(2015)
.Spatia
la ndtempor
alsca
lesoffu
tur
eclima
te
info
rm a
tionfo
rcl
im a
techang
ea d
apta
tioninv i
ti
cul
ture
:ac a
sest
udyofuserneedsi
nth
e
Aust
ral
ianwineg
rapesec
tor
.Aust
ral
ianJ ournalofGrapeand W
ineResea
rch,21(2)
,
226-239
.
Du
sse
uxP.
,Corpe
tt
iT.,Hub
ert
-MoyL.
,etal
.(2014
).Combi
nedus
eo fm u
lt
i-
tempo
ralopt
ica
land
r
ada
rsat
el
lit
eimage
sforg
ras
sland m
oni
tor
ing
.Remo
teSe
nsing,6(7)
,6163
-6182
.
E
lve
bakkA.
,Brossa
rdT.,Jo
lyD .
,etal
.(2003
). Modè
lesspa
ti
auxàgrand
eé ch
ell
eencl
im a
tol
ogi
e:
e
xempledelat
em pé
ratu
reetduventauSpit
sberg
.Bul
let
ind
el’Asso
cia
tiond
eg éog
raphe
s
f
ranc
ais:Geog
raphie
s,80(4
),355-
361
.
F
el
ixP
.
,SturmanA.etQuéno
lH.(2013)
.Va
ri
abil
itéspa
ti
aledestempéra
ture
sd an
slecont
ext
edu
cha
ngem e
ntcl
ima
tiqu
eal’éche
ll
eduvignobl
edem ar
lborough(nouve
ll
e-zé
lande
).
C
limat
ologi
e,123
-143
.
F
rag
aH.(2014
).V
it
icu
ltu
ralzon
inginE
urop
e:cl
imates
cena
rio
sandadap
tat
ionm
easu
res(T
hès
e
dedoct
ora
t)
.Trá
s-os
-MonteseA
ltoDou
ro.233p
F
rag
aH.
,Malhe
iroA.
, Mou
tinhoP
‐ere
iraJ
.,e
tal
.(2012
).A nove
rvi
ewofcl
ima
tec
hang
eim
pac
ts
onE
uropeanv
it
icu
ltu
re.FoodandE n
erg
ySecur
ity,1(2
),94-
110
.
F
ree
dma
nD .A.(2009
).S
tat
is
tic
alm
ode
ls
:th
eor
yandp
rac
ti
ce.c
amb
ridg
e:c
amb
ridg
eun
ive
rs
ity
p
res
s.442p
Fun
atsuB.M.etWaughD .W.(2008)
.Connec
tionsbe
tw eenPote
ntia
lV or
tic
ityIn
tru
sionsand
Conv
ect
ioni
nt h
eE ast
ernTrop
ica
lP a
cif
ic.Journa
lo ft
heA tmospher
icS c
ien
ces,65(3
),
987-
1002
.ht
tps:
//do
i.org
/10
.1175
/2007JAS2248.1
G
arc
iad
eCo r
taza
rAta u
riI
.(2006)
.A dap
tat
iondum odè
leSTICSàl
avign
e(Vi
ti
svi
nif
eraL.):
ut
il
isa
tiondanslecadr
ed’uneétuded’
impac
tduc hang
emen
tcl
imat
iqu
eàl’éche
ll
edela
Franc
e(T hès
ed edocto
rat
).SupAgro Mon
tpel
li
er
.349p
Gho
shS
.et Mu
jumdarP.P
.(2008
).Sta
ti
st
icaldownsc
ali
ngofGCMs imu
lat
ionst
ostr
eam
flow
us
ingre
levanc
ev e
ctormach
ine
.A dvanc
esi
nW aterR
esou
rce
s,31(1)
,132-
146
.
ht
tps
:/
/do
i.o
rg/10
.1016
/j
.advwa
tre
s.2007
.07
.005
G
ior
giF
.
,B iX.etPa
lJ.(2004)
.M e
an,in
ter
annua
lva
riab
il
ityandtr
endsinaregi
onalc
lima
te
chang
ee xp
erimen
tov e
rE urope
.II
:clim
atec
hangesce
n a
rio
s(2071–2100)
.Cl
imat
e
Dynamic
s,23(7-
8),839-858
.
G
ior
giF
.etMe
arn
sL .O.(1991).Appro
ache
stoth
esimul
at
ionofre
giona
lclima
techang
e:A
rev
iew
.Re
viewsofG eophy
sic
s,29(2)
,191
-216
.ht
tps
:/
/do
i.o
rg/10
.1029
/90RG02636
G
lad
ston
esJ
.(1992
).V
i
tic
ult
ureande
nvi
ronm
ent
.Ad
ela
ide: W
ine
ti
tl
es.310p
G
lad
ston
esJ
.(201
1).W
ine
,te
rro
irandc
lima
tec
hang
e.[
s.
l.
]: W
ake
fie
ldP
res
s.279p
Go
tt
fr
iedM.,Pau
liH.
,R e
it
erK.,etal
.(1999)
.Af i
ne-sc
ale
dp red
ict
ivem ode
lforc
hangesin
spe
cie
sdis
tr
ibut
ionpa
ttern
so fh
ighm ounta
inplan
tsinducedbyclima
tewarming
.Dive
rsi
ty
andDis
tr
ibu
tion
s,5(6
),241-251
.htt
ps:
//do
i.or
g/10
.1046/
j.1472
-4642
.1999
.00058.x
Goub
anov
aK .(2017
).Un
eétudede
sé v
énemen
tscl
imat
ique
sext
rêmessu
rl’E
urpoeetl
eba
ssi
n
Mé
dit
érranée
netdel
eurév
olut
ionfu
tur (Th
èsededoc
tor
at)
.PARIS6
,P a
ris
.121p

173

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Gu
tma
nnE .D.,Rasm
uss
enR .M.
,LiuC.
,e ta
l.(2012
).Acompa
ri
sonofsta
ti
st
ica
landdynamic
al
downsc
al
ingofwin
terp
rec
ipi
ta
tionovercompl
ext
err
ain
.Journa
lofClima
te,25(1
),
262-
281.
Guyo
tG.(1997)
.Clima
tol
ogi
edel
’en
vir
onn
eme
nt.D
elap
lan
teau
xéc
osy
stèm
es(M
asson
).P
ari
s:
Ma
sson.505p
H
al
lA.e
tJonesG.V.(2009
).Eff
ectofpo
ten
tia
latmo
spher
icw a
rmingontem p
era
tur
eb‐a
sed
ind
ice
sd e
scr
ibingAust
ral
ianwin
egr
apegrowingcond
it
ion
s.Au
stra
lianJou
rnalo
fGrap
e
and W
ineResear
ch,15(2
),97-
119
.
H
ann
ahL
.,Roe h
rdanzP.R.
,IkegamiM.,etal
.(2013)
.Clima
techang
e,wine
,andc
ons
erv
ati
on.
P
rocee
dingsoftheNat
ionalAcademyofScie
nces,1
10(17
),6907
-6912
.
h
ttp
s:
//do
i.o
rg/10
.1073
/pnas
.1210127110
H
ast
ieT
.(2015)
.gam:Ge
n e
ral
ize
dA dd
it
iveM ode
ls
,R-pac
kageve
rsion1
.12(Ver
sion1
.12
).[
s.
l.
]:
[s
.n.]
.R éc
upé
rédeht
tps
:/
/cr
an.
r-p
roj
ect
.org
/web
/pack
age
s/gam/
index
.htm
l
H
awk
insE.etSut
tonR.(2009)
.T hePo
tent
ia
ltoNar
rowUn ce
rta
intyi
nR eg
iona
lClimate
Pre
dic
tion
s.Bul
let
inoftheAm e
ric
an Me
teo
rolog
ica
lSocie
ty,90(8
),1095
-1107
.
ht
tps
:/
/doi
.or
g/10
.1175/2009BAMS2607
.1
H
aywoodA .M.,Chand
lerM.A.
,V a
ldesP
.J.
,etal.(2009)
.Com par
isonofmid-P
lio
ceneclima
te
pre
dic
tion
sproduc
edbytheH a
dAM3a ndGCMAM3G e
n e
ralCi
rcu
lat
ion Models
.Gl
obal
andPlane
tar
yChange,66(3–4
),208
-224.ht
tps:
//do
i.o
rg/10
.1016
/j
.gl
oplach
a.2008
.12
.014
H
eng
lT.(2009
).Ap
rac
ti
calgu
idet
oge
ost
ati
st
ica
lmapp
ing,52.[
s.
l.
]:H
eng
l.293p
H
err
eraE.
,Ou ard
aT.B.M.J.etBobéeB .(2006)
.M ét
hod
esd
edés
agrég
ati
ona pp
liqué
esaux
Modè
lesduCl
im a
tG l
obalAtmosphère-Océa
n(MCGAO).Rev
ued ess
ciencesdel
’eau,
19(4
),297.h
ttp
s:
//do
i.o
rg/
10.7202/014417
ar
H
ijm
ansR.J
.,Ett
enJ
.v an
,Ch engJ
.,etal
.(2015)
.ras
ter
:G eog
raph
icDa
taAna
lys
isand Mod
el
ing
,
R-pa
ckageve
rsi
on2.5-2(Ver
sion2.5
-2).[
s.
l.
]:[s.n
.]
.R é
cupé
réd
eht
tps
:/
/cr
an.
r-
pro
ject
.or
g/w
eb/pack
a g
es/
ras
ter/
index
.html
Ho
fma
nn M.etSchul
tzH.R
.(2015)
. Mod
el
ingth
ewate
rba
lanc
eo fs
lope
dviney
ard
sunde
rvar
iou
s
cl
imatechanges
cen
ario
s(Vol
.5,p
.01026
).Commun
ica
tionpr
ésen
téeàBIO W
ebof
Conf
eren
ces,EDPScie
nces
.
Ho
rany
iA.,Iha
szI.e
tR adno
tiG .(1996
).ARPEGE/ALADIN:Anum e
ric
alweat
herpred
ic
tion
mode
lforCent
ral
-E u
ropew i
ththepa
rt
ic
ipa
tiono
ftheHung
ari
anM et
eoro
logi
calServ
ice
.
Idoj
árás
,100(4
),277-301.
Hou
rdi
nF., Mu
satI.
,BonyS.,etal
.(2006
).TheLMDZ 4gene
ralci
rcul
ation model
:climate
pe
rformanceandsens
it
ivi
tytoparame
tr
ize
dphysi
cswithem ph
asisontropica
lc onv
ect
ion
.
Cl
imateD y
namics,27(7-
8)
,787-813
.ht
tps
:/
/do
i.o
rg/
10.1007
/s00382-006-0158-0
HuX
.-M
.,Nie
lsen
-GammonJ
.W.etZh
a ngF.(2010
).Ev
alua
tionofthre
epl
ane
tarybound
aryla
yer
scheme
sinth
e WRFmod
el
.JournalofAppl
iedMet
eorologyandCl
ima
tology
,49(9)
,
1831-
1844
.
Hug
linP
.(1978
).Nouv
eaumod
ed’ev
alu
ati
ond e
sposs
ibi
li
teshe
lio
the
rmiqu
esd
’unm
il
ieuv
it
ico
le
.
Compte
sRendu
sdel
’Acad
émi
ed’Agri
cul
tur
ed eFranc
e,64,111
7-1
126
.
Hug
linP
.etS
chn
eid
erC
.(1998
).B
iol
ogi
eeté
col
ogi
edel
avi
gne.[
s.
l.
]:T
ec&do
c.370p

174

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Hu
rre
llJ
.W .,Kushni
rY.,Ot
ters
enG .
,etal
.(2003)
.A nOve
rviewoftheNor
thA t
lant
icOsci
lla
tion
.
DansJ.W.H ur
rel
l,Y.Kushn
ir
,G .Ot
ters
en,eta
l.(d
ir
.)
,Th eNort
hAtlan
ticOsci
lla
tion
:
Cl
imati
cS ign
if
icanc
eandE nvi
ronmenta
lImpact(p.1
-35
).[s
.l
.]:Ame r
ica
nG eophysi
cal
Union
.ht
t p
s:/
/do
i.o
rg/10
.1029
/134GM01
Im
reS
.P.etM a
ukJ
.L.(2009
).G
eol
ogya
ndw
ine12
.NewZ
eal
andt
erro
ir
.Ge
osc
ien
ceCanada,
36(4
).
IPCC
.(2007)
.Climat
ec hang
e2007-Cont
ributi
ono
fW or
kingGroupItoth
eFour
thAs
sessment
Re
portoftheInt
ergove
rnm e
nta
lP anelonC
lima
teChange[Sol
omonS,QinD, Mann
ing M
,
ChenZ, Marq
uisM ,e
tal.
].C ambridge
,Un
itedKingdomandN ewYo
rk,USA:C ambr
idg
e
Un
iver
si
t yPres
s.1007p
IPCC
.(2013)
.Cl
imatec
hange2013:th
eph y
sica
lscien
cebas
is.Cont
ribu
tiono
fwo rki
ngg ro
upIto
th
efif
thasse
ssmen
trepor
tofthein
terg
overnment
alpane
lonclimatec
hang e[S
t o
cke
rTF,
Q
inD ,Pl
attn
erGK,Tigno
rM ,All
enSK,etal].C amb
ridg
e,Unit
edK ingdoma ndNew
Y
ork,USA :Cambr
idg
eUn ive
rsi
tyPres
s.1552p
I
rim
iaL
.
,P a
tr
icheC.V
.etRoc
șaB.(2017)
.Cl
imat
ec h
angeimpac
tonclimat
esu
it
abi
li
tyfo
rwi
ne
p
roduc
tioni
nRoman
ia
.The
ore
tica
landApp
lie
dC l
imat
ology,1
-14.
I
rim
iaL
.,Pat
rich
eV .
,P l
anchonO.,e
tal
.(2014)
.Vaguedefroi
de urop
éennedefévr
ier2012et
impac
tsdanslesvignobl
esdeCotn
ari(Rouma
nie)
.D ansChangemen
tclima
tiqueett
erro
irs
vi
ti
cole
s(p.231 -
245)
.[s.
l.
]:Lavo
is
ierTec&doc
.R écupé
réd eht
tp:
//h
al
.arc
hives
-
ouve
rte
s.
fr/h
al-01011455
J
ack
sonR
.S.(2008
).W
ines
cie
nce
:pr
inc
ipl
esandapp
li
cat
ion
s.[
s.
l.
]:A
cad
emi
cpr
ess
.645p
J
acob
son M.Z.(2005
).F
undam
ent
also
fatmo
sph
eri
cmod
el
ing.[
s.
l.
]:C
amb
ridg
eun
ive
rsi
typ
res
s.
978p
J
erm
iniM.
,B la
iseP.e
tG ess
lerC.(2015
).Quan
ti
tat
iveeffec
tofl
eafdamag
ec a
usedbydowny
mi
ldew(Plasmopar
avit
i c
ola
)ongrowthandyie
ldqu a
li
tyofgr
ape
vine’Mer
lot
’(V
i
tis
vin
ife
ra)
.VITIS-
JournalofGrape
vin
eR e
search,49(2)
,77
.
Jo
liv
etY
.etDubo i
sJ.(2000a
).Éva
luat
iondel
’ef
fic
aci
tédubut
tagedelavign
ecommeméthoded
e
p
rot
e c
tioncon
trelef
roidh
ivern
alauQuébec
.Journa
lIn
terna
tiona
ld e
sSc
ien
cesd
el a
V
igneetduVin,34(3)
,83-
92.
Jo
liv
etY
.etDuboi
sJ.(2000b
).Ev
alua
tionpré
lim
ina
iredel’e
nne
igementar
tif
ici
elcomm emé
thod
e
d
eprot
ect
ionhive
rnal
edelavi
gn ea
uQu éb
ec.Journa
lIn
terna
tiona
ldesS c
ien
cesdel
a
V
ign
eetduVin,34(4)
,155
-167
.
Jo
livo
tA.,Góm e
z-CandónD.,Labb
éS.,etal
.(2017)
.A cqui
si
tiond’
imagest
h e
rmiqu
esp
ard
ron
e:
cor
rect
ionsr
adiomét
riqu
esàp a
rt
irdedonnéeste
rrain
.RevueFran
çaisede
Phot
ogrammétr
ieetdeTéléd
étec
tion,(213
-214
),1 1
7-123.
Jo
lyD
.,Ni
lsenL
.,FuryR .
,etal
.(2003
).T
emper
atu
rei
nte
rpo
lat
ionatalarg
escal
e:t
estonasm
al
l
ar
eainSval
bard.Int
erna
tiona
lJou
rna
lofCl
imato
log
y,23(13
),1637-
1654
.
ht
tps
:/
/do
i.o
rg/10
.1002/
joc
.949
Jo
lyD
.,Thi
erryB.,Ca
rdo
tH.,etal
.(2009
).In
terpo
lat
ionparrég
res
sion
slo
cal
es:a
ppl
ica
tiona
ux
pr
écip
ita
tionse
nFran
ce.L’Espa
cegéograph
ique,38(2
),157-
170
.

175

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Jon
esC
.D.,Hughe
sJ.K.,B e
llou
inN .
,etal.(20
11)
.TheH a
dGEM2 -ESim
plemen
tat
iono
fCM
IP5
cen
tenn
ials
imula
tions
.G e
osci
ent
if
i c Mod
elDev
elopmen
t,4(3)
,543
-570
.
ht
tps
:/
/do
i.o
rg/
10.5194
/gm d-4
-543-2011
Jon
esG
.(2006a
).Cl
ima
teandte
rro
ir
:Im p
actsofc
limat
eva
ria
bil
itya
ndc
hang
eonw
ine
.Fi
new
ine
andte
rro
ir-
theg
eos
cien
cepersp
ect
ive,(9)
,1-
14.
Jon
esG
.(2006b)
.Clim
atechang
ea ndwi
ne:ob
serv
at
ion
s,im
pac
tsa
ndfu
tur
eim
pli
cat
ion
s.W
ine
Indu
stryJou
rna
l,21(4
),21-
26.
Jon
esG
.etAlv
esF.(2012
).Imp
actofcl
imatech
angeonwi neproduct
ion
:aglob
alov
ervi
ewa nd
reg
iona
lasse
ssmenti
ntheDouroVal
leyofPor
tuga
l.Interna
tiona
lJou
rna
lofGlobal
Wa
rming,4(3/4
),383
.ht
tps
:/
/doi
.or
g/10
.1504
/IJGW.2012.049448
Jon
esG
.etDavisR.E.(2000
a )
.Climatei
nfl
ue n
cesong
rapev
inepheno
logy
,gr
apec
om po
si
tion
,
andwineproduc
tionandqual
ityfo
rBo rdea
ux,F
ran
ce.Amer
icanJou
rna
lofEno
logyand
V
iti
cul
tur
e,51(3),249
-261.
Jon
esG
.etD a
visR.E.(2000b)
.U s
i ngasynopticclima
tolog
ica
lapp
roachtounde
rst
andcl
ima
te–
v
iti
cul
turere
lat
ionship
s.Int
e rna
tionalJournalo
fClimato
log
y,20(8
),813-
837
.
h
ttps
:/
/doi
.or
g/10.1002
/1097-0088(20000630)20
:8<813
::AID
-JOC495>3.0
.CO;2
-W
Jon
esG
.,Wh
iteM
.A .
,Coop e
rO .R
.,etal
.(2005
).Cl
imateCh a
ngea ndGloba
lW i
neQu
al
ity
.
C
lima
ti
cChange,73(3)
,319
-343.ht
tps
:/
/do
i.o
rg/
10.1007
/s10584-005
-4704
-2
Jon
esR
.,Nogu
erM
.,Ha
sse
llD
.
,eta
l.(2004)
.Gene
rat
ingh
ighr
eso
lut
ionc
lim
atec
hang
esc
ena
rio
s
us
ingPREC
ISR
epor
tMe
tOff
iceH ad
leyC
entr
e(UK)
.
Jou
zelJ
.
,Ou ze
auG.,DéquéM .
,etal
.(2014
).Lecl
imatdelaF
ran
ceauXXIesi
ècl
e.V
olume4.
Scé
nar
iosr
égion
ali
sés
:é d
it
ion2014pourl
am é
tropo
lee
tle
sré
gion
sd’ou
tre
-me
r.Rappo
rts
delaDi
rec
tiongéné
ral
ed el
’Énerg
ieetduCl
imat.
K
atu
rj
iM .,Noon
anB.,Zaw a
r-Rez
aP.,e
tal.(2015
).Cha
rac
ter
is
tic
soft
h eSpr
ing
timeAl
pineVa
ll
ey
Atmo
sphe
ricBoundaryLaye
rU s
ingS e
lf-O
rgan
iz
ing Map
s.Journa
lofAppl
iedMet
eor
ology
andCl
imato
logy,54(10
),2077-
2085.
K
aufm
anY.
,Tan
réD .e
tBou ch
erO.(2002)
.As a
tel
li
teviewofaero
solsi
nth
ecl
ima
tesy
stem
.
Na
tur
e,419(6903
),215-
223
.https
:/
/do
i.o
rg/10
.1038
/nat
ure01091
K
el
lerM
.(2010)
.Ch a
pte
r1-Bo t
anyandAna
tom y
.D a
nsM .K e
ller(d
ir
.)
,Th eS c
ien
ceo
f
G
rapevi
nes (p
.1-47
).SanDi
ego:AcademicPr
ess
.R écupéréde
h
ttp
:/
/www .
scien
ced
ire
ct
.com/
sci
enc
e/a
rti
cle
/pi
i/B9780123748812000015
K
el
lerM
.,Ta
raraJ.M.etM i
ll
sL .J.(2010)
.Springt
empera
tur
esal
terr
eprodu
cti
v edev
elopm
enti
n
g
rapev
ines.Aus
tral
ianJ ournalofG rap
eand Win
eR e
sear
ch,16(3)
,445-454
.
h
ttp
s:
//doi
.or
g/10.1
111/
j.1755 -0238
.2010
.00105
.x
Kho
srokhava
rR .
,GhasemiJ
.B.etShi
riF.(2010
).2Dquan
ti
ta
tiv
est
ruc
tur
e-prope
rtyre
lat
ionsh
ip
s
tudyofm y
cotox
insbymul
tipl
elinea
rregr
ess
iona
ndsuppo
rtv
ecto
rm a
chine
.Int
ernat
iona
l
j
ournalofmol
ecu
l a
rsc
ienc
es,11(9
),3052-
3068
.
K
loogI
.,ChudnovskyA.,Kout
rakisP.
,etal.(2012)
.Tempo
ralandsp
at
iala
sse
ssment
sofm i
nim
um
a
irtempera
tureus
i ngs
ate
ll
itesurfacetempe
rat
uremeasu
remen
tsinMass
achuse
tt
s,USA
.
Sc
ienceoftheto
talenv
ironment,432,85-92
.

176

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Knu
tt
iR.e
tS e
dlá
čekJ
.(2013
).Robu
stn
essandunc
ert
ain
tie
sint
hen
ewCM
IP5c
lim
atem
ode
l
p
roj
ect
ion
s.Na
tur
eC l
ima
teChange,3(4
),369-
373
.
Kohon
enT
.(1988
).A
nin
trodu
ct
iont
one
ura
lcom
put
ing
.Ne
ura
lne
two
rks,1(1
),3
-16
.
Kohon
enT.(2012
).Se
lf
-or
gan
iza
tionanda
sso
cia
tiv
ememo
ry,8.[
s.
l.
]:Sp
ring
erS
cie
nce&
Bu
sinessMed
ia
.312p
Köpp
enW
.(1936
).D
asg
eog
raph
isc
hensy
stemd
erk
lim
ate
.Handbu
chd
erk
lima
tol
ogi
e,1
-44
.
Köpp
enW.e
tG e
ige
rR.(1930
).Handbu
chd
erk
lima
tol
ogi
e,3.[
s.
l.
]:G
ebrüd
erBo
rnt
rae
gerB
erl
in,
G
ermany
.
Ko
tl
arsk
iS.
,K eu
lerK .
,Chri
sten
senO.B .
,etal
.(2014
).Re
gion
alc
lim
atemode
lingonEu
ropean
sca
les
:ajoints
tanda
rde v
alu
ati
ono ft
heEURO -CORDEXRCMe n
s emb
l e
.Ge
osc
ien
ti
fi
c
Mode
lD e
velopment,7(4)
,1297-
1333.
L
eRouxR.
,d eRes
ségui
erL.
,Co rpe
tt
iT.
,etal
.(2017).Compar
i sono
ftwof inesca
lesp
at
ia
l
mod
elsfo
rm app
ingtempera
ture
sins
idewinegrowi
nga r
e as
.Ag r
icul
turalandFo
res
t
Me
teoro
logy,247,159
-169.ht
tps
:/
/do
i.o
rg/10
.1016
/j.
agrforme
t.2017
.07.020
L
eRouxR.
,K a
tur
jiM.
,P eymanZaw a
r-Re
zaL.d eR
.,e
tal
.(2016
).Afinesca
leappro
achtoma
p
b
iocl
imat
icind
ice
su s
inga ndcompa
ringdyn
amica
landgeos
tat
is
tic
alm e
thods
.D a
ns
Pr
oceed
ingoft
heXIInternat
iona
lTerro
irCong
res
s,10
-14July.Oregon
,USA .
L
eRouxR.
,N ee
t h
lingE.
,D eR ess
egui
erL.
,etal.(2016
).N es
tedsc
aleapp
roachtocha
r a
cte
rize
c
limat
ea specto
fvineyardte
rro
irsi
nac ontex
tofclimat
echange
.Comm un
ica
tionpré
senté
e
àClimwineSu s
tai
nablegrapeandwin
ep roduc
tioninthec
ontex
tofcl
im at
echange10-13
Av
ri
l,Bordeaux,Fran
ce.
L
eRouxR.
,N ee
thl
ingE.,vanLeeuw e
nC .
,etal
.(2015
).Mu
lt
i-s
cal
ar Mode
ll
ingofC
lim
ate
App
lie
dtoE urop
eanVineyardSi
tesint
heC l
imat
eChangeCon
text
.P r
oce
dia
Env
ironmen
talScie
nces,29,62-
63.
L
eTr
eutH.(2005
).É
vol
uti
onc
lim
at
iqu
e:l
esm
odè
lese
tle
ursl
imi
tes
.Imag
esd
elaph
ysi
que
,
27-32
.
L
eanJ
.,BeerJ.e
tBrad
leyR
.(1995)
.Rec
ons
tru
cti
onofs o
lari
rra
diances
ince1610
:Im
pli
cat
ion
s
fo
rclima
tec
hange
.Geoph
ysi
calR
ese
archLet
ter
s,22(23),3195-
3198
.
L
ewi
n-KohN.(201
1).HexagonBi
nni
ng:anOve
rvi
ew.On
lin
e:h
ttp
:/
/cran
.r-
pro
jec
t.o
rg/w
eb/
pac
kages
/h exb
in/v
igne
tt
es/he
xagon_b
inn
ing
.pd
f.
L
hot
el
li
e rR.(2005
).Spa
tia
li
sat
iond
est
emp
éra
tur
ese
nzon
edemon
tagn
eal
pin
e(T
hès
ede
doc
tora
t).Gre
nob
le1.350p
L
iJ.e
tH eapA .D.(2011
).Areviewofcompar
ativestud
iesofspa
ti
alint
erpo
lat
ionme
thod
si n
envi
ronme n
talsc
ienc
es:Per
formanc
ea ndim p
a c
tfact
ors
.Ecol
ogica
lInfo
rma
tic
s,6(3–4)
,
228-241
.https
:/
/do
i.o
rg/10
.1016
/j
.eco
inf.2010
.12.003
L
iuW
.etYangY.(201
1).Par
am e
tri
cornonparam
etr
ic?Apa
r ame
tri
cnes
sind
exfo
rm ode
lse
lec
tion
.
Th
eA nna
lsofSta
ti
st
ics,39(4)
,2074
-2102
.ht
tps
:/
/do
i.or
g/10
.1214
/11
-AOS899
M
acQu
eenJ
.(1967
).Somem e
thod
sforcla
ssi
fic
ati
ona nda
nal
ysi
sofm ul
tiv
ari
ateob
serv
ati
ons
(Vo
l.1
,p.281-
297)
.Comm uni
cat
ionprésen
téeàth
efi
fthBerk
eleysympos
iumon
ma
thema
tic
als
tat
is
tic
sandprobab
il
ity
,O ak
land,CA,USA.

177

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
M
ade
linM .(2004
).L’a
léagél
ifpri
ntan
ierdan
slevignob
lemarna
ise
nChampagne
. Modé
li
sat
ion
spat
ialeàun
eéchel
lef
i n
ed esé
coulem
entsd
el ’a
ire
tdest
empéra
tur
esm
inima
les(Thès
ede
docto
rat
).Un
ive
rsi
téPari
s-Dide
rot-Pa
risVI
I.412p
M
ade
linM.etB e
ltr
andoG.(2005
).Spat
ialin
terpol
at
ion-b
asedmappingoft
hespri
ngf
ros
tha
zard
i
ntheCh am p
agnevin
eyard
s.Me
teoro
logica
lA pp
lic
ati
ons,12(1)
,51-56
.
h
ttp
s:
//do
i.org
/10
.1017
/S1350482705001568
M
ade
linM .
,BoisB.etChab
inJ.
-P.(2010)
. Modi
fic
ati
ondesc
ondi
tionsd
em a
turat
iondur
ais
inen
Bour
gognevi
tic
olel
iéeauréchauf
femen
tclimat
iqu
e.L’
exem p
lede
svignobl
esdel
aCôtee
t
desHau
tes-Cô
tesdeBeaune
.E choGéo,(14)
.
M
ade
linM.,Bo
isB.etQué
nolH.(2014
).Vari
abil
it
étopoc
lima
tiqueetph
éno
logi
quedeste
rro
irsd
e
l
am on
tagn
ed eCo
rton(Bou
rgogn
e).Changemen
tcl
imat
i qu
eette
rro
irsv
it
ico
les,217
-229
.
M
alh
eiroA.
,S an
tosJ
.,Fra
gaH .
,etal
.(2010)
.Futures
cena
riosforvit
icul
tur
alcl
im a
ticz
oni
ngin
Ibe
ria(p
.55-61
).Comm unic
ationpr
ésen
téeàXXV II
IInterna
tiona
lH or
tic
ult
ura
lCongr
ess
onScien
ceandH or
tic
ult
ureforPeopl
e(IHC2010
):Inte
rnati
onalSym pos
iumonthe931
.
M
al
low
sC.L.(1973)
.S omeComm ent
sonCp .Technomet
ric
s,15(4
),661
-675
.
ht
tps
:/
/do
i.o
rg/10
.1080
/00401706
.1973
.10489103
M
arg
uer
itE
.,T
andonne
tJ.-P
.
,GolardB.
,eta
l.(201
1).Lepor
te-g
ref
fe,ou
tilori
gina
letper
tin
e n
t
d’a
dap
tat
ionauchangemen
tcl
imat
ique
.Comm unic
ati
onp r
ésen
téeà10 .J
ourné
eT echn
ique
duConse
ilIn
terp
rof
ess
ionne
lduVindeBordea
ux(CIVB )
.2011-02-08
,Bordeaux
,FRA .
M
art
inN
.,Carr
egaP
.etA dn
èsC.(2013
).Downscal
ingàf
iner
ésolu
tionspa
ti
aled
estemp
éra
tur
es
ac
tuel
lese
tfut
uresparmodé
lis
at
ionsta
ti
st
iquede
ssor
tie
sALAD IN-
cl
imats
url
esAlpes
-
Mar
it
imes(F
rance
).Clima
tolog
ie,10,51-
73.
M
end
elsohnR.,Dina
rA .etW i
ll
iamsL.(2006)
.T hed
ist
ribu
tiona
limpac
tofclimat
echangeonr
ich
andpoorcoun
tries
.E n
vir
onmentandD eve
lopmen
tE conomi
cs,nu
ll(02)
,159–178
.
h
ttps
:/
/doi
.org
/10.1017
/S1355770X05002755
M
été
oFr
anc
e.(s.d
.)
.L e
sinc
ert
itudesdan
slespro
jec
tionsc
limat
iqu
es.Récupé
réle24jui
ll
et2017
deh
ttp
://www.me
teo
fra
nc e
.f
r/c
lima
t-pa
sse
-et
-fut
ur/
les
-in
cer
ti
tud
es-d
ans-
les
-pro
jec
tion
s-
c
lima
tiques
M
il
lerA
.(2002
). Sub
setS
ele
cti
oni
nRe
gre
ssi
on.[
s.
l.
]:CRCP
res
s.260p
M
irad
eO rduñaR.(2010
).Cl
im a
techangeas soc
i a
tede
ffec
tsongra
pea
ndw
inequ
al
itya
nd
p
roduct
ion.FoodRese
archIn
ternational,43(7)
,1844
-1855
.
h
ttps
:/
/do
i.org
/10
.1016
/j
.food
res.2010.05.001
Mon
curM.
,Rat
tig
anK.
,Macken
zieD
.,eta
l.(1989
).Ba
set
emper
atu
resfo
rbudbreakandl
eaf
a
ppea
ranc
eofg
rap
evi
nes
.Ameri
canJourna
lofEno
log
yandVit
icu
ltu
re,40(1)
,21-
26.
Mo
riK
.,Go
to-Y
amamo
toN.,Kit
ayamaM.
,etal
.(2007
).Losso
fanthocy
ani
nsinred
-wi
neg
rap
e
und
erhi
ght
emper
atu
re.Jou
rna
lofexp
erimen
talbo
tany
,58(8)
,1935-
1945
.
Mo
rla
tR.(1992
).Let
erroi
rvit
icol
e:cont
ribut
ionàl
’ét
uded
esacar
acté
ris
ati
one
tdesoni
nflu
enc
e
surl
esvin
s:appl
ica
tionauxvignobl
esroug
esdemoye
nneval
léedelaL
oir
e.R
evue
fran
çai
sed’o
e no
logi
e,32(139
),S6-S13
.

178

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Mo
sed
aleJ
.R .
,A be
rnethyK.E.,Sm a
rtR.
,etal
.(2016)
.Cl
im a
techa
ngeim
pac
tsa
nda
dap
tiv
e
s
tra
tegi
es:l
essonsfromthegrape
vin
e.Globa
lChangeBio
logy.
h
ttp
s:
//do
i.o
rg/10.1
1 1
1/gc
b.13406
Mo
ssR
.H.,EdmondsJ
.A .
,H i
bba
rdK .A
.,e
tal
.(2010
).Thenextg
e n
era
tionofs
cen
ari
osfo
r
cl
imatec
h a
ngerese
archa
ndasse
ssmen
t.Na
tur
e,463(7282
),747
-756.
ht
tps
:/
/do
i.o
rg/10
.1038
/na
tur
e08823
N
avi
erC
.(1821
).Su
rl e
sL o
isd
es Mouv
emen
td esF
luid
es,enA
yan
tEg
ardaL
’adh
esi
ond
es
Mo
lecu
les
.A nna
lesdeChim
iedePa
ris,19,244
-260
.
N
eet
hli
ngE .(2014
).Im p
actsofenvi
ronmen
talv
ari
abi
li
tya
ndv i
ti
cult
ura
lprac
ti
cesongr
ap e
vin
behavi
ouratte
rroi
rsscal
es(V o
l
.2,p
.24-29)
.Comm un
ica
tionpr
ése
ntéeàXthIn
terna
tion
al
Te
rroi
rCong r
ès,Tokaj
-E g
er.
N
eet
hli
ngE.(2016)
.A dap
tat
iond
elav
it
icul
tur
eauchang
em en
tcl
imat
iqu
e:v
ersd
ess
tra
tég
iesà
hau
teréso
lut
ion(Thèsed
edoc
tor
at)
.Univ
ers
itéRenn
es2.194p
N
esb
it
tA.,KempB .
,Steel
eC.,eta
l.(2016)
.Impac
tofrecen
tclim
atecha
ngea ndweat
her
v
ari
abi
li
tyont h
eviabi
li
tyofUKv it
icu
ltu
re–c
om bi
ningwea
therandcl
imatereco
rdswi
th
p
roduc
ers
’perspec
tiv
es.Au
stra
lianJou
rnalo
fG rapeand W
ineResea
rch,22(2)
,324-
335
.
N
igro M
.A.,Cas
sanoJ.J
.etSeefe
ldtM.W .(2011
).Awea
ther
-pat
tern-b
ase
da pproa
chtoev
alu
ate
theAnt
arc
ticM e
sosc
alePred
ic
tionSy s
tem(AMPS)for
ecas
t s
:Com pa
risontoa
utoma
ti
c
wea
the
rsta
tionobs
erva
tion
s.Wea
t h
e randFor
eca
st
ing,26(2 )
,184-
198.
O
IV.(2015
).Bil
and el’O
IVsurlasi
tua
tionvi
tiv
ini
col
emondial
e2015.oiv
.in
t.Récupér
éle9a
oût
2016dehtt
p://www.
oiv
.i
nt/
fr
/vi
e-de-
loi
v/bi
lan
-de
-lo
iv-
sur-
la-
si
tua
tion
-vi
tiv
ini
cole
-
mondi
ale
-2015
O
jed
aH.
,A ndaryC.,K
r a
e v
aE.,etal.(2002
).Inf
luen
ceofpre
-andpost
vera
isonwat
erdef
ici
ton
synth
esisandconcen
tra
tiono fsk
inphenol
iccompound
sduringber
rygrowthofV
iti
s
vin
ife
rac v
.Shi
raz.Ameri
c anJ ou
rna
lo fEno
logyandVi
tic
ult
ure,53(4)
,261
-267
.
Ok
eT.R
.(2002
).B
ounda
ryl
aye
rcl
ima
tes.L
ond
res:Rou
tle
dge
.372p
O
rla
nsk
iL.(1975
).A r
ati
onalsubd
ivi
sionofscal
eforatm
osph
eri
cpro
ces
ses
.Bu
lle
tino
fth
e
Ame
rican M
eteo
rolog
icalSoc
iety,56,527
-530
.
Ov
arl
ezJ.
,Brio
itB.
,C apu
sJ.,eta
l.(1987
).Déve
loppemen
tetes
sai
se nvolba
llond’unhyg
romè
tre
àpoin
tderosé
epou rsond
a g
ed el
’atm
osphè
re.B
ull
eti
nduB ur
e auna
tiona
ld emé
tro
log
ie,
(69
),9-
14.
P
agéC
.,Te
rrayL.e
tBo éJ
.(2008
).P
roj
ect
ion
scl
imat
iqu
esàé c
hel
lef
inesu
rlaF
ranc
epourl
e
21
èm esi
ècl
e:l
esscéna
ri
iSCRATCH08.T
echn
ica
lreppor
t,CERFACS
,To
ulou
se.
P
ark
erA
.,G a
rci
ad eCor
t áza
r-Atau
riI.,Chu in
eI.
,eta
l.(2013
).Clas
si
fica
tionofvar
ieti
esfo
rthe
ir
timi
ngofflower
i ngandveraisonu s
ingam ode
ll
ingapproa
ch:Ac a
s es
tudyfortheg
rap
evine
spec
iesVit
isvin
iferaL.Agr
i c
ulturalandFore
stM e
teoro
logy,180,249-
264.
ht
tps
:/
/doi
.org
/10.1016
/j.
agrformet.2013
.06
.005
P
ark
erA
.,Garc
iadeCo r
táz
ar-A
taur
iI.
,v a
nL ee
uw e
nC .
,eta
l.(2011)
.G en
era
lph eno
logic
alm od
el
tochar
act
eri
sethet
imingofflowe
ringandv e
rai
sonofV i
ti
svini
fer
aL.A u
stra
lianJou
rnal
ofGrapeand W
ineResea
rch,17(2
),206-216
.http
s:
//do
i.o
rg/10
.1111
/j
.1755-
0238
.2011
.00140
.x

179

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
P
ark
erA
.,Schu
lmannT.,St
urma
nA.
,etal
.(2014)
.Grape
vin
epheno
logyoftheMar
lbo
rough
reg
ion
,N ewZeala
nd.Commun
ica
tionpr
ésen
téeàXInt
erna
tion
alTe
rro
irCong
res
s,7-10
Ju
ly,Tok
aj
,H unga
ry,
.
P
atzJ
.A.,Cam
pbe
ll-Le
ndrumD.,H o
llowayT
.,etal
.(2005
).Im
pac
tofr
egi
ona
lcl
ima
tec
hang
eon
hum
anhea
lth
.Natur
e,438(7066)
,310
-317.
P
ie
lkeR
.A.,Co
tton W
.
,W a
lkoR.ea 1
,eta
l.(1992
).Acompr
ehe
nsiv
em e
teo
rol
ogi
calm
ode
ling
sys
tem—RAMS .M
eteo
rolog
yandAtmo sph
eri
cPhy
sic
s,49(1-
4)
,69-
91.
P
ier
ceD
.W .
,D a
sT.,Caya
nD .R.
,etal
.(2012)
.Probab
ili
sti
cest
im a
tesoffu
tur
ec hang
esin
Ca
li
forn
iatemp
eratu
reandpre
cip
itat
ionusi
ngstat
is
tica
landdynamica
ldown sc
ali
ng.
C
limateDynam
ics,40(3
-4
),839-856
.htt
ps:
//do
i.o
rg/10
.1007
/s00382
-012-1337
-9
Pon
sA.
,All
amyL.
,S c
hüt
tlerA.
,etal
.(2017)
.W hati
sthee
xpe
cte
dim
pac
tofcl
imatecha
ngeon
win
earom
ac ompoundsandt
heirpr
ecurso
rsingr
ape
?OENOOne,51(2
),141-
146
.
Pop
eV.D
.,G al
lan
iM .L.,Rownt
reeP.R.,eta
l.(2000)
.Theim
pac
tofnewphy
sic
al
par
am et
riz
ati
onsintheHadleyCent
reclimatemode
l:H
adAM3.Cl
ima
teDynam
ics,16
(2-
3)
,
123-146
.http
s:/
/do
i.o
rg/
10.1007
/s003820050009
Poug
etR.(1968
).N
ouv
ell
econ
cep
tiondus
eui
ldec
roi
ssa
ncec
hezl
avi
gne
.Vi
ti
s,7(201
-205
),
201-205
.
P
rodhomm eC.,Ter
rayP.
,M as
sonS.,etal.(2013).Im pa
ctsofInd
ianOc
eanSSTbia
sesonth
e
Indi
a n Mon
soon
:a ss
im u
latedinag lob
alc oupledm od
el
.Cl
ima
teDynam
ics,42(1
-2
),
271-290
.http
s:
//do
i.o
rg/
10.1007/s00382-013-1671-6
Qu
éno
lH.(2011
).Obse
rva
tionetmodé
lisa
tionspa
tia
leducl
ima
tauxéc
hel
lesf
ine
sdan
sun
c
ont
ext
ed ec
hangementc
lima
tique(HDR )
.U ni
ver
si
téRenn
es2
.103p
Qu
éno
lH.etBonnardo
tV.(2014
).Am ul
ti
-sc
alecl
ima
ticana
lysi
so fvi
ticu
ltur
alte
rro
irsint
he
c
ont
extofcl
im a
techang
e:the“TERADCL IM”pro
jec
t.JournalInt
ernat
iona
ld e
sScie
nce
s
d
elaVigneetduVi
n,Speci
alis
sueontheLac
cavepro
ject,23,32.
Qu
éno
lH.,BonnefoyC.,Bonna
rdotV.
,etal
.(2014
).M é
thod
esd’ana
lys
eetdem od
éli
sat
ionag
ro
c
lima
tiqu
ee tdechang
em e
ntcl
im a
tiqu
eàl’éc
hel
ledest
erro
ir
svit
ico
les
.Changemen
t
c
lima
tiqu
ee tt
erro
irsv
it
icol
es,39-
89.
Qu
éno
lH.,deCo
rta
zarAt
aur
iI.G.,Boi
sB .
,eta
l.(2017
).Whic
hclima
ti
cmod
eli
ngt
oas
ses
s
c
lim
atec
hangeimpa
ctsonvi
neyard
s?OENOOn e,51(2)
,91-
97.
Qu
éno
lH.,Gros
setM.
,Barbea
uG .
,eta
l.(2014
).Adapa
tat
iono
fvit
icu
ltu
ret
oclim
atec
ha ng
e:High
r
eso
lut
ionobs
erv
ati
onsofadap
tat
ionscen
ari
ifo
rvit
icu
ltu
re:T
heADV ICL
IME uropea
n
P
roj
ect
.Bul
le
tind
el’OIV,87,395-
406.
R
adh
ikaY
.etShash
iM .(2009)
.Atmosph
eri
ctemp
erat
urepr
edi
ct
ionu
singsupportvec
tor
ma
chin
es.Inte
rnationa
lJou
rnalofCompu
terTheo
ryandEng
ineer
ing,1(1)
,1793-
8201
.
R
enou
fV .
,Tregoa
tO.,RobyJ.,e
tal
.(2010)
.S o
il
s,roo
ts
toc
ksa ndg
rapev
inevar
iet
iesi
npr
est
igi
ous
Bo
rdeauxviney
ardsandt
hei
rim pa
ctonyiel
dandqual
ity
.Journa
lInt
ernat
iona
lde
s
Sc
ien
ce sdel
aV ign
eetduVin,44,1-
8.
R
eyn
ierA
.(201
1).Manu
eld
evi
ti
cul
tur
e:gu
idet
echn
iqu
eduv
it
icu
lte
ur.[
s.
l.
]:L
avo
is
ier
.587p
R
ibé
rea
u-GayonP.
,Dubou
rdi
euD.
,D onè
cheB.
,eta
l.(2006)
.Handboo
kofeno
log
y,t
he
m
icr
obio
logyo
fwineandv
ini
fi
cat
ion
s,1.[s
.l
.]:John W
il
ey &Sons
.497p

180

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
R
ich
ard
sonA.,Ri
sie
nC .e
tShi
ll
ing
tonF.(2003).Us
ingse
lf
-org
aniz
ingm
apst
oid
ent
ifyp
att
ern
sin
s
ate
ll
it
eimagery
.Pr
ogr
essi
nO c
e anograph
y,59(2
),223
-239
.
R
ick
ard
sL .
,W i
semanJ.e
tK a
shimaY.(2014)
.B ar
rie
rstoef
fect
ivec
limat
ec ha
ngemit
iga
tion:t
he
c
aseofsen
iorgov
ernmenta
ndbu si
n e
ssdeci
sion m
akers
.Wi
leyIn
terd
isc
ipl
ina
ryReviews
:
C
limat
eChange,n/a
-n/a
.ht
tps:
//do
i.org
/10
.1002
/w cc
.305
Rob
insonT.P.etM et
terni
c h
tG.(2006
).T e
st
ingth
eperfo
rman c
eofspa
ti
alin
terpo
lat
iont
echn
iqu
es
formapp
i ngsoilprope
rt
ies
.Computer
sandEle
ctron
icsinAgr
icu
ltu
re,50(2)
,97-
108.
ht
tps
:/
/do
i.org
/10.1016/
j.c
om p
ag.2005
.07
.003
Rodh
ainF
.(2008
).L
ec h
angemen
tduclim
atp
eut
-i
lavoi
runef
fetsurl
esm a
ladi
esin
fect
ieus
es?(p.
35-
41)
.Comm un
ica
tionp
rés
ent
éeàAnna
lesd
esM i
nes
-R e
sponsa
bil
it
éetenv
ironnement
,
ESKA.
Ro
sen
zweigC .
,K a
rolyD.
,Vicare
ll
iM .
,etal
.(2008)
.A t
tr
ibu
tingphys
ica
landb
iol
ogi
calim
pac
tst
o
a
nthropogen
iccl
imatechange
.Natu
re,453(7193)
,353-357
.
h
ttp
s:/
/doi
.org
/10
.1038/
natur
e06937
S
adou
rnyR.e
tLava
lK.(1984)
.Janu
arya
ndJul
yp er
formanc
eoftheLMDg
ene
ralc
irc
ula
tion
m
ode
l.NewPer
spec
tiv
esinCl
imat
e Mode
ling,1,173
-197
.
S
ank
arP
.etN ormanS.R.(2009)
.Em beddedsys
temfo
rm oni
tori
ngatmosph
eri
cw e a
the
r
cond
ition
susingweath
erbal
loon(p.1-4)
.Comm un
ica
tionpr
ése
ntéeàControl
,A ut
omat
ion
,
Comm uni
cat
ionandE ne
rgyConserva
tion
,2009
.INCACEC2009 .2009Int
e rna
tion
al
Conf
erenceon
,IEEE.
S
ant
est
ebanL.G .
,Mi
randaC.
,U r
res
tara
zuJ.
,eta
l.(2017
).Severet
rimminga ndenhan
ced
compet
it
iono
fla
ter
alsasatoo
ltodela
yri
peninginTemprani
llovin
eyardsunde
rs emiar
id
cond
it
ions
.OENOOn e,51(2)
,191-
203
.ht
tps:
//do
i.o
rg/
10.20870/
oeno-one
.2016
.0.0.1583
S
ant
osJ
.A .
,M alhe
iroA.C.,P
intoJ.G.
,etal
.(2012
).M a
croc
limat
ea ndvi
ti
cultu
ralz
oningin
Europe
:ob s
ervedt
rend
sa ndatmosph
eri
cfor
cing
.Climat
eR es
e a
rch,51(1)
,89-
103.
ht
tps:
//do
i.o
r g
/10
.3354
/cr01056
S
apa
nkevyc
hN .etSa
nkarR.(2009)
.Times
erie
spred
ict
ionu
singsuppo
rtv
ect
orm
ach
ine
s:a
surve
y.Compu
tat
iona
lIntel
lig
enc
e Magaz
ine
,IEEE,4(2)
,24-38
.
S
che
rre
rD .etKörne
rC .(2011)
.T opographi
cal
lycontrol
ledthe
rma
l-h
abit
atdif
fer
ent
ia
tionbuf
fer
s
a
lpinepl
antdive
r s
ityaga
ins
tc l
im atew a
rming
.J ourna
lofB
iogeograph
y,38(2
),406
-416
.
h
ttps
:/
/doi
.or
g/10.1111
/j
.1365-2699.2010
.02407.x
S
choo
fJ.t.e
tP ryorS
.c.(2001
).Down
scal
ingt empera
tureandprec
ipi
ta
tion:acompa
risono
f
reg
res
sion-ba
sedm e
thodsa
ndar
ti
fic
ialn e
uralnetwork
s.Int
erna
tionalJ
ourna
lof
C
limat
ol og
y,21(7)
,773-
790
.ht
tps
:/
/doi.org
/10.1002
/jo
c.655
S
chu
ltzH.(2000
).Clim a
techangeandvit
icul
tur
e:AE uropeanp
ersp
ect
iveonc
limato
logy
,carbon
d
ioxidea
ndUV -Beff
ects
.A u
stra
lianJou
rnalofG rap
eand Win
eR e
sea
rch,6(1
),2-
12.
h
ttp
s:/
/do
i.o
rg/10.11
11/
j.1755
-0238.2000
.tb00156.x
Sh
ind
ellD
.T .
,Schm
idtG
.A.
,M ann M
.E.
,etal.(2001
).Sol
arfo
rcingofr
egi
ona
lcl
ima
tec
hang
e
du
ringth
eMaund
erMin
im um
.Sci
ence,294(5549
),2149
-2152
.
S
imp
sonC.C.,Pe
arceH.G.,Stu
rm anA.P.
,etal
.(2014
).V
er
ific
at
ionof WRFm od
elle
dfir
e
wea
the
rinthe2009–10NewZ eal
andfir
eseason
.In
ternat
iona
lJourna
lofWild
landFi
re,
23(1
),34
.http
s:
//do
i.o
rg/10
.1071
/WF12152

181

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
Sk
ama
roc
kW .
,Klemp
,Jos
eph
,Dudhi
a,J
im y
,etal
.(2008)
.AD es
cri
pti
ono
fth
eAdv
anc
ed
Re
sea
rch WRFVe
rs
ion3
.ht
tps
:/
/do
i.o
rg/10
.5065/D68S4MVH
Sn
el
lS.E.,GopalS.etK au
fm annR.K.(2000)
.Sp a
ti
alInterpola
tionofSur
faceA
irT
empe
ratu
res
Us
ingArt
ific
ialNeuralN e
tworks
:E v
alua
tingTheirU seforD own
scal
ingGCMs
.Journa
lof
Cl
imat
e,13(5 )
,886-895
.h t
tps
:/
/doi
.org
/10
.1175/1520-
0442
(2000)013<0886:S
IOSAT>2 .0
.CO;2
So
lt
anz
a d
ehI.
,Bonnardo
tV .
,SturmanA.
,etal.(2016
).As
sessmen
tofth
eARW -WRFmode
lov
er
comple
xter
rai
n:thecaseofth
eStel
lenboschWin
eo fOr
igind
is
tr
icto
fSou
thAf
ric
a.
Theo
ret
ica
landA pp
liedClima
tol
ogy,1 -
21.
So
lt
anz
a de
hI .
,Bonnardo
tV .
,SturmanA.
,etal.(2017
).Asses
sm ento
ftheARW -WRFm ode
lov er
com p
lexter
rai
n:thecaseofth
eStel
lenboschWineofO rig
indi
st
ric
tofSouthA f
ric
a.
Theore
tic
alandA pp
liedClima
tol
ogy,129(3-4
),1407-1427
.ht
tps:
//do
i.o
rg/
10.1007
/s00704-
016-1857
-z
Sp
akS
.,Hol
lowayT.
,LynnB.,eta
l.(2007
).Ac
om pa
ri
sonofst
at
is
tic
alanddynami
cal
downsc
al
ingfo
rs u
rfa
cetempera
tur
einNor
thAm e
ric
a.Jou
rnalo
fG eoph
ysi
calRe
sea
rch
:
Atmo
spher
es,11
2(D8).
Sp
aydS
.E.,Ta
rar
aJ.M.,MeeD.L.,e
tal
.(2002
).Sepa
rat
iono
fsunl
ightandtem
p e
ratu
ree
ffe
ctson
thecompos
it
ionofVi
ti
svin
ife
racv
.M er
lotb
err
ies
.Ame
ric
anJ ourna
lofEnolog
yand
V
iti
cul
tur
e,53(3
),171
-182
.
Sp
eroT
.L.
,N o
lteC.G.
,Bowd e
nJ.H.,etal
.(2016)
.Theimp
actofin
congruouslak
etem
per
atu
res
onreg
iona
lcl
imateex
tremesdownsca
ledfromt
h eCMIP5ar
chiv
eu singt
he WRFmode
l.
Jou
rnalofCl
imate
,29(2)
,839-853
.
S
tah
lK.
,M oor
eR .D.,Floye
rJ.A.
,etal.(2006).Com p
ari
sonofappro
achesforspa
ti
al
int
erpo
lat
iono fdai
lyai
rtemperatureinalargereg
ionwithcomplextopog
raphyandh
igh
ly
var
iab
lesta
tiondensi
ty
.A g
ricu
lturalandF ore
stM ete
oro
logy,139(3–4)
,224-236
.
ht
tps
:/
/doi
.org/
10.1016
/j
.agr
formet.2006.07
.004
S
tee
leC
.J.
,Do r
lingS .R
.,vonGlasowR.,etal
.(2015)
. Model
lingsea-b
reezec
lima
tol
ogi
esand
int
erac
tionsonc o
ast
sinthesou
thernNo r
thSea:impl
ica
tionsforof
fsho
rewindene
rgy
.
Quar
ter
lyJ ourna
loftheRoya
lM e
t eo
rolog
icalSoci
ety,141(690)
,1821-
1835
.
ht
tps
:/
/doi.o
rg/10
.1002
/qj
.2484
S
tok
esG.G.(1845)
.Ontheth
eor
iesofin
tern
alf
ric
tiono
ffl
uid
sinm
oti
on.T
ran
sac
tiono
fth
e
Cambridg
eP h
ilo
soph
ica
lSoci
ety,8,287
-305
.
S
turm
anA.etQ u
énolH.(2012)
.R e
cen
tc h
ange
sina
tm osph
eri
cci
rcu
lat
ionov
erNewZe
ala
nda nd
t
hei
rimpactontemper
atur
etre
ndsint
heM a
rlbo
roughvin
eya
rdreg
ion
.Commun
ica
tion
p
rés
ent
éeà10thICSHMO ,Nouméa
.
S
turm
anA .etQuénolH.(2013
).Ch angesinatm o
sphe
ricci
rcul
ati
ona ndt
em pe
rat
uretr
endsin
ma
jorvin
ey a
rdreg
ionsofN ewZ eal
a nd
. Inte
rnat
ionalJourna
lofClima
tology
,33(12
),
2609-
2621.ht
tps
:/
/doi
.or
g/10.1002/
jo c
.3608
S
turm
anA .,SchulmannT.,Sol
t a
nzade
hI.,e
tal
.(2014
).Appl
ica
tionofhigh-
reso
lut
ioncl
imat
e
measu
rem en
ta ndm od
ell
ingtotheadap
tat
iono
fN ewZeal
a ndvi
ne y
ardreg
ionstoc
lima
te
var
iab
ili
ty(V o
l.2,p.18-23)
.Comm uni
cat
ionpr
ésen
téeà10 t
hInte
rnat
iona
lT e
rro
ir
Congr
ess,Tokaj,Hungary
,.

182

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
S
turm
anA.e tT
apperN.(2006
).Thewea
the
randc
lima
teo
fAu
stra
liaandN
ewZ
eal
and.[
s.
l.
]:
Ox
fordUni
vers
ityPres
s.541p
S
turm
anA .
,Trough
tM .
,Q uéno
lH .
,etal
.(2014
).Mesure
setmodé
lisa
tiond
elavar
iab
il
ité
c
limat
iqueàl’
éche
lledesvignob
lesdeNouv
ell
e-Zél
and
e.Changemen
tcl
imat
iqueet
t
erro
irsvi
ti
cole
s,267-
290.
S
turm
anA .
,Z aw
ar-R
ezaP
.,Sol
tan
zadehI
.,eta
l.(2017
).Theappl
ica
tionofhi
gh-re
solu
tion
atmo
sphe
ricmode
ll
ingtowea
therandc
lim a
tevar
iab
il
ityinv
in e
yardreg
ions
.OENOOne,
51(2
),99
-105
.
Sugg
it
tA.J.
,G i
ll
inghamP .K.
,Hil
lJ.K.
,eta
l.(2011)
.H ab
it
atmic
rocl
imatesd
riv
efine
-sca
le
var
iat
ionine x
tremetemp
era
tur
es.O
ikos,120(1)
,1-8
.ht
tps
:/
/doi
.or
g/10
.1111
/j
.1600
-
0706
.2010.18270.x
Suny
erM.A
.,M a
dsenH.etAngP.H.(2012
).Ac ompa
risonofdi
ffe
ren
treg
ionalcl
imatemode
ls
a
nds
tat
is
tica
ldownsca
lingmet
hodsforext
remerain
fal
lest
imat
ionundercl
imat
echange
.
A
tmo
spher
icRes
e a
rch,103,119
-128
.htt
ps:
//do
i.o
rg/10
.1016
/j
.a
tmosre
s.2011
.06
.01
1
T
ake
daH
.,Fa
rsi
uS.etMil
anf
arP.(2007)
.Kern
elr
egr
ess
ionfo
rim agepro
cess
inga
nd
r
econ
st
ruct
ion
.IEEETransa
ction
sonimag
eproc
ess
ing,16(2
),349-
366
.
T
angJ
.,NiuX.,WangS.,e
tal.(2016)
.Sta
ti
sti
caldownsca
linganddyn ami
caldowns
cal
ingof
r
egion
alc
limateinChina
:P re
sen
tclimat
eevalua
tionsandfu
turecl
im a
tepro
jec
tion
s.
J
ourna
lofG e
oph y
sic
alR es
earch
:Atmospher
es,121(5)
,21 1
0-2129
.
T
hom
psonG .
,Nyg a
ardB.E.,Makkon
enL .
,etal.(2009
).U s
ingt h
eW ea
therRes
ear
chand
Fore
cas
ting(WRF)m ode
ltopred
ictground/
stru
ctur
alic
i ng
.Comm uni
cat
ionpr
ésen
téeà
13t
hInte
rnat
ionalWork
shoponAtm ospher
icIcingonStruc
tur
es, METEOTEST,
Anderma
tt
,Sw i
tze
rla
nd.
T
ondu
tJ.
-L.
,L ag
etF.etDe
loi
reA.(2006
).Cl
im a
tetvi
ti
cul
tur
e:évo
lut
ionde
stempér
atu
ressu
rle
d
épa
rtementdel
’Héra
ult
:unexempl
ed eréc
hauf
femen
tcl
imati
que
.Revuef
rança
ise
d
’oe
nolog
ie,219,1
-6
.
T
oni
et
toJ.etCarbonneauA.(2004
).Am u
lt
icr
ite
riacl
imat
icc
las
sif
ica
tionsystemforgr
ape-
g
rowingregionsw o
rldw
ide
.Agri
cul
tura
landF ore
stMet
eorol
og y,124(1–2
),81-
97.
h
ttp
s:
//doi
.org/
10.1016
/j
.ag
rfo
rmet
.2003
.06.001
T
óthJ
.p.etV é
gváriZ
.(2015
).Fu
tur
eofwine
grapegrowi
ngregi
onsinEu
rope.Aus
tra
lianJ
ourna
l
o
fG rapeand W
ineRe
sear
ch,n/
a-n
/a
.htt
ps:
//do
i.o
rg/
10.111
1/a
jgw
.12168
T
rip
ath
iS.
,Sr
iniva
sV.etNan
jund
iahR
.S.(2006)
.Downsc
al
ingofpre
cipi
ta
tionfo
rcl
imatecha
nge
sc
ena
rio
s:asuppo
rtv
ecto
rmac
hineappro
ach
.Jou
rnalo
fH y
drology
,330(3
),621
-640
.
T
rough
tM.(2005)
.Fru
it
set–po
ssi
bleim
pli
cat
ion
sonw
inequ
al
ity
.Tr
ans
form
ingF
low
erst
oFru
it
.
KDGari
setal
.(ed
s.
),32-36.
v
anL
eeuwenC.(2010
a).E
tud
edest
err
oir
svi
ti
col
espa
run
eapp
roc
hes
yst
èmi
que(HDR
).
Un
ive
rsi
tédeBorde
aux
.266p
v
anL
eeuwenC.(2010b
).T
erroi
r:t
heeff
ectofthephy
sic
alenvi
ronmen
tonvinegrow
th,g
rap
e
r
ipe
ningandw i
nes
en so
ryat
tr
ibut
es.Manag
ingwinequa
li
ty,1,273
-315
.
v
anL
eeuwenC.,Boi
sB.,C e
ll
ieN .
,etal
.(2009)
.L e
sm od
if
ica
tion
sd el’e
xpr
ess
iondute
rro
ir
i
ndui
tesparl
ec ha
ngem e
ntc l
imat
iquenéce
ssit
entuneadap
tationdumat
éri
elvé
géta
letd
es
t
echn
iquesvi
tic
oles
.Revuefranç
aised
’oenolog
ie,(235)
,10-14
.

183

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
v
anL
eeuwenC.e
tDarr
ie
tP.(2016
).Th
eimpac
tofcl
ima
tec
hang
eonv
it
icu
ltu
rea
ndw
inequ
al
ity
.
J
ourna
lofWi
neE c
onomics
,11
(01)
,150
-167
.
v
anL
eeuwe
nC.etDes
tra
c-I
rvi
neA.(2017)
. Mod
if
iedgr
apec
ompos
it
ionunde
rclima
tec
hang
e
c
ond
it
ion
sre
quire
sadapt
at
ion
si nt
hevine
yard
.OENOOne,51(2
),147
-154
.
v
anL
eeuw e
nC .
,Fr
ian
tP.
,Chon
éX.,e
tal
.(2004
).In
flu
enceo
fC l
imat
e,Soi
l,a
ndCu
lt
iva
ron
T
erro
ir.Ame
ric
anJou
rna
lofEno
logyandVi
ti
cul
tur
e,55(3
),207-
217
.
v
anL
eeuwenC.,Renou
fV .
,Paya
nJ.C.
,etal
.(2008)
.H e
atrequi
remen
tsforgrap
evin
ev ar
iet
iesi
s
e
ssen
tia
lin
formati
ontoadap
tplan
tm a
ter
iali
nac h
angingcl
imate
.D an
s7thIn
ternat
ional
T
err
oirCongre
ss,Nyon
,Swit
zer
land.Récupér
édehtt
p:/
/ike
e.
lib
.au
th.g
r/
reco
rd/258020
v
anL
eeuwenC.,Schul
tzH.R.,Cor
tazar-A
tau
riI.G.de
,etal
.(2013).W hycl
imatec
hang
ewi
llno
t
d
ramat
ical
lyd e
crea
sevi
tic
ultu
ralsu
ita
bil
ityinmai
nw ine
-produc
ingarea
sby2050
.
P
rocee
dingsoftheNat
iona
lA cademyofScie
nce
s,110(33)
,E 3051-
E3052
.
h
ttp
s:
//do
i.o
rg/10
.1073
/pnas
.1307927110
v
anL
eeuwenC
.etSeguinG.(2006
).T
hec
onc
epto
fte
rro
iri
nvi
ti
cul
tur
e.J
ourna
lofW
ine
R
ese
arc
h,17(1)
,1-10
.
v
anL
eeuw enC.
,Tregoa
tO .
,ChonéX.,e
tal.(2009)
.Vinewat
ers
ta
t u
sisakeyf a
ctoringrap
e
rip
eningandvin
tagequ
al
ityfo
rredBo rdea
uxwine.Howcanitbeasse
ssedforviney
ard
managemen
tpurpos
es.Jou
rnalIn
ternat
ionalde
sS c
ien
cesdelaVign
eetduV in,43(3
),
121-134
.
V
audou
rE.(2003
).L
est
erro
ir
svi
ti
col
es.D
unod
,Pa
ris,293
.
V
aut
ardR.
,Gob
ietA.
,JacobD.
,etal
.(2013
).Thesimula
tionofEurope
anhe a
tw ave
sfroma
n
e
nsemb
leofreg
iona
lcl
im a
temodel
sw i
thi
ntheEURO -CORDEXp rojec
t.Cl
imat
e
D
ynam
ics,41(9
-10)
,2555-
2575
.http
s:
//do
i.o
rg/
10.1007/
s00382
-013-1714-
z
W
ack
ern
age
lH.(2013)
. Mu
lt
iva
ria
teg
eos
tat
is
tic
s:ani
ntr
odu
cti
onw
ithapp
li
cat
ion
s.[
s.
l.
]:
Spr
ing
erScie
nce &Bus
ine
ssMed
ia.293p
W
ags
taf
fK .
,Card
ieC.
,Roge
rsS
.,e
tal
.(2001
).Cons
trai
nedk-mean
scl
ust
eri
ngw
ithb
ackg
round
knowl
edge(V
ol
.1,p
.577-
584
).Comm un
ica
tionpr
ésen
téeàICML.
W
ebbL
.
,W h
ett
onP.e
tBar
lowE .(2008
).Cl
ima
tec
hang
eandw
ine
gra
pequ
al
ityi
nAu
st
ral
ia
.
Cl
imateRe
sea
rch,36(2
),99-11
1.
W
ebbL
.
,W he
ttonP.
,BhendJ
.,e
tal
.(2012
).Ea
rl
ierwine
-gr
aper
ipe
ningd
riv
enbyc l
imat
ic
wa
rmi
nga nddry
inga
nd man
agementp
rac
tic
es.Nat
ureC
limat
eChange,2(4)
,259-
264
.
W
ebbL
.
,W he
ttonP
.h.etBar
lowE .w.r
.(2007
). Mod
ell
edim pa
ctoffutu
recl
imatech
angeont
he
pheno
logyofwinegr
apesinAust
ral
ia
.Aust
ral
ianJourna
lofG rapeand W
ineRes
ear
ch,
13(3)
,165-
175.ht
tps
:/
/doi
.or
g/10
.1111
/j
.1755
-0238
.2007.
tb00247
.x
W
ehr
ensR.etBuyd
ensL.M.(2007
).Se
lf
-andsupe
r-o
rga
niz
ing m
apsi
nR:t
heKohon
enp
ack
age
.
J
ourna
lofSta
ti
st
ica
lSof
tware
,21(5)
,1-19
.
W
hit
eM.A.
,Diff
enbaughN.S.
,JonesG .V.
,etal
.(2006)
.E x
tremehea
treducesandshi
ftsUni
ted
S
ta
tespremiumw in
eproduc
tioninthe21s
tce n
tury
.Proce
edi
ngsoftheNa t
iona
lA c
ademy
o
fScie
nces,103(30
),11217
-11222
.http
s:
//do
i.org
/10
.1073
/pnas
.0603230103

184

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
W
ilbyR
.L.etW i
gleyT.M .L.(1997)
.D own s
cal
ingg e
nera
lcirc
ula
tion m
ode
lout
put
:ar
evi
ewo
f
me
thodsandl
im i
ta
tions
.P rogres
sinP hys
icalGeograph
y,21(4)
,530
-548
.
h
ttp
s:/
/do
i.or
g/10
.1177/030913339702100403
W
il
lmo
ttC
.J.,RobesonS.M.etM
atsuu
raK.(2012)
.Arefi
nedinde
xofm ode
lperformance
.
In
terna
tionalJou
rna
lofC
limat
olog
y,32(13
),2088-
2094
.ht
tps
:/
/doi
.org
/10.1002
/jo
c.2419
W
ink
lerA
.J.(1962
).G
ene
ralV
i
tic
ult
ure.[
s.
l.
]:U
niv
ers
ityo
fCa
li
forn
iaP
res
s.660p
W
orl
dMeteo
rolog
ica
lOrga
niz
ati
onetServ
icedel
’env
ironn
em e
ntatmosphé
riqueduC
ana
da.
(1990)
.Gu
idede
sprat
iquesc
limat
olog
iqu
es.G enèv
e:S e
cré
tar
iatdel’OMM.
W
uT.e
tLiY.(2013
).Spa
ti
alin
terpo
lat
iono
ftemper
atu
reinth
eUn i
tedSta
tesus
ingresi
dua
l
kr
igi
ng.App
liedGeog
raphy,44,112
-120
.ht
tps
:/
/do
i.o
rg/
10.1016
/j
.apg
eog.2013
.07
.012
XuY
.
,Cas
te
lT.,R
icha
rdY.
,eta
l.(2012
).Bu
rgundyre
giona
lcl
imatecha
ngea
ndi
tspo
ten
tia
l
impa
ctongr
apev
ine
s.C
limat
edynam
ics,39(7
-8)
,1613-
1626.
Z
hu W
.
,LűA.e
tJi
aS.(2013
).E
st
im a
tionofd
ail
ymax
imumandmi
nim
umairt
em pe
ratu
reusi
ng
MOD
ISl
andsu
rfacet
empe
rat
ureprodu
cts
.Remo
teS
ens
ingo
fEnv
iro
nment,130,62
-73
.
Z
uff
ere
yV .J
.-U.(2000)
.Échangesga
zeuxdesfe
uil
lesche
zVit
isv
ini
feraL.(
cv.Chasse
las
)en
fonc
tiondesparamèt
rescl
ima
tiqu
esetphys
iolog
ique
setdesm od
esd econdu
itedel
avi
gne
(Thè
sed edoct
orat
).Écol
ePoly
thechn
iqueFédér
aledeZü
rich
,Sw i
tzer
land.345p

185

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
ISTE DESF
IGURES

F
igu
re1
:Sc
hém
ail
lus
tra
ntl
amé
thodo
log
ieg
lob
aled
elat
hès
e.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.4
F
igu
re2:S c
hémarepr
ése
nta
ntl
esdi
ffér
entescom po
santesdusystèmecl
im a
tiqueetleu
rs
i
nte
rac
tion
s.Sou
rce:IPCC
,2007
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
7
F
igu
re3
:Anom
al
iesd
etem
pér
atu
respou
rlap
éri
ode1900
-2005
.Sou
rce:IPCC2013
..
..
..
..
..
..
..
..
..
..
8
F
igu
re4 :É vo
lut
iondediff
éren
tsv a
ria
blesclimatiquesetenv
ironnementalesent
re1850et2005.à
g
auched ehautenbas:latempéra
t u
rem oyenned el’ai
ra u
-des
susd e
sc ont
in e
nts
,latempérat
ure
m
oyenned elasur
fac
ed esocéan
s,latempéra
t u
rem oyennedel’a
irau-dessusdesocéans
,leniveau
d
elam eretl’é
tendu
ed elabanqui
searct
ique.àd roi
telesanom a
lie
sd etem pér
atur
esdel’ai
r,le
r
échau
f f
em entdeso
c é
ans,l
’humidi
téspéci
fique,lac ouver
tur
en e
igeusea uprin
tempsd an
s
l
’hémisphèr
eN ordetlam a
ssedesglac
iers
.S ou
r ce:IPCC2013 ..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.9
Figu
re5:Compa
rai
sondesrésu
lt
atsdemodél
isa
tionprenan
te ncom p
tei)uniquementle
sf a
cteu
rs
na
ture
ls(enb
leu
)ii
)int
égran
tlesémis
sion
sd eGESd ’o
rig
inesa n
throp
iques(enrouge)avecles
donnée
sobse
rvé
es(ennoi
r)
.Source:(IPCC,2013
)..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
10
F
igure6
:R e
lat
ion
se n
trelesdi
ffé
renteséche
lle
ssp a
tio
-temporel
lesetle
sé vénement
sclimat
iques
d
’apr
èsOke,(2002
)..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
11
F
igu
re7
:Re
pré
sen
tat
iond
elap
lan
ètep
arunm
odè
lec
lim
at
iqu
e.S
our
ce:IPSL
..
..
..
..
..
..
..
..
..
..
..
..
..
..
15
F
igu
r e8
:A pp
roc
heséquen
tie
ll
edesc
aus
esetde
sconsé
que
ncesducha
ngementc
limat
iquepourl a
c
réa
tionde
ss c
éna
rio
sfut
ursducha
ngemen
tcl
imat
iqu
e.Sou
rce: Mo
sseta
l,2010
..
..
..
..
..
..
..
..
..
..
..
..
.19
F
igure9:E vo
lut
iond e
stem pé
ratu
rese nfonc
tiondesdif
féren
tsscénar
iosRCP .Source:IPCC2013
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.20
Fi
gure10
: Modé
li
sat
iond
est
em p
éra
ture
sparl
em od
èleALAD INe nF r
ancem ét
ropol
ita
inee n
fonc
tiond
esscé
nar
iosRCP
.Sour
ce:L eRoux
,2016
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
21
F
igu
re1
1:S
chém
adec
asc
aded
’in
cer
ti
tud
e.S
our
ce:D
ria
s,d
’ap
rèsBo
é,2007
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.23
F
igu
re12
:Gr
app
edeM
erl
ote
ncou
rsd
evé
rai
son
. @L
eRoux2016
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
27
F
igu
re13
:App
roc
hesy
stém
iqu
edel
’ét
uded
’unt
erro
irv
it
ico
le
.Sou
rce:v
anL
eeuw
en,2010
..
..
..
29
F
igu
re14:Cl
asse
sthermique
sd e«Av
era
geGrowingS ea
sonT empera
ture»e tlescépage
sa dap
tés
àce
sdi
ffé
ren
tescla
sses
.S ou
rce:Jon
es2006
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
31
F
igu
re15
:Pr
inc
ipa
lesrég
ion
svi
tic
oles(
ennoi
r)e
tsect
eurscompr
isentrel
’iso
therme12°Ce t
l
’i
sot
herm
e22°C(1950
-1999
)(e
ng r
is
).Sou
rce:Jon
es,2012
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.34
F
igur
e16:Indice
sdea
)W ink
lere
tdec)Hug
lincalcul
ésenE urop
es u
rlap é
riode1980-2009etles
d
if
fére
nce
se nt
relesmé
dia
nesdesca
lcu
lée
spourlesind
icesdeb )Winkl
eretd)Hug l
insurla
p
éri
ode1950-1979
.Sou
rce:Santo
seta
l.
,2012
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.35
Figu
re17:Changemen
tdupo tent
ie
lvit
icolepourlescéna
rioRCP8 .5pours u
rlap é
riode2041-
2060avecenrougel
esvignob
l e
sactue
lsdontlepoten
tie
ldim inu
e,env er
toùc epoten
tie
lse
ma
inti
entetenble
ulesnouveauxsec
teur
spo te
nti
ell
em en
tfavorabl
esàl acul
turedelavigne
.
Sourc
e:H a
nnaheta
l.
,2013..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.36
F
igu
re18
:Tem
pér
atu
rem
édi
anea
nnu
el
lee
nNouv
el
le-Z
éla
nde
.Sou
rce:N
IWA
.
..
..
..
..
..
..
..
..
..
..
..
..
..
44

187

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igure19
:L oca
lisa
tiondesprin
cipauxvignobl
esd eNouvell
e-Zélande
.Source:Sturmanet
a
l.
,2016.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
45
F
igur
e20 :Su
rfa
ceoccupéee
nvign
eetsta
tion
sd em esu
rescl
im a
tiquesdanslesvignobl
esde
M
arl
borough.S
ource :St
urmane
tal
.,2016
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
46
F
igur
e21 :a)Couve
rtu
resp
at
ial
ed e
squ
atr
eniv
eauxdegr
il
lede WRFb )s e
cteu
rc ouve
rtparla
r
ésol
utionlapl
usfi
ne(1km)Sour
ce:St
urmane
tal.
,2016
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
47
Figu
r e22:Anomali
esdedeg
rés
-jou
rsba
se0°Cob se
rvéessurle
svignoblesdeM ar
lborough
(2008-2017)sou
rce:ht
tp:
//w
ine
clima
te
.co
.nz
/.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.50
Figur
e23:T empé
rat
ure
sm oyenne
sp endan
tlasaisonvégé
tat
ived ansl
esvignoble
sd eM ar
lboroug
(01-09au30-04
,ind
iceGST)de2008-2009à2013 -2014
.Donn ée
s WRFà1kmd eréso
lut
ion
.Source:S
turmaneta
l.
,2017.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.51
Figu
re24
:Ind
iced
eHugl
inm oy
ende2008
-2009à2013
-2014dansl
esvignoblesdeM ar
lborough
.
Donnée
s WRFà1kmder
éso
lut
ion
.Sou
rce:Sturmane
tal
.,2017
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
51
F
igure25:Date
spourle
squel
lesleS auv
ignonB l
ancestàm i-
flor
aisonpourlem i
ll
ésime2013-2014
s
elonl’
indi
ceGFVd anslesvignob
lesdeM a
rlbo
rough.Données WRFà1kmd eré
solut
ion.Source:
S
turmanetal
.,2017.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.52
F
igur
e26 :Datesm oye
nnespourlesqu
el
l esleSauv
ignonB
lancaa
tte
intlami-
flo
rai
sonpourles
m
il
lés
im e
sd e2008-2009à2013-2014selonl’
indi
c eGFVdan
slesv
ignoble
sd e
M
arl
borough.Données WRFà1kmd eré
soluti
on.Sourc
e :Stu
rmaneta
l.,2017
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.53
Fi
gure27
:T h
eloc
ati
onofautom a
ti
cw ea
thers
ta
tion
s(AWS )ov e
rt h
eM a
rlbo
roughr eg
ion
ope
rat
ingove
rthes
tudype
riodof2013 -09
-01to2014-04
-30(indic
atedbylargeblackdots
).The
namesoft
hesi
tesu
sedint
hiss
t udyareindic
ated
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.60
F
igu
re28:E
stima
tiono
far
egres
sionfunct
ion(red)f
romt ra
iningdat
a(blackdots
)u s
inglinea
r
r
egr
ess
ion(
lef
t)andSVR(
righ
t)
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.61
F
igu
re29
:S chemat
icov e
rviewofthem ethodo
logyusedtoc omparethetwodown sca
ling
a
ppro
ache
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
62
Fi
gur
e30:a)Frequen
cydis
tr
ibut
ionofa
lldi
ffe
ren
cesbe
tweendynamic
alandst
at
ist
ica
l
downs
cal
ingof WRFtemper
atu
resfrom3to1km(hour
lydata
),andb
)therel
at
ionsh
ipbetw
een
dynam
ica
landst
atis
ti
caldownsc
al
ingofal
l WRFhour
lyout
puttempe
ratu
resf
rom3t o1km..
..
..
.63
F
igu
re31:M apofth
ea ve
ragetempe
rat
uredi
ffe
renceb e
tweenth
edyn am
icala
nds t
at
is
tica
l
down
sca
lingof WRFfrom3t o1kmov e
rtheM a
rlboroughreg
ion
,b a
sedonhour
l yda
ta(pos
it
ive
va
lue
sdenoteawarmb i
asassoc
iat
edwithdyn
amicaldown s
cal
ingofthe WRFm ode
l)
...
..
..
..
..
..
..
..
64
Fi
gure32:Av
eragetempera
turebiasbetweenthetwodown sca
ling me
thodsandAWSob serva
tion
s
ove
rthegrow
ings e
ason(SeptembertoA p
ril
),withdynamicaldownscal
inga bov
ea ndst
ati
st
ical
downsc
al
ingbel
ow ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.66
F
igu
re33:Boxplo
to fthesta
tis
tic
ali nd
icato
rsshowingtheeffec
to fdi
fferen
tsam plesi
zesusedfor
s
ta
tis
ti
caldownsc
al
i ng
.T 2_NZr epre
s en
tsthesta
ti
stic
aldown sc
alingusingal
lo ftheini
ti
aldatas
et
,
T
2_50used50%,T 2_25u s
ed25 %a ndT 2_05used5 %o fthein
it
i a
ldatase
t.T2_km eans
r
epre
sent
sthesampleext
r ac
tedusingt h
eK -meansclas
sif
ica
tion,w h
ileDYNr efe
rstotheresul
tsof
t
hedynamica
ldown sca
ling
...
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
67
F
igu
r e34
:T heloca
tionandn amesofautomati
cw eathe
rstat
ions(AWS )overtheM ar
lborough
r
egionoper
atingoverthestudyper
iodof1S eptember2013to30A p
ri
l2014( ind
icat
edbyl ar
ge
b
lac
kdo t
s)
...
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
75

188

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
r e35
:A v
era
gebia
sof WRF1kmtemp
era
tur
esw hencom par
edtoAWSob serva
tionsoverthe
g
rowingse
ason
.(Sep
tembe
r2013toAp
ri
l2014
)..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.78
Fi
gur
e36:Hourl
yave
rag
ebiasateachAWSsi
tedur
ingt
hegrowingseason(1Sep
tember2013to
30Apr
il2014
).TheAWSar
eg roup
edonth
ebasi
sofsim
ila
rdai
lyp ro
fi
l e
susingc
lus
terana
lys
is
.79
F
igu
re37
: Month
lyav
era
geb
iasbe
tw e
en WRF1kmtempera
ture
sa ndAWSob se
rvat
ionsduring
t
hegrow
ingsea
son(1Sep
tem
ber2013to30Ap
ri
l2014)
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.80
F
igur
e38:M eansealev
elpre
s sureanom a
l ypa
tternsove
rN ewZ eal
andfor16nod esd e
rivedby
t
heSOMm et
hodb asedonoutputd at
afrom WRFa t27kmr esolu
tionoverthestudyperiodof1
S
eptembe
r2013t o30A p
ri
l2014 .T henodesarenum bere
d1 -16froml e
fttorightst
art
ingatthetop
l
eft
.Thenum b
ersaboveeachm a
pr epre
sentthenum berandp e
rcentagefre
que ncyofoccurr
ences
o
feachnodedur
ingt h
estudyperiod..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
...
..
..
..
..
..
.81
F
igu
re39
:Aver
agetemp
era
tureb
iasperSOMnodea
tindi
vidua
lAWSsi
tesb
asedon WRF1km
ou
tpu
ttem
per
atu
resfo
rth
estudype
riodof1S
ept
em b
er2013to30A
pri
l2014
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
82
F
igu
re40
:Fr
equ
enc
yofSOMnod
esob
serv
edp
erm
ont
hov
ert
hes
tudyp
eri
od.
..
..
..
..
..
..
..
..
..
..
.
..
..
..
.83
Figure41
:Biai
sobservéspourchaquesta
tionaprè
sc o
rrec
tionparrégre
ssionl
inéai
re(mill
ésime
2013-2014
)..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
87
Figure42:Dif
férenc
esd etempéra
ture
spou rle
stem pé
ratur
esm in
im a
lesetm ax
im a
lesm oyenne
set
ded eg
rés-
jour
spou rl
’ind
i c
eW inkl
eretl’
indicedeH ugl
ina p
rèscorr
ect
ionlinéa
ire(mil
lés
im e
2013-2014).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
88
F
igure43
:Co e
ff
ici
entded é
termina
tiondel’équa
tiondec o
rrec
tionpartypedesitua
tion
a
tm o
sphér
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
.89
F
igu
re44
:Ind
ice
sdeW
ink
lere
tdeH
ugl
ina
prè
sco
rre
cti
onsdub
iai
spa
rré
gre
ssi
onl
iné
air
e.
..
..
..
.90
F
igu
re45
:To
pog
raph
iee
thyd
rol
ogi
eduS
ain
t-Ém
il
ion
,Pom
ero
letl
eur
ssa
te
ll
it
es.
..
..
..
..
..
..
..
..
..
..
..
..
98
F
igu
re46:C
apte
urdetemp
éra
tureT
inyt
agsousa b
risan
ti-
radia
tionins
tal
lédanslacanopéed an
s
unv
ignob
led
elarég
iondeSa
int
-Émi
lion.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
100
F
igur
e47:L o
cal
isa
tionde
sca
pte
ursdetempéra
tureenrapportavecl
’al
titud
e,lapenteet
l
’or
ient
at
ion(déc
lin
éee nN
/Se
tE/O).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.102
Fi
gure48
:Répa
rt
it
iond e
scap
teu
rsduré
sea
ud eSa
int
-Em i
lion
,Pom eroletleu
rssate
ll
ite
se n
fonc
tiond
esc
arac
tér
is
tique
sphys
iqu
esdumil
ieu
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.102
F
igure49:Lo
cat
ionandtopog
raphymapo
fthes
tudys
itea
roundthef
amousappel
lat
ionsofSain
t-
Émi
lionandPome
rol(Borde
aux
,F ra
nce
).D
ata:IGN(94165
,S a
int
-Mand
é).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.11
1
Figu
re50:Cl
im a
tec
har
tso
fthestud
iedye
ars(2012
,2013
,2014)andave
raget
em p
eratu
re(1980
-
2010)ofBord
eaux-M
éri
gna
cst
ati
on.D a
ta: Mét
éoFranc
e(94165,Sa
int
-M a
ndé)
..
..
..
..
..
..
..
..
..
..
..
..
.1
12
F
igu
re51
:Re
par
ti
tiono
fda
tal
ogg
err
ela
tedt
otopog
raphy.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.11
3
F
igure52
:Theo
ret
ica
le x
am p
leo
fdiff
eren
cesb
etwe
enregre
ssionfunc
tionest
im a
tion(r
ed)from
t
rai
ningda
ta(b
lack
)using MLR(
lef
t)andSVR(r
igh
t)
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.1
15
F
igu
re53:Work
flowusedtoc ompareM u
lt
ipleLinea
rR egre
ssion(MLR )andS uppor
tV ec
tor
R
egre
ssi
on(SVR).
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
116
F
igu
re54
:RMSEd is
tr
ibu
tionforbothm ode
lstes
tedov er2012
,2013a nd2014(1 s
tofA pr
iltothe
31
thofOc
tobe
r);b)RMSEv a
luesoverthes
tudiedyearsforbo
thm od
els(15-d
aym ovingaverag
e,
1s
tofAp
ri
ltothe31
thofOc
t obe
r)..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
117

189

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igur
e55:Mapp
ingofav
era
geofm ax
ima
ldai
lytempe
ratu
reduringthevege
tat
ivep e
riodoverthe
s
tudyare
aby MLRandSVRm od
elsf
rom2012th
rough2014.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
119
F
igur
e56:Mapp
ingofav
era
geofm i
nim
alda
ilyt
em pe
rat
uredur
ingthev ege
tat
iveperiodoverth
e
s
tudyare
aby MLRandSVRm od
elsf
rom2012th
rough2014.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
120
Figu
re57 :Mappi
ngofGDDov e
rthestudyareaby MLRa ndSVRm odel
sforthreeyear
sfrom
2012through2014
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.122
F
igure58:Si
ted’étudeetrése
aud e90capteur
sd etem pé
ratu
reinsta
llé
se n2011p a
rl e
séquipe
sd e
l
’INRA–Bo rdeauxdanslesvignob
lesdesappel
l a
tionsdeS a
int
-Ém i
lion
,Pom eroletleu
rssat
el
lit
es
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
128
Figu
re59:Diagramme
som b
roth
ermiqu
esd el
ano
rmal
e(1980
-2010
)etdesa nné
es2012,2013,
2014et2015(donné
esM é
téo
-Fr
ance
,sta
tiondeBo
rde
aux-Mer
ign
ac).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.129
Figur
e60:Tempé
rat
ure
sm in
im a
lesetm ax
im a
lesm oyennesdu01/04a u30/09pourlesmil
lés
im es
2012,2013
,2014e
t2015..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.133
Figu
re61:C a
rtog
raphiedel’
indicedeW ink
leretdeHug l
inpou rle
ssaisons2012,2013,2014
,
2015.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.134
F
igu
re62:Éca
rt
-typ
em oyendec haquepixe
lpourlesquatr
em il
lés
im esétud
iés(1erj
anvie
ra u31
d
écembr
e2012–2015).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.135
F
igure63
:a)m ode
ssp a
tio
-tempore
lsd e
stem pé
ratur
esm in
im a
l e
sjourna
liè
residen
tif
iésp a
rla
mé
thodeSOMpou rle
sa nnée
s2012à2015 .b)O ccur
rencesm ensue
ll
esd e
sdiffé
rentspa
tterns
spa
ti
aux.
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.136
F
igure64
:a)m odesspat
io-
tem po
relsdestempéra
turesm ax
im a
lesjourn
ali
èresiden
tif
iésparla
mé
thodeSOMpou rlesannées2012à2015 .b)O ccu
rrence
sm ensuel
lesdesdif
féren
tspatt
erns
spa
ti
aux.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
137
Figu
re65: Moyenn
esr
ela
tiv
esdesa noma
lie
sd epr
e s
sionensurf
a c
e(parrappor
tàlapress
ion
moyennesu
rl’Eu
rope)e
tvi
tesseduv en
tm oy
enne(à10 m)pourlesm odesdestempéra
ture
s
min
im a
les(
année2014àpa
rti
rdum odè
le WRF27 km ,donnée
sj ou
rnal
ière
s).Lavit
esseduv en
t
sursi
teind
iquelava
leu
rduv en
tm oyensouf
fla
ntsurl’a
ired
’étude.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.138
Figu
re66: Moyenne
srel
at
ivesde
sa noma
lie
sd epr
e s
sionensurf
ace(parrappor
tàlapress
ion
moyennesu
rl’Europ
e)etvi
tess
eduve n
tm oy
enne(à10 m)pourlesm odesdestempéra
ture
s
maxima
les(anné
e2014àp ar
ti
rdum odè
le WRF27 km ,donnée
sj ou
rnal
ières
).Lavites
seduv en
t
sursi
teind
iquelava
leurduventmoyensouf
fla
ntsurl’a
ired
’étude.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.139
Fi
gure67
:Si
tespi
lote
sdupro
jetL
IFEADVICLIMeti
ndiced
e«g rowingsea
sons u
itab
il
ity
.
Sour
ce:Sant
osetal
.,2012d
’ap
rèsQu
éno
lGros
sete
tal
.,2014
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.145
Figu
re68:Indi
cesdeW i
nkleretdeHugl
inm odél
isésàp a
rti
rd e
ssorti
esEURO -CORDEXpou rla
pér
iodederéfé
rence
s(1986-2005)e
tàm oyente
rm es(2031-2050)e
tàl ongterme(2081-2100
)
pourl
esscénar
iosRCP4.5e tRCP8.5.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.148
Figure69
:Dif
fér
encesmoyennesdescum u
lsd epr
éci
pit
ati
on(enmm)annue
lsen
trel
apériode
1986-2005e
tle
sp é
riod
es2031-2050et2081-2100pourl
esscé
nar
iosRCP4.5etRCP8.5
...
...
..
..
149
F
igu
re70
:App
el
la
tion
sduv
ignob
lebo
rde
lai
s,d
’ap
rèsBo
is2007.Sou
rce:INAO
..
..
..
..
..
..
..
..
..
..
.151
F
igur
e71:Val
e u
rsm oy
enne
sdel
’ind
icedea)W inkl
eretdeb )Huglinsurl
aG irondevi
tico
lepou r
l
ap é
riod
e2031-2050
.Donn
éesALADIN..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.152
F
igur
e72:Va
leu
rsmoy
ennesdel
’ind
icedea
)Wink
leretdeb)Hug l
ins u
rlaG i
rondevit
icolepour
l
ap é
riod
eder
éfé
ren
ce1986
-2005
.Donn é
esALADIN
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
152

190

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 F
igu
re73:Va
ri
at
ionsmoyenn
esdedeg
rés
-jour
sdel
’ind
iced
ea)Wink
leretb)l’
indicedeHuglin
su
rlaGi
rond
evit
ico
lepou
rlapér
iod
e2081-2100
.Donné
esALADIN
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.153
F
igu
re74
:Ex
emp
led
ede
sce
nted
’éc
hel
lea
ppl
iqu
ées
url
esT
nd’un
ejou
rné
eJ.
..
..
..
..
..
..
..
..
..
..
..
..
..
156
F
igu
re75
:Schémadesdi
ffér
entesétap
esdeladescent
ed ’
échel
lea dap
téeauxscénar
iosd e
c
hangem
entc
lima
tiqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
157
Fi
gure76:modes(
ind
iqu é
snodes)desa)tempéra
turesminimalesetb)m ax
im a
lessurles
appe
ll
ati
onsSain
t-Émi
lionPom e
roletleu
rssate
ll
itesas
sociésauxclas
sesident
if
iéesparlam é
thode
SOMàl ’éc
hel
lerég
iona
le..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
158
Figure77:a)Var
i abi
li
téspat
ia
led el
’ind
iced eWinkle
rb )dif
férenceentr
el’ind
icedeW inkl
er
moyend e
ss c
énari
o sRCP4 .5et8.5pou rl
’horizon moyen(2031-2050)etl
’hor
i z
onloin
tain(2081-
2100)etl’
indic
eW inkl
erm oyend elapér
ioded eré
férence(1986-2005)surle
sa ppe
lla
tionsSa
int-
Émili
onPom e
roletleurss
atel
li
tes....
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
159

191

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 L
ISTE DESTABLEAUX

Ta
bleau1:M od
èle
sclimat
iques
,r é
solu
tionsspa
tia
les,é chel
lesetdom a
inesd’app
lica
tion
,d’aprè
s
Quéno
letal
.
,2014...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.18
T
abl
eau2
:Cl
ass
if
ica
tiond
esd
if
fér
ent
scl
ima
tsv
it
ico
les
,d’
apr
èsW
ink
ler
,1962.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
32
T
ableau3
:Class
if
icat
iondeszonesvit
icole
sb a
séesurlesvaleu
rsd el
’Ind
iced eHuglin(Ton
iet
toet
C
arbonne
au,2004)
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
33
T
able
au4:S ommesthermique
s(F*),baséessurleG r
apevineFlowingV e
rai
son model(GFV ),pour
l
esque
lle
slespr
incipauxcépage
sroug e
sduBo rde
lai
satte
ignentlafl
orai
sonetlav é
raison(Parke
r
e
tal
.,2011)
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
.33
T
ableau5
:Class
if
ica
tiondeszonesvit
icole
sb a
séesurl’
indicedefra
îcheurdesnuit
s(T on
iet
toet
C
arbonne
au,2004).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
34
T
abl
eau6:Fi
chetec
hniquedes
cri
pti
vedesdi
ffé
rent
esgril
lesde WRFu ti
li
séepourlam odél
isat
ion
c
lima
tiqu
edansl
esvignob
lesdeM ar
lbo
rough.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.47
T
able
au7:Tempér
atu
resmoyenn
esop
tima
les(oc
tobreàa v
ri
l)pourlesprin
cipauxcépagesde
M
arl
borough
,d’
aprè
sJone
s(2006
,2007
)...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.53
T
abl
eau8:Di
ffé
rence
sen
treva
leur
sm esur
éesparl
erése
audest
at
i on
sin
sta
lléda
nsle
svignob
les
d
eM ar
lbo
roughetl
esva
leu
rsm od
éli
séesparl
em odè
le WRFpourlemi
ll
ésime2013
-2014.
..
..
..
..
.54
T
abl
eau9:Sta
ti
st
ica
lana
lysi
softhed
if
fer
encebe
tweenobs
erve
dtemp
era
ture
sfromthe18AWS
a
nd mod
ell
edtemper
atu
resobt
ain
edus
ingdynam
ica
la nds
ta
ti
st
ica
ldowns
cal
ingfrom3to1km
..65
T
abl
eau10:Sta
ti
st
icalana
lys
iso
fthed
if
fer
enc
ebetw
eenobs
erve
dtem pe
ratur
esfromt he18AWS
a
nd mod
el
l e
dtem p
erat
ure
sobta
ine
dus
ing WRF1kmout
puts
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.77
T
able
au1 1
:E l
e v
ationatAWSlo
c a
tiona
ndele
v a
tionusedby WRFi nthemodel
ingprocess
.T h
e
r
igt
hc o
lum nisthedif
fer
enc
ebetween WRFandreal
ele
v a
tion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
77
Tab
leau12:Summaryofbi
asanaly
sisassoc
iat
edw ithth
enod escrea
tedbyt heSOMm e
thod.The
numberof"+
"sind
icat
ethein
tens
ity
."*"m eansnosynopticwi nddir
ect
iona nd“NB ”m eantha
tno
si
gnif
ican
tbi
asw a
sob s
erved
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
82
T
abl
eau13:Ind
icat
eur
ssta
ti
sti
qu e
sdelaqu
al
itédelamodé
lisa
tionavan
teta p
rèsc o
rrec
tionpar
r
égre
ssi
onliné
air
e(va
lid
ati
onc ro
isé
e«leav
e-on
e-ou
t»).
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.87
T
abl
eau14:Descr
ipt
iftechniqu
ec ons
truc
teurduc ap
teurdetem p
ératu
reTinytagTalk2.Source:
G
emini.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.99
T
abl
eau15:SVMa
nd MLRm
ode
lcom
par
isonw
ithm
easu
redv
alu
eso
fst
at
is
ti
cali
ndi
cat
ors
..
..
.11
8
Tab
lea
u16:É va
lua
tiondelaqua
li
tédum odè
leSVRsu rlestem p
ératu
resmi n
imalesetm a
ximales
jou
rnal
ièr
es(01
/04a u30/
04)pa
rd esind
ica
teursst
ati
st
iquespourlesquatreannée
sétudiée
s.
Sou
rce:L eRouxetal.
,2017
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.131
Tab
le a
u17 :Ind
ica
teu
rsstat
is
tique
sd el’
am p
li
tudethermiquespa
tia
le(dif
férenceen
trelecapt
eurle
plu
sc ha ude
tlecap
teu
rl eplu
sfroidaupasdetem p
sjourna
lier
)pourlesqu a
treannéesé
tudiée
s
(01/01/2012au31
/12/2015
)..
..
..
..
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
135
T
abl
eau18:L
is
ted e
so rg
anismes,m od
èlesglobauxetm odè
lesrég
ionauxm obi
lisé
sd an
sleproje
t
E
uroco
rde
x..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.146

193

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
194

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 TABLE DES MAT
IÈRES

INTRODUCT
IONGÉNÉRALE
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.1

PREM
IÈREPART
IE:CONTEXTEDEL
’ÉTUDE
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
5

CHAPITRE1:Ob se
rvat
ionetm odél
isa
tionduclimatdansunc ont
extedec hang
em en
t
c
lima
tiqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.7
1
.1L
efon
ct
ionn
eme
ntduc
lim
at.
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
7
1
.2L
esé
che
ll
esduc
lim
at.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
11
1
.3L
esr
ése
auxd
eme
sur
ese
tle
smod
èle
scl
ima
tiqu
es.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.12
1
.4Mod
él
isa
tionduc
hang
eme
ntc
lim
at
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
18
1
.5Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.24

CHAP
ITRE2:L
afi
li
èrev
it
ico
led
ansunc
ont
ext
edec
hang
eme
ntc
lim
at
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
.25
2
.1G
éné
ral
it
és.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
25
2
.2Rô
led
el’
env
ironn
eme
ntsu
rlaph
éno
log
ied
elav
ign
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
27
2
.3I
nte
rac
tionv
ign
e-c
lim
at.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.29
2
.4L
esi
ndi
cesb
ioc
lim
at
iqu
es.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.31
2
.5L
imi
test
herm
iqu
esd
elac
ultu
red
elav
ign
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
34
2
.6Ch
ang
eme
ntc
lim
at
iqu
eetv
it
icu
ltu
re.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
35
2
.7Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.37

SECONDEPART
IE: MODÉL
ISAT
IONDYNAM
IQUEÀ MÉSO
-ÉCHELLE
..
..
..
..
..
..
..
..
..
..
..
41

CHAP
ITRE3:A
ppro
chem
éthodo
log
iqu
edel
amod
éli
sat
iondyn
ami
quee
ncon
tex
tev
it
ico
le.
.43
3
.1V
i
tic
ultu
ree
nNouv
el
le-Z
éla
nde.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
43
3
.2Mod
él
isa
tione
tme
sur
eag
roc
lim
at
iqu
esd
ansl
esv
ignob
lesN
éo-Z
éla
nda
is.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.45

CHAPITRE4:Appl
ica
tiondem od
èlecl
im a
tiqueàh au
teréso
lutionpourl
’étudedelavariab
il
ité
c
lima
tiqu
ed’un
eré
gionvi
tico
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
49
4
.1Mod
él
isa
tiond
esind
ice
sbio
cl
ima
tiqu
esà m
éso
-éc
hel
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.49
4
.2L
imi
tesd
elamod
él
isa
tiond
esind
ice
sbio
cl
ima
tiqu
es.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
53
4
.3Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.54

CHAP
ITRE5: Mod
él
isa
tiondyn
ami
queduc
lim
ata
vecd
esc
ent
ed’
éch
ell
est
at
is
tiqu
e..
..
..
..
..
..
..
57
5
.1Év
alu
at
iond
’un
emé
thod
eded
esc
ent
ed’
éch
el
les
ta
ti
st
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
57
5
.2A
rt
ic
le:C
omp
ari
sono
fst
at
is
tic
ala
nddyn
ami
caldow
nsc
alingr
esu
lt
sfr
omth
e WRFmod
el.
..
..
..
..
..
..
..
..
..
..
.58
5
.3I
ntr
odu
ction
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.58
5
.4M
ethodo
logy
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.59
5
.5R
esu
lt
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.63
5
.6D
isc
uss
iona
ndc
onc
lus
ion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
67
5
.7Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.69

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 CHAP
ITRE6:In
cer
ti
tud
esd
esm
odè
lesc
lim
at
iqu
esdyn
ami
que
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
71
6
.1A
naly
sesp
at
io-
tempo
rel
led
esb
ia
isdumod
èle WRF.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.71
6
.2A
rt
ic
le:A
naly
siso
fsp
at
io-
tempo
ralb
iaso
f WRFt
emp
era
tur
esb
ase
donw
eath
erp
at
ter
ncl
ass
if
ica
tion
..
..
73
6
.3I
ntr
odu
ction
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.73
6
.4M
ethod
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.74
6
.5R
esu
lt
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.76
6
.6D
isc
uss
iona
ndc
onc
lus
ion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
84
6
.7Co
rre
ct
ionl
iné
air
edub
ia
isd
e WRF.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
86
6
.8Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.91

TROISIÈME PART IE: MODÉL ISATIONSTAT ISTIQUE À L ’ÉCHELLE LOCALE

.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.95

CHAP
ITRE7: Mod
él
isa
tionl
oca
led
est
emp
éra
tur
es:A
ppro
chem
éthodo
log
iqu
e.
..
..
..
..
..
..
..
..
..
.97
7
.1Con
tex
teg
éog
raph
iqu
eeth
is
tor
iqu
edel
avi
tic
ultu
reàS
ain
t-Ém
il
ion.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.97
7
.2R
ése
auxd
eme
sur
esd
ansl
esa
ppe
ll
at
ion
sSa
int
-Ém
il
ion
,Pom
ero
letl
eur
ssa
te
ll
ite
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
99
7
.3L
esm
odè
lesd
esp
at
ia
li
sat
iond
est
emp
éra
tur
esal
’éc
hel
lelo
cal
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
..
..
..
.103
7
.4Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.105

CHAP
ITRE8:Com
par
aisond
ede
uxm
odè
less
ta
ti
st
iqu
esd
esp
ati
al
isa
tiond
est
emp
éra
tur
es.
107
8
.1R
ésum
éét
endu
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
107
8
.2Art
icle:C omp a
risonoftwofinesca
lespati
almod el
sform appingtempera
ture
sinsidewinegrowingar
ea s
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.108
8
.3I
ntr
odu
ction
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.108
8
.4M
ate
ria
lsa
nd M
ethod
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
111
8
.5R
esu
lt
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.11
6
8
.6D
isc
uss
iona
ndc
onc
lus
ion
..
..
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.122

CHAPITRE9:A ppl
icat
iond elam odé
lis
ations
tat
ist
iquepourl’é
tuded elavar
iabi
li
téloca
led e
s
t
em p
éra
ture
s.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
125
9
.1A na
lys
emu l
tiscal
airedelavari
abil
itéspa
tia
leettemporel
ledestemp é
ratu
resàl’éche
lled’unter
roi
r
v
it
ico
le.
..
..
..
..
..
..
.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
125
9
.2I
ntr
odu
ction
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.126
9
.3M
até
rie
lse
tmé
thod
es.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
127
9
.4D
isc
uss
ione
tcon
clu
sion.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
139

QUATR
IÈME PART
IE : MODÉL
ISAT
ION MULT
ISCALA IRE DU CL IMAT DANS
UNCONTEXTEDECHANGEMENTCL IMAT
IQUE..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
143

CHAP
ITRE10: Mod
él
isa
tionduc
hang
eme
ntc
lim
at
iqu
eàm
éso
-éc
hel
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.145
10
.1P
roj
ect
ion
scl
ima
tiqu
essu
rde
svignob
lese
urop
éen
s..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.145
10
.2P
roj
ect
ion
scl
ima
tiqu
esàl
’éc
hel
led
elag
irond
evi
ti
col
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.151
10
.3Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.154

CHAP
ITRE1
1: Mod
él
isa
tionduc
hang
eme
ntc
lim
at
iqu
eàl
’éc
hel
lel
oca
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
155
1
1.1D
esc
ent
ed’
éch
el
ler
égion
alev
ersl
’éc
hel
lel
oca
le.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.155

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
 1
1.2Mod
él
isa
tionlo
cal
ede
ssc
éna
rio
sduc
hang
eme
ntc
lim
at
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
157
1
1.3V
ar
iab
il
it
élo
cal
educ
lim
atd
ansl
econ
tex
teduc
hang
eme
ntc
lim
at
iqu
e..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
157
1
1.4Con
clu
sion
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.160

D
ISCUSS
ION
,CONCLUS
IONETPERSPECT
IVES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
165

B
IBL
IOGRAPH
IE.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
169

L
ISTEDESF
IGURES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
187

L
ISTEDESTABLEAUX.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
193

TABLEDES MAT
IÈRES.
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.195

LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017
LeRoux
, Renan
. Modé
lisa
tion c
lima
tiqueàl
’éche
lledeste
rro
irsv
it
ico
lesdansuncon
tex
tedechangemen
tcl
ima
tique-2017