DOI
https://doi.org/10.26047/PIREN.rapp.ann.2025.vol03
Résumé
Cette étude présente une méthode de désagrégation climatique (ou downscaling) fondée sur la régression linéaire multiple (MLR), appliquée à une portion du bassin de la Seine, plus précisément au bassin versant de l’Orgeval et à la plaine alluviale de la Bassée. L’objectif est de transformer les données issues des modèles climatiques globaux (GCM), à faible résolution, en projections locales à très haute résolution spatiale (30 mètres), adaptées aux besoins d’analyse écologique et de planification territoriale.
La méthode repose sur l’utilisation de variables topographiques et géographiques (altitude, pente, latitude, distance à la mer) pour modéliser les températures et précipitations locales. Elle se distingue par sa simplicité de mise en oeuvre et son caractère reproductible, reposant sur des données ouvertes et conformes au concept FAIR (Findable, Accessible, Interoperable, Reusable). L’implémentation sous Python à l’aide d’outils standards (scikit-learn, GDAL, NumPy) permet une application rapide et transparente, tout en facilitant la reproductibilité scientifique.
Les résultats sont très encourageants : la MLR montre une excellente précision pour les températures (R > 0,90, RMSE < 0,3 °C) et des performances satisfaisantes pour les précipitations (R > 0,70, RMSE <4 mm). L’interprétation des coefficients de régression est aisée, permettant d’identifier clairement les facteurs physiques dominants tels que l’altitude ou la distance à la mer.
Au-delà de ses performances techniques, cette approche offre une solution robuste et rapide pour générer des surfaces climatiques locales cohérentes. Elle ouvre des perspectives prometteuses pour des approches prospectives en écologie, notamment dans l’étude des effets du changement climatique sur les forêts riveraines du bassin de la Seine. Par sa simplicité, son respect des standards FAIR et son adaptabilité, la MLR constitue un outil efficace et durable pour le développement de services climatiques opérationnels et la modélisation écologique à haute résolution. Ce rapport discute des limites de cette approche et présente également des voies technologiques d’amélioration du modèle.
Points clefs
- Méthode de désagrégation climatique par régression linéaire multiple (MLR) pour produire des données climatiques à très haute résolution (30 m) ;
- Simple à mettre en oeuvre, transparente et reproductible, la MLR utilise des données conformes aux principes FAIR, facilitant l’interprétation physique des résultats ;
- Les résultats sont prometteurs pour des approches prospectives en écologie et l’évaluation des impacts du changement climatique.
