Observation et modélisation spatiale du climat aux

échelles fines dans un contexte de changement climatique

Hervé Quénol

To cite this version:

Hervé Quénol. Observation et modélisation spatiale du climat aux échelles fines dans un contexte de
changement climatique. Géographie. Université Rennes 2, 2011. �tel-00694300�

HAL Id: tel-00694300

https://theses.hal.science/tel-00694300
Submitted on 4 May 2012

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

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 Habilitation à Diriger des Recherches présentée par
UNIVERSITE DE RENNES 2 HAUTE-
BRETAGNE
Hervé Quénol
sous le sceau de l’Université européenne de Bretagne
Mention : Géographie Préparée à l’Unité Mixte de Recherche 6554
Ecole doctorale des Sciences Humaines et LETG du CNRS
Sociales Université de Rennes 2 Haut-Bretagne

Observation et modélisation Habilitation à Diriger des Recherches soutenue le 16 décembre 2011

devant le jury composé de :

spatiale du climat aux Hervé Le Treut

Professeur - Université Pierre et Marie Curie, Paris / rapporteur
échelles fines dans un Bernard Seguin
Directeur de Recherche - INRA, Avignon / rapporteur
contexte de changement Sylvain Bigot
Professeur – Université Joseph Fourier, Grenoble / rapporteur
climatique Andrew Sturman
Professeur - University of Canterbury, Christchurch / examinateur
Vincent Dubreuil

Volume 1 : Professeur - Université Rennes 2 Haute Bretagne, Rennes / examinateur

Gérard Beltrando
Position et projet scientifique Professeur- Université Denis Diderot, Paris / examinateur
Jean-Philippe Boulanger
Directeur de Recherche -IRD, Buenos Aires / examinateur
AVANT PROPOS

Ce mémoire d’Habilitation { Diriger des Recherches présente le bilan des travaux

que je mène depuis mon post doctorat à la Faculté des Lettres de Porto (2002-2003) et
mon recrutement au laboratoire COSTEL (UMR6554 LETG) en tant que Chargé de
Recherches (CR) CNRS. Ces travaux s’inscrivent principalement dans les programmes
ANR-JC-TERVICLIM (Observation et modélisation spatiale du climat à l’échelle des terroirs
viticoles) et GICC-TERADCLIM (Adaptation des terroirs viticoles au changement
climatique) menés au sein du laboratoire COSTEL de l’université Haute Bretagne Rennes
2.
L’originalité de ces programme réside d’une part dans la mise en place d’un réseau
unique de capteurs et de stations météorologiques dans divers vignobles évoluant sous
des macro-climats différents ; et d’autre part dans l’utilisation et la combinaison de deux
méthodes de modélisation climatique (géostatistique et atmoshérique).
La force de ce programme, pour traiter l’analyse multi sites et la modélisation du
climat aux échelles fines a été de mettre en place des collaborations ou de développer
des collaborations existantes entre des géographes-climatologues, des physiciens de
l’atmosphère, des chercheurs en sciences des techniques de l’information et de la
communication (SIG), des agronomes, des chercheurs en sciences de la société et des
« acteurs » (ex : politiques, agriculteurs, …). Ainsi, l’ANR-JC-TERVICLIM est le parfait
exemple de la mise en place de ce type d’étude pluridisciplinaire.
Ce programme a débuté en 2008 dans 4 vignobles expérimentaux (Val de Loire,
Afrique du Sud, Champagne et Chili) avec une équipe d’une dizaine de personnes
composées de géographes-climatologues, d’agronomes et de physiciens de l’atmosphère.
Aujourd’hui, l’équipe des composée d’une cinquantaine de scientifiques (13 nationalités)
ayant des compétences complémentaires. Sur les vingt vignobles expérimentauxi, dix-
sept ont été équipés en stations et capteurs météorologiques, ce qui représente un
réseau de plus de 300 instruments qui enregistrent les données météorologiques toutes
les heures.
Les résultats des mesures et de la modélisation adaptée { l’échelle des terroirs ont
permis de mettre en évidence une forte variabilité spatiale du climat sur des espaces
très restreints. Au niveau des températures, les différences spatiales engendrées par les
conditions locales (topographie, …) sont très souvent supérieures { l’augmentation de
températures simulée par les différents scénarios du GIEC pour les 50 années à venir.
Les vignerons s’adaptent à cette variabilité spatiale du climat qui détermine en partie les
caractéristiques et la typicité de leur vin. Dans le contexte du changement climatique,
cette démarche d’analyse spatiale peut être une méthode d’adaptation { l’évolution
temporelle du climat notamment à court et à moyen terme.
Le bilan de ces travaux sur les climats { l’échelle des terroirs montre que nous avons
mis en place une méthode de mesures et de modélisation appliquée à différents
vignobles répartis dans le monde. Cette approche généralisée sur différents sites est
originale car ce type d’étude est souvent effectué sur un unique site. Même si la
multiplicité des sites peut faire craindre à des problèmes de gestion notamment pour
l’analyse des données, cette approche scientifique généralisée et ce réseau de mesures
disposé en fonction des caractéristiques locales sont des outils précieux pour
l’observation et la validation des simulations du climat futur { l’échelle des terroirs
viticoles.
Par conséquent, les perspectives futures de ces travaux de recherches sont d’une
part, de pérenniser et moderniser ce réseau de mesures (développement d’un système
de transmission de données en direct et mise à disposition des données sur une
plateforme web) afin qu’il fonctionne le plus longtemps possible et d’autre part,
d’intégrer les scénarios du changement climatique dans les modèles climatiques adaptés
aux échelles fines. Cela s’inscrit nécessairement dans la continuité des programmes de
recherches évoquées ci-dessus, avec le maintien de l’équipe pluridisciplinaire de
chercheurs en France et à l’étranger et un transfert des résultats vers les acteurs.
Cette démarche scientifique nécessite des efforts de compréhension et d’adaptation
entre les différentes disciplines notamment sur les questions d’incertitude au niveau des
résultats de modélisations obtenus.
Les grandes améliorations au niveau de la compréhension du climat global au climat
régional et l’augmentation des moyens de calcul font que les biais au niveau des sorties
de modèles du changement climatique diminueront. Les différentes méthodes d’analyse
et de modélisation du climat développées par les différentes disciplines concernées sont
indispensables même si les résultats actuels sont perfectibles. Dans cette optique, le
projet se situe au carrefour entre la physique de l’atmosphère et la climatologie
régionale au service des agronomes et des acteurs pour la valorisation des
connaissances climatiques des terroirs viticoles.

Les travaux présentés dans ce mémoire d’Habilitation à Diriger des Recherches

n’auraient jamais pu être réalisés sans les différentes collaborations évoquées ci-dessus.
Je tiens à remercier mes collègues et amis du laboratoire COSTEL (Sam, Vincent(s),
Olivier, Jean, …) et de l’équipe TERVICLIM (Gérard(s), Andy, Jocelyne, Luis, Wilmar, Cyril,
…). Un grand merci à tous les jeunes chercheurs (Cyril, Elodie, Viviana, Xavier, Mercedes,
…) qui participent à ces travaux et sans lesquels cela seraient impossibles.
Je tiens également remercier très chaleureusement Valérie et Malika qui ont une part
très importante dans ce travail de recherche et avec lesquelles c’est toujours un grand
plaisir de faire des missions sur le terrain en Amérique du Sud et en Afrique du Sud (vive
le Malbec et le Pinnotage !!!!!).
Tous mes remerciements aux membres du jury pour leur disponibilité et leurs
conseils.
Naturellement, un grand merci à Sylvain pour son aide et sa bonne humeur
notamment lorsque nous nous retrouvons à l’AIC.
Pour finir, un grand merci à mes parents et mes amis (du TCV et de COSTEL) qui
m’ont aidé quand j’en ai eu besoin !!!!!!
Toutes mes pensées et mes sentiments à Celle qui m’accompagne et qui me laisse
vivre pleinement ma passion de géographe de terrain.
Sommaire

Introduction 1

1. Mesures et spatialisation du climat aux échelles fines 5

1.1 Une question d’échelles 5

1.2 Analyse du climat aux échelles fines 7
1.2.1 Une méthodologie multiscalaire
1.2.2 Une disposition spécifique du matériel de mesures
1.2.3 Exemple d’un dispositif de mesures agroclimatiques
1.3 Validation des observations climatiques 14
1.4 Spatialisation et modélisation adaptées aux échelles fines 17
1.4.1 Modélisation géostatistique
1.4.2 Modélisation numérique à méso-échelles

2. Observation et modélisation spatiale du climat à l’échelle des

terroirs viticoles 23

2.1 Les terroirs viticoles et le changement climatique 24

2.1.1 Les terroirs viticoles
2.1.2 Relation vigne/climat : un bon indicateur du changement
climatique
2.1.3 La question de l’adaptation
2.2 Des mesures agro-climatiques adaptées à l’échelle des terroirs 29
2.2.1 Les vignobles expérimentaux
2.2.2 L’acquisition des données agroclimatiques
2.2.3 Evolution des températures et des indices bioclimatiques
à l’échelle des régions viticoles étudiées
2.2.4 Application au vignoble du Val de Loire
2.2.4.1 Températures et indices bioclimatiques à l’échelle
du Val de Loire
2.2.4.2 Températures et phénologie de la vigne à l’échelle
de l’Anjou et du Saumurois
2.2.4.3 Températures et indices bioclimatiques à l’échelle
du « Quart de Chaumes »
2.3 Modélisation climatique adaptée aux terroirs viticoles : Application
aux vignobles de Stellenbosch (Afrique du Sud) 58
2.3.1 Contexte : des études scientifiques adaptées aux terroirs
2.3.2 Résultats des modélisations climatiques
 2.3.2.1 Des forts contrastes thermiques nocturnes
2.3.2.2 Modélisation numérique méso-échelles
2.3.2.3 Approche géostatistique
2.4 Intégration des sorties de modèles globaux dans un modèle méso-
échelles 67
2.4.1 Contexte
2.4.2 Données et méthodes
2.4.3 Résultats : des simulations affinées par la modélisation
numérique méso-échelles

3. Perspectives et projet de recherche 73

3.1 Modernisation et pérennisation des réseaux de mesures 74

3.2 Intégration des scénarios du changement climatique dans les
modèles « échelles fines » et adaptation au changement climatique à
l’horizon 2100
3.2.1 Scénarios du changement climatique à l’échelle des
terroirs
3.2.2 Scénarios d’adaptation par Système Multi-agents
3.3 Valorisation et transfert vers les acteurs et sensibilisation aux effets
du changement climatique 77
3.4 Applications futurs : au-delà la vigne… entre monde agricole et
milieux urbains 79

Bibliographie 81
Introduction

Depuis la fin des années 1980, la communauté scientifique internationale s’intéresse

au changement climatique global et s’interroge sur ses impacts futurs { l’échelle
planétaire. Les différents rapports du GIEC (Groupe d'Experts Intergouvernemental sur
l'Evolution du Climat) ont alerté la communauté internationale d‘une augmentation de
la température ainsi que de la fréquence et de l’intensité des aléas climatiques au niveau
mondial (GIECC, 1990, 1995, 2001 et 2007). Même s’il existe de nombreuses
incertitudes sur l’intensité du changement climatique et ses conséquences,
l’amélioration de la fiabilité des Modèles de Circulation Générale du climat (MCG) et la
corrélation positive entre les rejets de Gaz à Effet de Serre (GES) et l’augmentation des
températures de ces dernières décennies montrent que le réchauffement global sera
compris entre 2 et 6°C (selon les scénarios et les modèles) { l’horizon 2050-2100
(Pachauri et Reisinger, 2007). Les impacts sur l’Homme ou les territoires, aux échelles
globales et régionales, estimés à partir des MCG indiquent une augmentation des
calamités climatiques telles que l’augmentation des sécheresses, de la fréquence et de
l’intensité des épisodes de vagues de chaleur, etc. (Redelsperger et al., 2006). Ces
évolutions pourront avoir de lourdes conséquences sur les écosystèmes et sur les
sociétés notamment en matière de sécurité alimentaire et de malnutrition (Projet AMMA
Analyse Multidisciplinaire de la Mousson Africaine). Les premiers résultats de ces
programmes de recherche ont été obtenus principalement à partir de la modélisation
numérique et grâce à des collaborations internationales entre les physiciens de
l’atmosphère, les géophysiciens et les sciences de l’environnement. Mais très peu de
géographes-climatologues ont participé { ces études. Comme l’indique Beltrando (2010),
« les géographes-climatologues se sont majoritairement intéressés à la description et
l’explication de la variabilité du climat { diverses échelles de temps et d’espace sur des
périodes écoulées. Ils se sont moins investis sur les formes d’adaptations tenant compte des
résultats des simulations du climat futur, tel qu’il est envisagé { partir des calculs obtenus
par les modèles numériques du climat ». Cela en partie, à cause du « manque de précision
et de fiabilité accordé aux résultats produits par les modèles conçu par les physiciens de
l’atmosphère, aux échelles des territoires occupés par les sociétés humaines » d’où, le
scepticisme d’une partie de la communauté des géographes sur l’origine et les effets du
changement climatique.
Pourtant, les géographes-climatologues, de part leurs compétences en terme
d’analyse de données climatiques, de la connaissance du « terrain » et des méthodes de
spatialisation de données climatiques basées sur les relations avec les caractéristiques
environnementales (ex : méthodes géostatistiques, outils tels que la géomatique, …) aux
échelles régionales voire locales commencent { s’impliquer et { être impliqués dans les
études d’impact du changement climatique que ce soit dans le domaine de la validation
des sorties de modèles ou de l’adaptation { plus ou moins long terme (Bigot et Rome,
2010 ; Bonnardot et al., 2011 ; Lamy et Dubreuil, 2011). En effet, même si les
simulations climatiques pour le futur abordent des échelles relativement larges, de réels
progrès ont été réalisés au niveau de la résolution des sorties des modèles. Comme

1
l’indique Le Treut (2010) « malgré la convergence des modèles vers des résultats
largement partagés et qui semblent signifiants { grande échelle, deux types d’incertitudes
demeurent, correspondant { la fois { l’amplitude et { la localisation (dans le temps ou dans
l’espace) des effets attendus. Il est encore impossible de répondre à des questions précises
telles que : quels seront les impacts locaux les plus importants et comment s’en protéger ?
[…] Une meilleure prévision des évolutions climatiques locales constitue donc un enjeu
essentiel, pour lutter et nous adapter à des évolutions dont une part est inévitable».
C’est certainement sur la question de l’analyse et de la modélisation des climats
régionaux et locaux que les géographes-climatologues pourront apporter leurs
compétences pour l’amélioration des connaissances sur l’impact du changement
climatique sur l’Homme et ses activités. Cela passe nécessairement par une démarche
pluridisciplinaire avec notamment des collaborations au niveau scientifique, entre les
physiciens de l’atmosphère, les sciences des techniques de l’information et de la
communication (SIG), les agronomes, les sciences de la société … et avec les « acteurs »
(ex : politiques, agriculteurs, …) sur le plan du transfert de l’information.
Dans l’optique d’étudier l’impact du changement climatique aux échelles fines que ce
soit au niveau des mesures ou de la modélisation, notre démarche consiste à installer
des réseaux de mesures adaptées aux échelles fines qui permettront d’étudier les
climats locaux en relation avec les activités humaines concernées et en fournissant des
données à échelles fines qui permettront de participer { l’amélioration actuelle de la
résolution spatiale des modèles notamment par l’intermédiaire de la validation des
données. A plus long terme, ces réseaux (notamment ceux mis en place dans le cadre des
programmes ANR-JC-TERVICLIM, GICC-TERADCLIM et ECORURB) auront pour vocation
{ être complétés et surtout être pérennisés afin d’obtenir une base de données
climatiques adaptée aux échelles locales qui pourra être utilisée dans le futur pour
réaliser des analyses en relation avec le changement climatique.
Cette démarche scientifiques et les réseaux de mesures mis en place dans le cadre
d’étude de climatologie appliquée font très souvent appel à une demande sociétale (ex :
Plan Climat pour la lutte contre le changement climatique en ville, lutte contre les
calamités agro climatiques, …) sur les questions d’adaptation au changement climatique,
à court, moyen et long terme.

Pour ce travail d’Habilitation { Diriger des Recherches, seront présentés

successivement :
- la méthodologie mise en place pour l’analyse et la modélisation du climat aux
échelles fines en montrant notamment comment ce type de démarche
scientifique peut être un apport pour l’analyse de l’impact du changement
climatique sur nos sociétés ;
- des applications concrètes dans le domaine de la viticulture mondiale avec les
programmes ANR-JC-TERVICLIM et GICC-TERADCLIM portant sur « l’observation
et la modélisation du climat { l’échelle des terroirs viticoles dans le contexte du
changement climatique » ;

2
- puis, les perspectives de recherches dans le domaine de l’analyse et de la
modélisation climatique aux échelles fines et les adaptations possibles au
changement climatique.

3
4
 1. Mesures et spatialisation du climat aux échelles fines

1.1 Une question d’échelles

Aux échelles fines, les conditions atmosphériques au niveau de la couche limite sont
tributaires des conditions de surface (Yoshino, 1975 ; Oke, 1987). La morphologie, les
aspérités et la nature de la surface définies par le relief, la végétation ou par diverses
infrastructures humaines, modifient le comportement des variables météorologiques et
caractérisent à terme le microclimat (Quénol, 2002). Cela explique en partie
l’importante variabilité spatiale du climat rencontrée sur des espaces relativement
restreints surtout dans des milieux avec une topographie accidentée ou avec de
multiples obstacles. L’hétérogénéité de la surface engendrant une forte variabilité
météorologique et climatique locale au niveau de la couche limite de l’atmosphère, la
hiérarchisation des éléments « perturbateurs du climat » suivant l’emboîtement des
échelles spatiales est essentielle. Les raisons de cette approche sont liées au
fonctionnement de l'atmosphère. Sachant qu'une même masse d'air générant un même
type de temps peut concerner un territoire étendu il est certain que sur une entité
spatiale plus petite des caractères communs sont présents. Plus le niveau d'observation
s'affine plus le nombre d'éléments influant sur les paramètres météorologiques est
grand. Les classifications de hiérarchisation des échelles sont nombreuses et sont
déterminées par des ordres de grandeur spatiaux ou temporels suivant lesquels on
étudie les phénomènes climatiques (Orlandsky, 1975). Par exemple, Choisnel (1987)
considère que « le raisonnement climatique doit prendre en compte la notion d’échelles
d’espace imbriquées et respecter un ordre chronologique » suivant le climat régional
(influence de quelques dizaines de km) puis le topoclimat (1 km en montagne et 10 km
en plaine) et enfin le microclimat (de 100 m à quelques cm) (figure 1).

Figure 1 : Classification des échelles spatio-temporelle selon des ordres de grandeur (adapté
d’après Choisnel, 1987)

La hiérarchisation des échelles spatio-temporelles suivant des ordres de

grandeur permet d’appliquer la même classification pour des terrains d’études
différents. Or, en climatologie appliquée aux échelles fines, ce type classification n’est

5
pas suffisamment précis. En effet, entre l’échelle « topoclimatique » et
« microclimatique », il y a une multitude d’éléments « perturbateurs » du climat qu’il
faut hiérarchiser.
La hiérarchisation des différents éléments du milieu est réalisée suivant une
démarche systémique. La figure 2 montre le fonctionnement du milieu suivant les
différents éléments qui le composent : atmosphère, topographie, hydrologie, phytologie,
obstacles et activités anthropiques, ... Chaque composante est inter-reliée avec les
autres, c’est-à-dire que si une des composantes subit une modification, cela aura des
répercussions sur les autres. Prenons l’exemple du gel printanier au moment de la
reprise de croissance de la vigne ou des arbres fruitiers. A cette période, ces cultures
sont très sensibles aux températures négatives (Guyot, 1997 ; CITFL, 1998). Au cours
d’une nuit gélive de type radiatif (situation anticyclonique avec ciel clair et vent faible),
la variabilité spatiotemporelle des températures est généralement très importante sur
des espaces restreints : les températures les plus froides sont observées dans les
dépressions ou en amont d’obstacles où l’air froid peut s’accumuler et stagner (Quénol,
2002). Si les bourgeons, vulnérables aux basses températures, se situent dans les
secteurs où les températures sont les plus froides, le risque de gel est très important. La
combinaison entre la forte variabilité de l’aléa climatique et la vulnérabilité du végétal
engendre une localisation très précise du risque gélif et des conséquences économiques
que cela peut avoir avec la destruction d’une partie de la récolte. Par conséquent,
certaines parcelles aura quasiment 100% de dégâts alors qu’une parcelle voisine restera
intacte. Généralement, l’agriculteur s’adapte soit en plantant une variété peu sensible au
gel, soit en installant un système de lutte antigel (ex : aspersion d’eau, tour { vent)
(Quénol, 2002). Ce fonctionnement systémique de la variabilité spatiale du climat aux
échelles fines est le même dans d’autres domaines que l’agriculture. En climatologie
urbaine, il a été observé que les températures sont très variables d’un quartier { un
autre suivant la situation atmosphérique, la « position » de la ville (ex : fond de vallée,
proximité de la mer, …), les caractéristiques du bâti (ex : type de bâti, hauteur, nature
des matériaux, …), la proportion et la localisation d’espaces végétalisés et les activités
humaines (Quénol et al., 2010). Lors d’une vague de chaleur, l’exposition au risque
sanitaire pour les populations vulnérables varie fortement suivant ces caractéristiques
locales.

6
 Figure 2 : Approche systémique de la variabilité climatique aux échelles locales.

Dans cette logique de hiérarchisation des composantes du milieu, une étude de

climatologie aux échelles fines nécessite la mise en place d’une méthodologie de mesures et
de modélisation prenant en compte l’imbrication des échelles spatiales et temporelles.

1.2 Analyse du climat aux échelles fines

1.2.1 Une méthodologie multiscalaire
L’observation du climat aux échelles fines implique donc une méthode d’acquisition
des données météorologiques adaptée. A l’échelle « régionale » où la localisation des
stations obéit { des normes officielles permettant de limiter l’impact des perturbations
locales3, les données (validées et homogénéisées) des réseaux nationaux sont utilisées.
Aux échelles plus fines où l’objectif est de déterminer l’influence du milieu sur les
variables météorologiques, l’emplacement des postes de mesures ne peut pas être défini
en fonction des normes standards mais suivant l’emboîtement des échelles spatiales
auxquelles les différents éléments de la surface sont susceptibles de modifier le climat
local. Les stations météorologiques des réseaux nationaux permettent d’obtenir des

3 Selon l’Organisation Mondiale de Météorologie (1990), « La station météorologique doit être située en
terrain dégagé, éloignée des bâtiments et des rideaux d'arbres de plus de 10 fois leur hauteur ».

7
informations en continu et simultanément sur plusieurs points de l’espace, mais ce
réseau est peu adapté aux expérimentations climatiques aux échelles fines. La densité du
réseau météorologique est trop lâche pour mettre en évidence la variabilité spatiale du
climat aux échelles fines et l’emplacement des stations météorologiques n’est pas
déterminé spécifiquement suivant la problématique des expérimentations. Face à
l’insuffisance du réseau classique, l'observation de la variabilité des paramètres
météorologiques aux échelles fines passe donc par la mise en place d’un réseau de
mesures adapté à la configuration du milieu et aux problématiques d’études de
climatologie appliquée.

Suivant cette démarche, deux types de données météorologiques issus de réseaux

météorologiques imbriqués sont utilisés :
(1) Les données des réseaux météorologiques nationaux ou régionaux. Ces données
permettent d’étudier la variabilité spatio-temporelle du climat { l’échelle régionale
mais également d’analyser les évolutions dans le temps afin de déterminer des
ruptures statistiques des données météorologiques dans le contexte du changement
climatique (lorsque les séries sont suffisamment longues). Par exemple, en France,
nous utilisons les données météorologiques des stations de Météo-France.

(2) Les données de réseaux fixes de stations ou de capteurs météorologiques installés

spécifiquement dans le cadre d’études climatiques appliquées aux échelles fines.
Contrairement aux réseaux météorologiques nationaux ou régionaux où la
localisation des stations météorologiques doit éviter au maximum les obstacles, la
répartition des appareils de mesures est réalisée en fonction des facteurs locaux
(ex : topographie, ...). Cela passe donc par la mise en place de nombreux postes de
mesures afin de quadriller au mieux le terrain d’étude. Les données sont obtenues
soit simultanément sur divers points du site avec des stations et capteurs
météorologiques enregistrant les données suivant un pas de temps défini, soit
ponctuellement par l’intermédiaire de mesures itinérantes. Les mesures itinérantes
ont l’avantage d’être illimitées au niveau du nombre de postes de mesures, en
revanche, le décalage entre chaque prise de mesures constitue une source
d’incertitude majeure au niveau de la qualité des données et de l’interprétation des
résultats. L’avantage des mesures simultanées est de pouvoir obtenir des données
de terrain sans décalage temporel sur les prises de mesures et surtout avec une
résolution temporelle similaire aux données issues des réseaux nationaux. Le
principal problème de ce type de mesures est le coût des appareils qui limite le
nombre de postes d’observation (Quénol, 2002). Mais aujourd’hui, le
développement commercial des capteurs reliés à des Data Loggers, permet
d’obtenir du matériel de bonne qualité (principalement pour la température) pour
un coût relativement bon marché.

8
 1.2.2 Une disposition spécifique du matériel de mesures
La forte variabilité spatiotemporelle du climat sur de petits espaces induit que le
choix des appareils de mesures et leur installation sont très importants afin de limiter
les incertitudes liées { l’étalonnage, { la résolution des capteurs ou { leur
positionnement. Nous avons testé de nombreux appareils de mesures (stations
météorologiques et data loggers). Ce ne sont pas obligatoirement les appareils les plus
onéreux et les plus précis qui se sont avéré les plus fiables pour ce type d’étude. Par
exemple, certains capteurs de température ont une résolution de 0,1°C mais lorsqu’on
les compare les uns avec les autres, des écarts sont observés et ceux-ci sont variables
suivant la « gamme » de température. Par exemple, nous avons observé un écart de
0,7°C pour des températures comprises entre 0 et 3°C et un écart de 0,4°C entre 5 et 7°C.
Ce type de capteurs est donc difficilement comparable. Nous utilisons les Data Loggers
Tinytag qui ont une résolution de mesures de 0, 3°C et sont étalonnés en laboratoire.
Nous faisons un étalonnage sur le terrain par comparaison. Nous n’observons aucun
écart entre chaque appareil. Il est donc préférable d’avoir des capteurs avec une
résolution moindre mais qui sont comparables les uns avec les autres. De plus, ce type
de capteur (initialement prévu pour les réfrigérateurs industriels) présente l’avantage
d’avoir une sonde thermistance déportée ce qui permet de l’installer dans un abri
antiradiation (modèle RS3 normé selon la Royal Meteorology).
Concernant les stations météorologiques complètes, deux types sont utilisés : en
milieu urbain, où les problèmes de dégradation et d’autorisation d’installation sont
nombreux, nous avons optés pour des stations à moindre coût tout en surveillant
régulièrement la qualité et l’étalonnage des capteurs. Il s’agit des stations Vantage
Monitor 2. En milieu agricole (vignobles, cultures fruitières, …), nous utilisons des
stations Campbell BWS200 avec un système de liaison GSM (Global System for Mobile
communication) afin de récupérer les données quotidiennement. Ces stations sont
également utilisées pour les « alertes » aux maladies de la vigne.
Aux échelles fines, le choix des postes de mesures est essentiel. En effet, l’objectif
étant d’analyser la variabilité climatique engendrée par des effets locaux, l’emplacement
des capteurs n’est pas choisi au hasard et, dans la mesure du possible, un maximum de
précaution doit être pris au niveau de l’installation. Par conséquent, les capteurs doivent
d’une part être disposés suivant les composantes du milieu susceptibles d’influencer les
variables climatiques et d’autre part être le mieux répartis possible sur le terrain d’étude
afin de ne pas avoir de secteurs sans prises de mesures ce qui pourrait être un problème
au niveau de l’interprétation et de la modélisation des données. Toutefois, dans
certaines situations (notamment en milieu urbain), il est extrêmement difficile de
disposer les postes de mesures de manière optimale suivant la démarche scientifique
mise en place. Cela est du au nombre très important d’obstacles en milieu urbain mais
surtout aux normes imposées par les municipalités. Par exemple, dans le cadre du
programme ECORURB (ECOlogie du Rural vers l’URBain), 20 stations météorologiques
ont été installées dans la ville de Rennes et dans sa périphérie. L’objectif était centré sur
la compréhension et la prédiction des relations biologiques ville/campagne (influencées
par certains facteurs abiotiques comme le climat) (Dubreuil et al., 2008 ). Certaines

9
stations n’ont pas pu être placées dans les secteurs choisis initialement. Par exemple, la
hauteur des capteurs n’est pas la même pour chaque station ou alors la station disposée
dans le parc principal Parc de Rennes (Parc du Thabort) n’a pas pu être placée dans le
centre du parc mais { proximité d’un mur. Afin de pallier ce type d’inconvénient, des
campagnes de mesures temporaires ont été réalisées afin d’étudier la variabilité spatiale
du climat liée { l’implantation des stations.
L’analyse des deux types de données régionales (1) et locales (2) en fonction des
échelles spatiales imbriquées permet d’aborder le climat suivant une approche
systémique et de mettre en évidence la variabilité spatiotemporelle du climat. Cette
méthodologie est appliquée en agroclimatologie ou en climatologie urbaine appliquée où
une analyse statistique des données issues des réseaux nationaux n’est pas suffisante.
Cette méthodologie de mesures adaptées aux échelles fines est illustrée dans ma
participation { la réalisation d’un « Atlas agroclimatico do entre Douro e Minho » dans le
cadre d’un contrat postdoctoral au laboratoire de géographie physique de la Faculté des
Lettres de Porto (Monteiro et al, 2003).

1.2.3 Exemple d’un dispositif de mesures agroclimatiques

Ce programme de recherche avait pour objectif de réaliser un atlas climatique à
partir d’un réseau de 11 stations météorologiques complètes (température de l’air,
humidité relative, direction et vitesse du vent, précipitations) ayant une base de données
journalière de 10 ans. Entre des problèmes de qualités des données et d’emplacement
des stations de mesures, l’analyse climatique « régionale » a permis de réaliser des
cartes assez « grossières » du climat de la région Do Entre Douro e Minho où est produit
le vinho verde. Mais cette étude n’a pas permis de répondre aux questions principales
posées par la profession viticole : quelle est la relation entre le climat et les différents
types de cépages cultivés ? Et surtout, pour quelles raisons le cépage Alvarinho, qui est
la variété qui permet de faire un vinho verde de qualité, ne peut être cultivé que sur
quelques hectares (100 000 ceps de vignes) dans un secteur bien défini (frontière nord
entre le Portugal et l’Espagne). Le cépage Alvarinho est cultivé dans le vignoble de
Monção (figure 3b). Ce cépage est caractérisé par des vins de très bonne qualité mais
exige des conditions pédo-climatiques spécifiques. Précoce au débourrement et à la
maturation, cette variété est très sensible aux forts refroidissements printaniers et aux
amplitudes thermiques diurnes trop importantes. De nombreux essais de plantation de
ce cépage ont été effectués dans d’autres vignobles de la région mais cette variété n’a
pas réussi { s’adapter (Garido, 1984).
Un protocole de mesures météorologiques et agronomiques adapté aux échelles
fines a été mis en place dans les vignobles de Monção et d’Arcos de Valdevez. Ces
vignobles sont très proches (moins de 30 km) et réputés pour la qualité des vins mais
dont les différences de cépages et des types de vin (taux d'alcool, couleur) laissent
entrevoir des conditions climatiques locales spécifiques (Reis, 2002). Par exemple, dans

10
le vignoble d’Arcoz de Valdevez, les essais de plantation d’Alvarinho se sont toujours
soldés par un échec.
Sur les deux sites expérimentaux, des capteurs de températures de type Tinytag ont
été installés dans les deux vignobles suivant les caractéristiques locales (ex pente,
exposition, distance { la rivière…) (figure 3b et c ; tableau 1). Les températures ont été
enregistrées en continu de février à octobre (du début de la reprise de végétation
jusqu’aux vendanges) 2003 et 2004. Des mesures itinérantes d’écoulements d’air de
surface ont été réalisées en situation de gelées nocturnes afin d’estimer les secteurs où
l’ai froid s’écoule le long des pentes ou stagne dans les replats. En parallèle, les données
des deux stations du réseau régional (Arcos de Valdevez et Monçao) ont été analysées.
Les résultats ont montré une forte variabilité spatiale des températures sur des
espaces relativement restreints : entre les deux sites expérimentaux (distants de
quelques kilomètres) et à l'intérieur même des sites (quelques mètres).
Le microclimat sur le site d'Arcos-de-Valdevez se définit par une forte variabilité
spatiale des températures engendrée par la topographie. Par exemple, les températures
nocturnes en situation radiative (ciel clair, vent inférieur à 2 m/s) sont plus faibles sur
les terrasses ou dans les secteurs où l'air froid véhiculé par les écoulements gravitaires a
tendance à s'accumuler. Par conséquent, au printemps, les vignes situées sur les coteaux
enregistrent des températures nocturnes relativement élevées. Ces conditions ont
entraîné la plantation de cépages sensibles aux gelées printanières tels que le Loureiro
(cultivé sur les coteaux de ce terroir). Toutefois, lors des épisodes gélifs de mi-février,
les températures négatives sur les coteaux ont atteint des valeurs pouvant provoquer
des dommages pour la vigne après le débourrement (-4°C la nuit du 15 au 16 février
2003 ; -3,5°C la nuit du 16 au 17 février 2003). Si ces épisodes gélifs s'étaient produits
au début du mois de mars (débourrement du Loureiro), la probabilité que ce cépage
subisse des dommages aurait été très grande. Sur les terrasses, les températures diurnes
et nocturnes sont beaucoup plus basses avec notamment de très faibles valeurs relevées
lors de nuits gélives pouvant entraîner la destruction des bourgeons. Mais, dans les
secteurs les plus froids, le cépage cultivé est le Vinhão. Cette variété à débourrement
tardif est peu sensible au gel printanier, cependant si un fort refroidissement nocturne
se produit à la mi-avril, les dégâts peuvent également être importants pour cette variété.
Au cours de la nuit du 11 au 12 avril 1998, une forte gelée a engendré d’importants
dégâts dans les vignobles de vinho verde (Madureira et al., 2002). A Arcos-de-Valdevez,
les dommages ont été observés sur la terrasse proche de la vallée du Lima au niveau des
points 8 et 9. Il ne s’agit pas du secteur le plus froid (action modératrice de la rivière)
mais des parcelles où le niveau de croissance de la vigne était le plus avancé.

11
 a) b)

c)

Figure 3 : Caractéristiques des postes de mesures météorologiques disposés dans la région do

Entre Douro e Minho (a) dans les vignobles expérimentaux de Monçao (b) et d’Arcos de Valdevez
(c) (Portugal) (Quénol et al., 2007).

Le microclimat dans la vallée de Troviscoso se caractérise par une variabilité spatiale

thermique nettement moins forte que sur le site d'Arcos-de-Valdevez. L'aérologie locale
nocturne explique que le refroidissement nocturne radiatif soit peu important. La nuit,
la présence d'écoulements gravitaires (vitesse supérieure à 3 m/s), engendrés par les
fortes pentes des reliefs adjacents, limite la baisse des températures. En situation gélive
radiative, les températures du site sont homogènes et les écarts avec Arcos-de-Valdevez
sont considérables (jusqu'à 7°C) (figure 4). Ce terroir est donc caractérisé par des

12
températures minimales printanières assez élevées. Ces conditions climatiques sont
donc favorables au cépage Alvarinho qui est sensible au gel. Ce microclimat, très
localisé, explique (en partie) la faible surface où ce cépage est cultivé (quelques
exploitations dans la région de Monção) (Quénol et al., 2004 et 2007 ; Maciel et al.,
2007).

b)

a)

Figure 4 : Températures minimales de la nuit du 15 au 16 février 2003 à Arcos de

Valdevez (a) et à Monçao (b). (Quénol et al., 2007)
Cette forte variabilité spatiale des températures minimales entre les deux sites liée
principalement { la topographie s’observe également sur les températures maximales. A
Monçao, la topographie accidentée favorise la formation d’écoulements anabatiques qui,
en brassant l’air ambiant, limite le réchauffement diurne. A Arcos-de-Valdevez où
l’intensité des pentes est moins forte, les températures maximales sont nettement plus
élevées qu’{ Monção.
L’amplitude thermique diurne, beaucoup moins forte à Monção, et l’absence de
gelées de printemps font que les conditions climatiques locales sont très favorable
à la culture de l’Alvarinho. L’analyse des données du réseau « régional » n’a pas permis
de mettre en évidence ces particularités climatiques locales. Seule une
expérimentation climatique adaptée aux échelles fines permet de caractériser
cette forte variabilité climatique sur des espaces restreints.

13
 L’intérêt des mesures météorologiques aux échelles fines est multiple : d’une part,
l’acquisition de données simultanément sur divers points de l’espace permettra de
réaliser un état des lieux de la climatologie locale et d’en déduire les secteurs { risques
(économique ou sanitaire). D’autre part, l’enregistrement en continu des variables
météorologiques ouvrira des perspectives sur la gestion des aléas et des risques liés au
climat mais également d’aborder la question de l’adaptation au changement climatique.

1.3 Validation des observations climatiques

Les expérimentations climatiques effectuées en fonction des échelles spatiales
imbriquées permettent d’analyser la répartition des variables climatiques sur de petits
espaces. Ces données ont de multiples applications dans les domaines de l’agriculture,
de la biodiversité, de la santé, ... Cette variabilité spatiale des paramètres
atmosphériques influencée par les facteurs locaux doit être validée par l’intermédiaire
de données de « réponse » afin d’évaluer, par l’exemple, l’hétérogénéité du risque
lorsqu’il s’agit d’un aléa climatique.
Pour les études agroclimatiques en viticulture, la variabilité spatiale des paramètres
atmosphériques { l’échelle d’un vignoble doit être validée par l’intermédiaire des
données de réponse viticoles et/ou œnologiques afin d’évaluer l’hétérogénéité de la
qualité du raisin et du vin influencée par les facteurs locaux. La caractérisation de la
réponse vitivinicole porte sur la croissance de la plante en fonction de la période de son
cycle végétatif (par l’intermédiaire du suivi des stades phénologiques et de la date de
récolte) et sur la qualité du raisin en analysant les teneurs en sucres et acides
organiques, l’acidité totale, ainsi que la teneur en anthocyanes pour les raisins rouges
(Barbeau 2004 ; Morlat, 2010). En cas de phénomènes météorologiques extrêmes
comme des gelées de printemps ou des périodes de sécheresse, les conséquences sur les
végétaux sont analysées (ex : bourgeons gelés ou stress hydrique de la vigne).
Par exemple, pour l’étude agroclimatique dans les vignobles de vinho verde, un suivi
de la phénologie de la vigne et de la qualité du raisin a été effectué durant toute la
période de croissance de la vigne (de mars à octobre). Les résultats ont montré, dans les
vignobles d’Arcos-de-Valdevez, une très forte variabilité temporelle au niveau de la
phénologie de la vigne où l’on peut noter un décalage de plusieurs semaines entre les
points les plus froids (ex : terrasses ou fond de vallée) et les pentes bien exposées aux
radiations solaires. Par exemple, le 1er avril 2003, période où certains capteurs
enregistrent encore des températures nocturnes négatives, la vigne au niveau du point
n°4 (terrasse) est encore au stade C (début du débourrement) alors que sur le point 10
(forte pente exposée Est), elle est au stade F (grappes visibles) (figure 4) (Baggiolini,
1952) sachant que plus le stade de croissance est développé plus la sensibilité aux
basses températures est grande (Cellier, 1989). Cela n’a pas eu d’impact au niveau du
risque gélif car les cépages les moins sensibles, qui sont également les moins précoces,
sont plantés dans les zones les plus froides. On peut noter ici une forme d’adaptation du
viticulteur à la variabilité spatiale de la température.

14
 La validation des données climatiques par le suivi de la végétation ne se fait pas
uniquement dans des études d’agro-climatologie. En climatologie urbaine, la variabilité
climatique intra- et interurbaine liée principalement { l’Ilot de Chaleur Urbain (ICU)
peut avoir des conséquences sur la qualité de vie, la santé ou sur la biodiversité. Dans le
programme pluridisciplinaire ECORURB, parallèlement à une expérimentation
climatique, un protocole d’analyse phénologique a été mis en place afin d’observer
l’impact de la variabilité climatique sur la végétation dans l’agglomération rennaise.
Depuis 2003, le programme pluridisciplinaire ECORURB a pour objectif de
comprendre les effets de l’urbanisation sur la biodiversité locale et de prévenir les
risques biologiques à Rennes (Ille-et-Vilaine). Parmi les modifications
environnementales générées par l’accroissement urbain et qui sont susceptibles
d’affecter la dynamique des espèces végétales, le climat apparaît comme une des
variables clé { étudier. Le cœur du projet, d’un point de vue écologique et biologique
porte sur l’étude des dynamiques des espèces { l’interface rural-urbain et notamment
sur la cartographie des climats locaux au moyen d’un réseau de mesure et de la
phénologie d’espèces indicatives (Mimet et al., 2005 ; Mimet et al., 2009 ; Quénol et al.,
2010).
Ce dispositif expérimental a pour objectif d’étudier le rôle direct du climat urbain sur
la phénologie printanière par la mise en relation directe entre les données
phénologiques et les données climatiques des sites. Il est complété par un protocole
expérimental novateur visant à éliminer le biais causé par la variabilité phénologique
intra-spécifique. Des branches de cerisier ont été prélevées sur un même individu et à la
même hauteur. Les rameaux ont été installés dans des sachets d’eau (avec eau de javel
diluée au 1/1000ème pour limiter la prolifération des microorganismes). Ces sacs ont été
orientés au sud et placés contre un mur ou une haie à 1,5 m de hauteur, pour se trouver
dans les mêmes conditions d’ensoleillement. Ces conditions ont été respectées sur
l’ensemble des sites. Les suivis phénologiques ont été réalisés en déterminant les stades
de développement des bourgeons. Le dispositif est mis en place à proximité (1 à 2 m) de
six stations météorologiques réparties sur un gradient d’urbanisation nord-est/sud-
ouest s’étendant du centre-ville à la zone périurbaine. Chaque station est caractérisée
par son appartenance { l’une des trois zones d’urbanisation : urbain (U), suburbain (SU)
et périurbain (PU) ; ainsi que par les conditions de végétalisation de la station :
végétalisée (v) ou non-végétalisée (pas de marqueur) (figure 5).

15
 Figure 5 : Occupation du sol dans un rayon de 200m autour de 6 stations météorologiques de la
métropole rennaise (Quénol et al., 2010).

Les données issues du réseau météorologique ont montré une forte variabilité
spatio-temporelle du climat { l’échelle ville/campagne mais également { l’échelle intra-
urbaine. Ainsi, d’importantes variations climatiques sont observées entre les stations
urbaines, suburbaines et périurbaines. Outre la distance au centre-ville (où le bâti dense
engendre une augmentation diurne et nocturne des températures), la nature de
l’occupation du sol a un impact important sur le climat local. Ainsi, le climat observé
dans une zone dégagée et végétalisée suburbaine peut être très proche de celui relevé
dans une zone périurbaine (Quénol et al., 2010).
Les résultats phénologiques ont confirmé les travaux déjà réalisés dans des villes
européennes (Roetzer et al., 2000) et chinoises (Luo et al., 2007). La première
constatation a été un déclenchement plus précoce de la floraison en ville. Les écarts
thermiques enregistrés entre chaque station météorologique ont montré une
concordance avec les observations phénologiques : les différences de température
(notamment températures minimales) entre les secteurs urbains, suburbains et
périurbains sont plus importantes au cours des premières observations notamment au
moment du débourrement. C’est { cette période que les écarts phénologiques ont été les
plus forts (figure 6).

16
 Figure 6 : Evolution de la phénologie du cerisier en fonction de l’occupation du sol dans la
métropole rennaise entre le 1er mars et le 1er avril 2005.

1.4 Spatialisation et modélisation adaptées aux échelles fines

Dans une démarche similaire { l’acquisition des données, les techniques de
modélisation spatiale doivent prendre en compte l’influence de ces paramètres locaux
sachant qu’ils agissent sur les variables météorologiques { différentes échelles spatiales
imbriquées. Il convient donc d’utiliser des méthodes permettant d’établir les relations
entre les caractéristiques de surface (topographie, occupation du sol) et les variables
météorologiques.

1.4.1 Modélisation géostatistique

Les méthodes statistiques constituent des outils essentiels pour résumer un grand
nombre de données { traiter, pour identifier d’éventuelles structures ou récurrences
dans le temps et dans l’espace, en somme pour dégager l’information contenue dans les
bases de données. Outre leur apport dans l’étude de la variabilité d’un phénomène, les
méthodes statistiques permettent également de tester des hypothèses sur les relations
entre plusieurs phénomènes (Madelin, 2004). Les méthodes statistiques utilisées
couramment pour l’interpolation des données météorologiques issues des réseaux
climatologiques classiques sont inadaptées aux échelles fines. Il convient donc d’utiliser
des méthodes permettant d’établir les relations entre les caractéristiques de surface

17
(morphologie, occupation du sol) et les variables météorologiques. « Les méthodes les
plus prometteuses de cartographie { échelle fine (…) reposent sur une interpolation
supervisée des mesures localisées, utilisant des relations statistiques (généralement des
régression multiples) entre les paramètres climatologiques mesurés et des descripteurs
quantifiés » de l’état de la surface (Kergomard, 2002). Spatialiser un élément
météorologique ou climatique revient à déterminer, à partir des valeurs mesurées de ce
paramètre pour quelques postes météorologiques irrégulièrement répartis, sa valeur en
tout point non instrumenté de l’espace (Merlier, 2001).
Comme l’indique Madelin (2004), les méthodes statistiques constituent des outils
essentiels pour résumer un grand nombre de données à traiter, pour identifier
d’éventuelles structures ou récurrences dans le temps et dans l’espace, en somme pour
dégager l’information contenue dans les bases de données. Outre leur apport dans
l’étude de la variabilité d’un phénomène, les méthodes statistiques permettent
également de tester des hypothèses sur les relations entre plusieurs phénomènes. Dans
ce type d’étude, l’existence d’un lien entre les éléments climatiques et différents facteurs
(topographie, occupation du sol, …) est testée. Afin de spatialiser les données
ponctuelles des mesures sur le terrain, nous cherchons donc à déterminer quels sont les
facteurs géographiques, environnementaux et topographiques influençant de manière
significative la distribution spatiale des mesures observées. Ainsi, dans une démarche
hypothético-déductive, il s’agit de quantifier leur rôle en testant et en mesurant les effets
respectifs de chaque facteur sur les paramètres météorologiques et de construire in fine
des modèles statistiques { partir de régressions multiples. L’équation de cette
régression est alors utilisée pour spatialiser, par l’intermédiaire d’un Système
d’Information Géographique (SIG), le phénomène en tout point de l’espace (en fonction
des paramètres locaux) (figure 7).

18
 Figure 7 : Principes de la modélisation statistique multicritères appliquée aux échelles fines
(Madelin et Quénol, 2012)

Avec l’amélioration des fonctionnalités des SIG et l’augmentation des capacités de

calcul des ordinateurs, la spatialisation avec les méthodes statistiques multicritères a été
utilisée dans de nombreuses études de la climatologie appliquée (Laughlin et Kalma,
1987 ; Blennow et Persson, 1998 ; Bradley et al., 2002 ; Chapman et Thornes, 2006 ;
Stahl et al., 2006 ;Joly, 2007).
L’application de cette démarche de spatialisation du climat aux échelles fines par
méthodes statistiques et SIG nécessite entre autre des données de bases possédant une
résolution fine (ex : modèles numériques de terrains, occupation du sol,
météorologiques, …).

1.4.2 Modélisation numérique à méso-échelles

L’explication apportée par le modèle de la régression multiple, centré sur les facteurs
géographiques et environnementaux reste partielle. D’autres facteurs tels que la
circulation atmosphérique peuvent être également intégrés en modélisation grâce à
l’utilisation de modèles atmosphériques méso-échelle tels que, pour n’en citer quelques
uns parmi les plus connus, les modèles ALADIN (Aire Limitée Adaptation dynamique
Développement InterNational, http://www.cnrm-game.fr), RAMS (Regional Atmospheric

19
Modeling System) (www.atmet.com), MM5 : la cinquième génération du Penn State /
modèle NCAR (www.mmm.ucar.edu/mm5) ou WRF (Weather Research and
Forecasting) (http://wrf-model.org/index.php). Ces modèles atmosphériques dits
physiques permettent d’appréhender la complexité du milieu (transferts
Sol/Atmosphère), difficilement prise en compte par le type de modélisation précédent
(géostatistique). Ces modèles sont utilisés notamment dans la prévision / prédiction
météorologique (Cox et al., 1998 ; Case et al., 2002 ; Kain et al., 2006 ; Pattanayak et al.,
2008), de la qualité de l’air (Pielke et al., 1991 ; Uliasz et al., 1996 ; Mavrakis et al., 2010)
ou encore dans la prévision climatique régionale (Avissar et Mahrer, 1988 ; Heinemann
et Martsolf , 1988 , Kondo et Okusa, 1990 ; Miller et al., 2003 ; Done et al., 2004 ; Gandu
et al., 2004 ; Narapusetty et Mölders, 2005). Les références citées ci-dessus (liste non
exhaustive) montrent que ces modèles sont utilisés depuis plusieurs décennies dans
plusieurs pays { des fins différentes et surtout qu’ils évoluent rapidement grâce {
l’augmentation de la puissance des calculateurs qui permet l’amélioration aussi bien de
leur résolution que de leur complexité.
Par exemple, le modèle méso-échelle RAMS (Regional Atmospheric Modeling
System), { l’origine développé par l’Université du Colorado (Pielke et al., 1992), est un
modèle parallélisé qui permet la simulation ou la prévision de circulations
atmosphériques dont l’échelle spatiale s’étend de moins de 1 km au millier de km
(www.atmet.com). C’est un modèle non-hydrostatique qui prend donc en compte les
hétérogénéités de surface : topographie (USGS 1 km ou SRTM 90 m), texture du sol (FAO
1km), occupation du sol (USGS 1km basé sur des images AVHRR), NDVI (USGS 1km) et
température de surface de la mer (NOAA 100 km) ainsi que les processus de convection
et de condensation (microphysique).
La circulation générale et la dynamique d’échelle locale sont intégrées au moyen de
grilles imbriquées. RAMS intègre, entre autre :
(1) Une analyse objective sur des niveaux isentropiques qui permet l’initialisation du
modèle à partir de données météorologiques telles que les analyses du centre européen
du Reading European Centre for Medium-Range Weather Forecasts (ECMWF) ou les
analyses du National Center for Environmental Prediction - National Center for
Atmospheric Research (NCEP-NCAR) (Kalnay et al., 1996), l’assimilation des
radiosondages locaux et les paramètres atmosphériques relevés par les stations
météorologiques au sol.
(2) Un modèle sol et végétation décrivant les interactions sol-végétation-atmosphère
(LEAF2). Un examen du rôle des conditions de surface de la terre dans les modèles
atmosphériques, y compris la version 2 du Land Ecosystem–Atmosphere Feedback
(LEAF-2) dans RAMS est décrit dans Chen et al., (2001).
RAMS est construit autour d’un ensemble complet d’équations qui décrivent la
dynamique et la thermodynamique de l'atmosphère ainsi que les quantités de vapeur
d'eau et du rapport de mélange d’hydrométéores liquides et de glace. Ces équations sont
complétées par un large choix de paramétrisations pour la diffusion turbulente ; le

20
rayonnement solaire et terrestre; les processus d’humidité, y compris la formation et
l'interaction des nuages et de précipitation hydrométéores liquides et de la glace ; les
effets cinématiques de terrain ; la convection de cumulus ; les échanges de chaleur
latente et sensible entre l'atmosphère et la surface, consistant en plusieurs couches de
sol, végétation, couverture neigeuse, eau de la canopée et eau de surface. Un examen du
rôle des conditions de surface de la terre dans les modèles atmosphériques, y compris la
version 2 du Land Ecosystem–Atmosphere Feedback (LEAF-2) dans RAMS est décrit
dans Chen et al., (2001).
RAMS a été utilisé dans plusieurs études pour démontrer le rôle de la variabilité du
relief/paysage dans la génération locale de circulations de masses d’air (ex : Helmis et
al., 1987 ; McQueen et al., 1995).
Le transfert d’échelles est assuré par un système de grilles imbriquées sur des
domaines de résolutions différentes communiquant l’information entre elles selon les
algorithmes de Clark décrits dans Clark et Farley (1984) et Walko et al., (1995).
Les données climatiques provenant des réseaux de stations automatiques sur les
domaines étudiés permettent de confronter les résultats des simulations aux données
d’observation (validation) (figure 8).
« L’intérêt du modèle est qu’il tient compte des propriétés de surface (relief, occupation
du sol) tout en adaptant la description à la maille de la simulation » (Bonnefoy et al.,
2009). La résolution adaptée aux échelles fines dépend de la qualité des données
d’entrée (ex : modèle sol/végétation, …) et de la capacité en temps de calcul. De
nombreuses modélisations climatiques régionales ont été réalisées et ont montré les
capacités de ces modèles { reproduire la variabilité climatique { des résolutions d’une
dizaine de kilomètres (Klemp et al., 2006). Mais ces dernières années, avec le
développement des modèles régionaux dans le cadre d’études climatiques appliquées
notamment en relation avec le changement climatique, avec l’amélioration de la
résolution de l’état de surface (sol, végétation et topographie) grâce notamment { la
télédétection haute résolution et avec l’augmentation de la capacité de calcul des
ordinateurs, ces modèles sont utilisés de plus en plus à des échelles spatiales plus fines.
Bonnardot et Cautenet (2009) ont utilisé RAMS pour réaliser une modélisation
climatique dans le vignoble de la Province occidentale du Cap en Afrique du Sud. Des
simulations à 200 m de résolution ont montré l’intérêt et l’apport de cette grille { haute
résolution pour modéliser l’impact de la circulation atmosphérique locale sur la région
viticole (figure 8).

21
Figure 8 : Principes théoriques de la modélisation numérique méso-échelle appliquée { l’échelle
des terroirs viticoles.

22
 2. Observation et modélisation spatiale du climat à l’échelle des
terroirs viticoles

L’évolution actuelle et future du climat global engendre de nombreuses

interrogations sur le fonctionnement des géosystèmes aux échelles locales. Un
changement global du climat aura obligatoirement des répercussions sur le climat local
pouvant engendrer un risque pour les individus et leurs activités (inondation,
brouillard, gelée …). C’est le cas de la viticulture où la qualité du vin, le choix des cépages
ou encore la spécificité des terroirs dépendent de caractéristiques locales (topographie,
type de sol, …) qui vont agir sur le climat. Un changement global du climat aura
obligatoirement des répercussions sur le climat local, sur les caractéristiques du vin et
donc des conséquences au niveau économique. Dans ce contexte, les impacts attendus
d’un éventuel changement climatique posent un certain nombre de questions, ne serait-
ce que pour améliorer l’adaptation.
Dans un contexte d’intensification des concurrences entre les pays producteurs de
vins, les viticulteurs des pays traditionnels se défendent en mettant en valeur la
spécificité des terroirs définis en partie par les climats locaux. La notion de terroir est,
pour le viticulteur, un outil de commercialisation car il permet d’apporter une spécificité
et une identité au vin. Les professionnels viticoles sont alors demandeurs d’outils et de
techniques scientifiques pour évaluer les potentialités agroclimatiques actuelles et
futures, notamment à travers une meilleure connaissance des variations locales du
climat afin d’adapter suffisamment tôt leurs pratiques culturales. L’évaluation du
changement climatique adapté { l’échelle du terroir (échelles fines) est donc primordiale
dans l’optique de la mise en place d’une politique raisonnée d’adaptation aux
modifications du climat.
Les approches de ces phénomènes à partir des modèles de circulation générale
(MCG) ne sont pas adaptées aux échelles fines et, de ce fait, apportent des résultats trop
approximatifs. Même si de réels progrès ont été réalisés ces dernières années au niveau
de la modélisation climatique régionale, aucun modèle utilisé dans un cadre
opérationnel ne permet de faire une simulation du climat aux échelles locales alors que
très souvent des appellations viticoles concernent des secteurs de quelques kilomètres
carrés. Par exemple, l’appellation « Quart de Chaumes » dans les Coteaux du Layon
s’étend sur un secteur d’environ 2km sur 3km. Cette appellation est définie par des
caractéristiques de sol, d’exposition (principalement sud), environnementales
(proximité de la rivière Le Layon) et de cépage (Chenin) spécifiques. C’est la
combinaison de ces caractéristiques (plus le travail du vigneron) qui permet d’élaborer
ce vin liquoreux avec sa spécificité reconnue. C’est donc { une échelle spatiale plus fine,
en tenant compte des caractéristiques de surface et des capacités matérielles des
viticulteurs, qu’il sera possible d’évaluer les conséquences imputables au changement
climatique. Une estimation des conséquences du changement climatique à une échelle
fine permettrait de mieux orienter les possibles conséquences économiques et sociales
de changement.

23
 Les programmes ANR-JC TERVICLIM (2008-2012) et GICC-TERADCLIM (2011-2013)
ont pour objectif de mettre en place une méthodologie de mesures (météorologiques et
agronomiques) et de modélisation spatiale du climat adaptée aux échelles fines afin de
définir le climat actuel des terroirs viticoles et d’apporter des réponses aux
conséquences futures du changement climatique en procédant à une simulation adaptée.
Notre démarche scientifique vise à mettre en place une méthodologie reposant sur
des observations climatiques et agronomiques in situ et sur de la modélisation spatiale
du climat, permettant d’évaluer la variabilité spatiale des paramètres atmosphériques {
l’échelle d’un terroir (valeurs moyennes et extrêmes climatiques). Confrontée { des
observations agronomiques (stress hydrique, phénologie, taux de sucre, taux d’alcool,
…), l’étude météorologique permet de déterminer le climat spécifique d’un terroir. En
comblant le manque de données aux échelles fines, ce travail permet d’affiner les
connaissances sur les modifications climatiques qui pourront apparaître dans les
terroirs viticoles et donc d’améliorer les estimations sur les possibles impacts
économiques. Cette méthodologie est développée et appliquée à plusieurs vignobles de
renommée internationale, vignobles pour lesquels les caractéristiques climatiques
jouent un rôle important sur la qualité du vin et où des expérimentations scientifiques
sont menées (par les partenaires du projet TERVICLIM) depuis plusieurs années
notamment dans le cadre de ces 2 programmes de recherches. La complémentarité des
sites expérimentaux (terroirs français, européens et étrangers du « nouveau monde »)
permet d’étudier les potentialités agro-climatiques locales des terroirs dans des
conditions macro-climatiques différentes.
Ce type de démarche, sur la compréhension du fonctionnement du système
climatique aux échelles fines avec la mise en place de méthodes de mesures
(météorologiques et agronomiques) ou des techniques de modélisation spatiale, fait
inévitablement appel au savoir-faire d’autres disciplines. Cette équipe interdisciplinaire
composée de géographes, d’agronomes, de physiciens de l’atmosphère et de
professionnels viticoles (ingénieurs, viticulteurs, …) a été mise en place de manière {
mettre en relation différentes compétences nécessaires pour répondre à cette
problématique. Ces programmes de recherche sont conduits en collaboration avec
l’industrie viticole pour répondre aux besoins du monde vitivinicole et améliorer la
connaissance des relations plante/environnement afin d’assurer la production de vins
de terroirs de qualité, uniques et compétitifs sur le marché international.

2.1 Les terroirs viticoles et le changement climatique

2.1.1 Les terroirs viticoles
Selon les disciplines et les pays viticoles, la notion de « terroir viticole » varie ce qui
explique les difficultés qu’a eu l’Organisation International de la Vigne et du Vin (OIV) à
proposer une définition commune à tous les pays membres. « Le terroir vitivinicole est
un concept qui se réfère à un espace sur lequel se développe un savoir collectif des
interactions entre un milieu physique et biologique identifiable et les pratiques vitivinicoles
appliquées, qui confèrent des caractéristiques distinctives aux produits originaires de cet

24
espace » (Résolution OIV/Viti 333/2010). En 1984, l’Institut National des Appellations
d’Origine (INAO) avait défini le terroir comme « un ensemble de terrains qui par la nature
plus ou moins variée de leur sol (caractères agronomiques et géopédologiques), leur
situation et leur environnement (topographie, exposition, … influant sur le climat) se sont
révélés par l’expérience et les usages propices { la production des vins fins ». Dans une
même unité de terroir, les facteurs susceptibles d’agir sur la qualité du raisin et de
caractériser ce terroir, sont les composantes « climat et sol », qui sont en interaction avec
la plante et les technologies de production (Vaudour, 2003). Les spécificités des terroirs
viticoles sont donc liées à des caractéristiques locales dont le climat est un élément
essentiel. D’ailleurs, en Bourgogne, on utilise le terme « climat » pour désigner un terroir
remarquable dont l’extension géographique est particulièrement réduite (Vaudour,
2003).
Le point commun entre ces différentes définitions est l’interaction Homme/Milieu. Il
apparait donc nécessaire d’employer une approche systémique pour étudier et
caractériser un terroir viticole. Le changement climatique va inévitablement apporter
des modifications { l’identité des terroirs. Pour permettre { la profession viticole de
s’adapter suffisamment tôt { cette nouvelle donne climatique et de limiter l’impact
économique du changement climatique, il est nécessaire d’employer une méthodologie
adaptée au fonctionnement de l’agro-système viticole qui détermine le terroir : c’est-à-
dire d’étudier le climat { l’échelle du terroir en fonction des différents facteurs
environnementaux (sol, climat local, …) et humains (choix et pratiques culturaux) qui le
caractérise et en fonction de leurs interactions.
Le « terroir viticole » est « l’objet d’étude » idéal pour analyser la variabilité
spatiotemporelle du climat aux échelles locales dans le contexte du changement
climatique ; d’une part, parce que la vigne est un très bon « marqueur » du changement
climatique avec l’analyse de la phénologie et des dates de vendanges sur de longues
séries temporelles (Le Roy Ladurie, 2009) et d’autre part, parce que les caractéristiques
et la qualité des vins sont fortement influencés par les conditions locales (climat,
topographie, sol, …). La figure 9 représente l’interrelation entre les principaux facteurs
qui caractérisent la forte variabilité spatiotemporelle du climat et les caractéristiques du
vin { l’échelle d’un terroir viticole.

25
 Figure 9 : Principaux facteurs caractérisant les terroirs viticoles.

2.1.2 Relation vigne/climat : un bon indicateur du

changement climatique
Comme l’indique Seguin (2004), on peut se référer aux travaux de Rozenzweig et
Hillel (1998), de Reddy et Hodges (2000), de Soussana (2001) ou encore aux rapports
du GIEC (2001 et 2007) pour avoir un premier diagnostic des conséquences du
changement climatique sur les productions agricoles { l’échelle mondiale. Comme
indiqué dans le chapitre précédent, la vigne est un bon indicateur de l’évolution du
climat du passé et du présent. Chuine et al., (2004) ont montré la relation entre les dates
de vendanges et les grandes périodes climatiques avec notamment une avancée
moyenne des dates de vendanges de plusieurs semaines ces cinquante dernières années.
« En moyenne, sur la Côte de Beaune, les vendanges avaient lieu fin septembre au cours des
années 1960-1970 ; elles ont été avancées à la mi-septembre dans les années 1990-2000 »
(Chabin et al., 2004). Ganichot (2002) a également mis en évidence cette précocité des
dates de vendange de presque un mois en cinquante ans dans la région de Châteauneuf-
du-Pape.
Les différents travaux sur la relation entre le cycle de croissance de la vigne et le
climat ont permis d’aborder le thème de l’impact du changement climatique sur la
viticulture. En 1996, Bonnardot mettait déjà en évidence un raccourcissement de la

26
période floraison-récolte sur le cépage Pinot noir en Bourgogne associé à une
augmentation de la température durant la période de maturation. Depuis la parution
d’un article sur l’effet de l’augmentation du gaz carbonique sur la photosynthèse de la
vigne (Schlutz, 2000), l’évolution des dates des stades phénologiques en relation avec
des indices bioclimatiques a été largement étudiée dans le monde entier (Van Leuwen,
2004 ; Chuine et al., 2004 ; De Cortazar, 2006 et 2007 ; Webb et al., 2007; Bellia et al.,
2008 ; Hall et Jones, 2009 ; Briche, 2011). Ainsi, les travaux de l’INRA, notamment ceux
de Delécolle et al. (1999) et de Seguin (2002), portant sur plusieurs zones
géographiques françaises ont montré une avance significative dans la date de floraison
pour le cépage Chasselas. Ces études ont permis de définir les potentialités
agroclimatiques adaptées à une nouvelle donne climatique. Ainsi, Carbonneau (1992),
Schultz (2000), Tonietto et al. (2004) et Jones (2005) ont évalué l’impact du changement
climatique par l’analyse d’indices bioclimatiques (ex : indice héliothermique saisonnier,
indice de sécheresse, indice de fraîcheur des nuits, …), de dates de maturité du raisin, de
taux de sucre ou d’avancées phénologiques.

2.1.3 La question de l’adaptation

La précocité des stades phénologiques ainsi que le raccourcissement du cycle de la
vigne ont posé un certain nombre de questions sur l’impact du changement climatique
sur la viticulture et sur son adaptation (ex : évolution des variétés, adaptation des
techniques culturales, …) que cela soit { court, moyen ou long terme. En Europe de
l’Ouest, l’année 2003 a été marquée par des extrêmes climatiques (gelées de printemps
et canicule estivale) qui ont eu des conséquences néfastes pour la vigne notamment des
dégâts liés au gel en Champagne et d’importants problèmes de stress hydrique et
d’échaudage des baies dans les vignobles du sud de l’Europe (Briche, 2011 ; Briche et al.,
2011). En Australie, ce sont de longues périodes avec des températures très élevées qui
ont engendrées des dommages importants pour l’activité viticole australienne ( Webb
et al. 2007 ; Webb et al, 2008 ; Hall and Jones, 2009 ; Webb et al., 2010). D’après de
nombreux scientifiques (notamment les physiciens de l’atmosphère), ces conditions
climatiques marquées par des évènements extrêmes seront beaucoup plus fréquentes
dans le futur et auront obligatoirement un impact sur la viticulture mondiale (André et
al., 2004). Ceci pose inévitablement la question de l’adaptation des vignobles au
changement climatique.
Les méthodes d’adaptation de la viticulture sont différentes suivant l’intensité des
modifications climatiques. Par exemple, en Europe de l’Ouest, à court et à moyen terme,
les méthodes d’adaptation concernent principalement des modifications de techniques
culturales. Dans les vignobles du Val de Loire, où actuellement l’augmentation moyenne
de la température de 1°C sur les 30 dernières années a plutôt des conséquences
favorables sur la qualité des vins, Barbeau (2007) préconise à court terme une
adaptation des pratiques culturales telles que l’entretien du sol, la date et le type de
taille ou des interventions sur le feuillage, etc. A plus long terme, si l’augmentation des

27
températures moyenne est supérieure à 4-6°C, une évolution de l’encépagement (ou de
nouveaux types d’association cépage/porte-greffe), un changement technologique (ex :
irrigation qualitative de précision en zone critique) et une adaptation par l’extension de
la viticulture à des régions plus septentrionales seront certainement à envisager. « La
géographie viticole s’en trouverait modifiée, admettant une frange supplémentaire de 100
km dans chaque hémisphère vers 2020-2050 » (Vaudour, 2003). Le calcul des indices
bioclimatiques en fonction des différents scénarios du Groupe International d’Etude sur
le Changement Climatique (GIECC) ont montré d’importantes modifications sur la
répartition des vignobles { l’horizon 2070-2100 avec la disparition de certaines zones
comme le sud de l’Australie ou des pays méditerranéen et l’avènement de nouveaux
terroirs comme en Europe du Nord (Jones, 2007 ; Jones et al., 2007 ; Jones et al., 2009 ;
Hall et Jones, 2010).
Les travaux sur les adaptations au changement climatique aboutissent à des
simulations d’extension spatiale de la vigne, de changement d’encépagement, ou
d’évolution de la teneur en sucre du raisin pour les différentes régions viticoles de la
planète (Tonietto et Carbonneau, 2004 ; Jones et al., 2005). En France, Garcia de
Cortazar (2007) a « adapté un modèle générique de cultures, le modèle STICS, à la vigne à
l'échelle des grands vignobles de France pour ensuite l'appliquer à une étude d'impact du
changement climatique à la même échelle ». Les résultats ont montré la possibilité de
l’implantation du cépage Syrah dans toutes les régions viticoles françaises : ainsi, « pour
le scénario B2, la culture de la Syrah pourrait s’implanter dans les vignobles de Bordeaux
et Anjou et dans le cas du scénario A2 l’adaptation pourrait s’étendre aux vignobles de
Champagne et de Bourgogne » (Garcia de Cortazar, 2006).
La vigne est donc extrêmement sensible aux variations climatiques, avec des variétés
spécifiques produisant des vins avec une typicité et une qualité qui doivent être
maintenues dans une marge étroite (Jones, 2006). L'expérience accumulée durant
plusieurs siècles (pour certaines régions viticoles) a eu pour conséquence une
répartition des vignobles et des types de cépages qui est considérée optimale pour
maintenir la viabilité de la production vitivinicole. Le changement climatique global a et
aura un impact important sur les caractéristiques et la qualité des vins, aussi bien que
sur le potentiel pour planter différentes variétés de vigne dans des secteurs existants de
vignoble (Kenny et Harrison, 1992 ; Schultz, 2000 ; Duchêne et Schneider, 2005 ; Seguin,
2010 ; Madelin et al., 2010 ;). La question de l'adaptation des secteurs de vignoble au
changement climatique est très importante parce que la vigne, contrairement aux
cultures annuelles, est plantée pour plusieurs dizaines d’années et le choix des variétés
adaptées au climat actuel et futur est très important (Howden et al., 2007 ; Battaglini,
2009).
Ces différentes études sur l’impact du changement climatique réalisées abordent les
grandes régions viticoles mondiales mais très peu observent et simulent le climat à
l’échelle d’un terroir. Peu d’études abordent les conséquences futures du changement
climatique sur les potentialités agroclimatiques aux échelles fines. Pourtant, dans
certains terroirs (notamment en milieu accidenté), les variations des paramètres

28
atmosphériques sont très importantes sur des espaces relativement restreints (de
l’ordre de quelques kilomètres { quelques mètres) et la qualité du raisin ou du vin est
souvent en relation avec les caractéristiques locales (pente, sol, …). Ce sont ces
variations du milieu aux échelles fines qui déterminent les spécificités du terroir. Il faut
donc les prendre en compte dans le cadre d’une politique raisonnée d’adaptation des
terroirs viticoles au changement climatique (figure 9).

2.2 Des mesures agro-climatiques adaptées à l’échelle des terroirs

Comme indiqué dans la partie 1.2, l’acquisition des données (météorologiques et
agronomiques) { l’échelle des terroirs viticoles se réalise suivant une démarche
d’échelles spatiales imbriquées (figure 1). Les effets locaux (pente, exposition, type de
sol, distance { la mer, …) provoquent des variations du climat qui peuvent être
supérieures { la variabilité climatique d’échelles plus vastes. C’est très souvent cette
variabilité spatiotemporelle du climat liée { des phénomènes d’échelles imbriquées (du
macro au microclimat) qui fournit les conditions optimales pour la croissance des
cépages et qui caractérisent la spécificité d’un terroir viticole (Carey et al., 2003 ; Van
Leeuwen et al., 2004 ; Bonnardot et al., 2005 ; Jones, 2006 ; Quénol et al., 2007 ;
Bonnefoy et al., 2011 ; Burgos et al., 2011).

2.2.1 Les vignobles expérimentaux

Les terroirs expérimentaux ont été choisis en fonction de leur renommée, de leur
position géographique mais aussi en fonction de leur « historique scientifique ». Que ce
soit au niveau des disciplines de la climatologie, de l’agronomie, de l’œnologie ou de la
modélisation, chaque site expérimental a été/est étudiée par un ou plusieurs partenaires
scientifique du projet. Par exemple, depuis 1991, le Comité Interprofessionnel des Vins
de Champagne (CIVC) a entrepris un zonage du vignoble. Cette démarche a consisté,
entre autres à installer un réseau de stations automatiques dans le vignoble de
Champagne. Afin d’améliorer la connaissance du climat { l’échelle locale, les stations ont
été installées dans des conditions topographiques différentes (haut-, mi-, bas-coteau,
fond de cuvette, …) représentatives du vignoble champenois. De nombreuses études sur
la relation climat local/vigne ont été réalisées notamment sur le risque gélif et les
problèmes de maladie de la vigne (Madelin, 2004).
D’autres vignobles expérimentaux ont du être équipés en stations et en capteurs
météorologiques. Au total, 20 vignobles (dont 17 ont été équipés dans le cadre de l’ANR-
JC-TERVICLIM) répartis dans 13 pays sont étudiés (figure 10 et tableau 1). Ces vignobles
sont situés : 1- dans un même domaine climatique (Bourgogne, Champagne, Pays de la
Loire, Bordelais) ; 2- dans des domaines climatiques différents (par exemple,
Champagne et Afrique du Sud) ; 3- dans des secteurs géographiquement éloignés mais
avec des conditions macro-climatiques proches (ex : Afrique du Sud et Chili). Ces
vignobles, même situés dans un même domaine climatique, ont leur spécificité (ex : type
de cépage, mode de culture, …) qui détermine l’identité des terroirs. Nous avons

29
délibérément choisi des vignobles situés dans des zones macro-climatiques différentes
afin d’appréhender les variations climatiques { des échelles différentes (macro-, méso-)
et de tester plusieurs modèles du GIECC.

Figure 10 : Répartition des vignobles étudiés dans le cadre de TERVICLIM et TERADCLIM

Tableau 1 : Vignobles équipés en stations et capteurs météorologiques dans le cadre de l’ANR-

JC-TERVICLIM et le GICC-TERADCLIM.
Les vignobles de Champagne, de Nouvelle Zélande, de la Vallée de Casablanca (Chili), de Tarija
(Bolivie), de la Vallée du Douro (Portugal) étaient déjà équipés (totalement ou partiellement) en
stations météorologiques par des organismes nationaux ou régionaux.

Vignobles Région Pays Année de

viticole début
d’installation
Coteaux du Layon Val de Loire France 2008
Saumurois
« Château Dauzac » Bordelais France 2010
« Château La Louvière » 2011

30
 Quinta de Napoles Vallée du Portugal 2010
Douro
Bodéga « Alta Vista » Mendoza Argentine 2009
Cafayate
AOC Sainte Victoire Provence France 2010
Bodega « Arinzano Navare Espagne 2008
Legardeta »
Cirque de Cilaos La Réunion France 2011
Vallée de Tarija Tarija Bolivie 2009
Vallée de Los Cintes 2011
Vallée de Bio-Bio Région VIII Chili 2008
Secteur Nord de Montevideo Montevideo Uruguay 2009
Aloxe-Corton Bourgogne France 2008
Stellenbosch Stellenbosch Afrique du 2008
Sud
Domaines Brahim Zniber Meknes Maroc 2011
Napa Valley Californie USA 2010

2.2.2 L’acquisition des données agroclimatiques

La phase d’acquisition des données météorologiques en fonction des échelles
spatiales imbriquées a débuté en 2008 dans le cadre du programme ANR-JC-TERVICLIM.
Ces données sont également utilisées dans le projet GICC-TERADCLIM pour
« alimenter » les modèles et surtout pour la phase de « validation » de la modélisation.
Avec ce dispositif de mesures et suivant cette démarche d’analyse du climat {
l’échelle des vignobles, des observations à plusieurs niveaux imbriquées ont été
effectués :
1- Pour chaque région viticole, l’analyse d’une série de données journalières ou mensuelles
sur une période la plus longue possible (milieu du XXème siècle) a été réalisée pour une
ou plusieurs stations météorologiques issues des réseaux nationaux. Plusieurs méthodes
statistiques ont été utilisées afin de caractériser la présence ou l’absence d’une rupture
significative au niveau du réchauffement climatique. La détection des ruptures
climatiques a été effectuée { l’aide du test statistique de Pettitt4. Ces analyses
statistiques ont été faites sur les données météorologiques mais également sur des

4
Le test de Pettitt permet de détecter la présence d’une rupture dans une série temporelle. L’absence de rupture
dans la série est considérée comme l’hypothèse nulle d’homogénéité.

31
 indices bioclimatiques adaptés à la viticulture (encadré 1). Ces indices permettent
notamment de définir des régions climatiques adaptées à la viticulture. Par exemple,
l’évolution de l’indice héliothermique de Huglin permet la classification climatique des
vignobles dans différentes catégories du type « très frais » au « type très chaud ». Cet
indice est généralement corrélé avec la teneur en sucre du raisin (Huglin et Schneider,
1998 ; Tonietto, 2004). Plusieurs indices bioclimatiques en relation avec les différents
stades de croissance de la vigne ont été calculés (figure 11).

Figure 11 : Indices bioclimatiques d’origine thermique calculés durant la période de croissance

de la vigne dans l’hémisphère nord.
2- A l’intérieur de chaque région viticole, les données issues des réseaux météorologiques
disponibles { l’échelle régionales, ont été utilisées afin d’analyser les nuances régionales.
Lorsque nous avons disposé de suffisamment de stations et surtout de longues séries de
données, nous avons pu mettre en évidence la variabilité spatiotemporelle du climat
durant le XXème siècle. Les analyses statistiques similaires, à celles décrites dans le
paragraphe précédent, ont été effectuées.
3- A une échelle plus fine, des stations météorologiques et des capteurs enregistrant la
température sous abri ont été installées afin d’étudier la variabilité spatio-temporelle du
climat dans les vignobles. Les appareils de mesures ont été disposés d’une part, suivant
les caractéristiques locales (ex : pente, exposition, type de sol, distance { une rivière …)
susceptibles d’influencer les variables climatiques et d’autre part, en les répartissant le
mieux possible sur le terrain d’étude afin de ne pas avoir de secteurs sans prises de
mesures ce qui pourrait être un problème au niveau de l’interprétation et de la
modélisation des données. En général, quatre ou cinq stations météorologiques
complètes (températures, humidité relative, rayonnement solaire, vitesse et direction du
vent, précipitations) et une vingtaine de Data Logger enregistrant la température ont été

32
installés à hauteur moyenne de la vigne pour chaque site expérimental (photographie 1a
et b). Le choix des postes de mesures est effectué { partir de l’analyse des paramètres
topographiques (altitude, pente, exposition) issus de Modèles Numériques de Terrain,
de la cartographie des types de sol, des caractéristiques de la vigne (ex : cépages, …) et
de l’occupation du sol. Ces informations numériques sont intégrées dans un Système
d’Information Géographique et leur combinaison par l’intermédiaire de requêtes,
permet d’évaluer les différents paramètres locaux pouvant théoriquement influencer le
climat.

Photographie 1 : Station météorologique CAMPBELL BWS200 (a), data logger Tinytag sous
abri antiradiation RS3 (b) et Plant-Cam (c).

Encadré n°1 : les indices bioclimatiques

Les indices bioclimatiques permettent de déterminer les conditions climatiques optimales d’une
région viticole. Dans le contexte du changement climatique, l’analyse temporelle des indices
permet d’étudier l’évolution du climat en relation avec la viticulture notamment en caractérisant
les potentialités climatiques d’une région viticole notamment en fonction des types de cépages
(Morlat, 2010 ; Tonietto, 2004 ; Huglin, 1986).

Indice d’Huglin
La valeur de l’Indice de Huglin pour une station correspond { la valeur cumulée de l’indice { la
date du 30 septembre, le cumul se faisant depuis le 1er avril (pour l’hémisphère Nord). Pour
l’hémisphère sud, l’indice est calculé sur la période du 30 septembre au 1er avril.

IH = ∑ [(Tm-10) + (Tx-10)/2]*k
où Tm = Température moyenne, Tx = Température maximale et k le coefficient de longueur du jour
variant de 1,02 à 1,06 entre 40 et 50 degrés de latitude.
k = coefficient longueur du jour, variant de 1,02 à 1,06 entre 40 et 50 degrés de latitude :
40º 1' à 42º 0' = 1,02 ;
42º 1' à 44º 0' = 1,03 ;
44º 1' à 46º 0' = 1,04 ;
46º 1' à 48º 0' = 1,05 ;
48º 1' à 50º 0' = 1,06.

33
Indice de Winkler
L’indice des degrés jours de Winkler correspond { la somme des températures moyennes
journalières à partir de la base de 10°C qui est effectuée du 1er avril au 31 octobre (pour
l’hémisphère Nord) :
30/03
Degrés-jours = ∑ (Tj – 10) (avec Tj > 10)
01/09

Indice de Fraicheur des Nuits

Il correspond à la température nocturne minimale moyenne du mois qui précède la vendange
(Tonietto, 1999). L’analyse de cet indice est intéressante pour évaluer les aromes du raisin.

IF Standard = Température minimale de l’air du mois de septembre dans l’hémisphère Nord et

du mois de mars dans l’hémisphère Sud (moyenne des minimales en ºC).

Les valeurs de chaque indice correspondent à un type de climat ou de région spécifiques.

Régions bioclimatiques

La variabilité spatiale des paramètres atmosphériques { l’échelle d’un terroir doit

être validée par l’intermédiaire des données de réponse viticoles et/ou œnologiques afin
d’évaluer l’hétérogénéité de la qualité du raisin et du vin influencée par les facteurs
locaux. La caractérisation de la réponse vitivinicole a porté sur la croissance de la plante
en fonction de la période de son cycle végétatif (par l’intermédiaire du suivi des stades
phénologiques et de la date de récolte) et sur la qualité du raisin en analysant les
teneurs en sucres et acides organiques, l’acidité totale, ainsi que la teneur en
anthocyanes pour les raisins rouges. Le comportement de la vigne et les analyses sur les
raisins prend en compte les pratiques mises en œuvre par les viticulteurs, lesquelles,
dans la majeure partie des cas ont pour objet de contrebalancer les variations
climatiques saisonnières (travail effectué principalement par l’UMT VINITERA5). En cas
de phénomènes météorologiques extrêmes comme des gelées de printemps ou des

5 L'UMT-Vinitera est composée de l'UVV-INRA-Angers, les laboratoires Grappe et Laress de l'ESA d'Angers, la
station ITV-France du Val de Loire et la Cellule Terroirs Viticoles (49)

34
périodes de sécheresse, les conséquences sur les végétaux sont observées (ex :
bourgeons gelés ou stress hydrique de la vigne).
Pour les suivis phénologiques et les analyses des raisins, les observations sont
effectuées, dans la mesure du possible, sur des vignes ayant les mêmes caractéristiques
(ex : cépages, porte-greffe, …). Les analyses sont réalisées { proximité des stations
météorologiques suivant un protocole mis en place par l’UMR VINITERA d’Angers. Par
exemple, les observations phénologiques sont faites sur 25 ceps pour chaque point de
mesures (méthodologie mise en place par l’UMT VINITERA).
Les observations phénologiques sont également réalisées avec des Plantcam
(appareil photographique disposé à proximité du bourgeon de vigne) qui permettent
d’enregistrer régulièrement (plusieurs fois par jour) des clichés photographiques de la
croissance des bourgeons du débourrement à la maturation. Ces Plantcam ont été
disposés dans le vignoble du Val de Loire. Les résultats étant concluants, nous
envisageons d’en installer sur d’autres sites (photographie 1c).

2.2.3 Evolution des températures et des indices bioclimatiques

à l’échelle des régions viticoles étudiées
Au XXème et XXIème siècles, les courbes de température { l’échelle globale ont montré
une importante tendance au réchauffement surtout à partir de la fin des années 90. Les
dix années les plus chaudes depuis 1950 ont été observées après 1995 (Brohan et al.,
2006 ; Solomon et al., 2007). Cette tendance au réchauffement global a été variable d’un
hémisphère { l’autre. Comme l’indique Solomon et al. (2007) Ainsi que Quense (2011),
« pour l’hémisphère sud, particulièrement à partir des années 1980, on note une tendance
à l’augmentation moins nette que dans l’hémisphère nord. Pour l’hémisphère nord, la
tendance est, en moyenne, 3,5 fois plus élevée entre 1979 et 2005 par rapport à la période
1901-2005. Tandis que pour l’hémisphère sud, la tendance est similaire pour les deux
périodes ».
Pour chaque vignoble expérimental du réseau TERVICLIM, nous avons analysé les
séries de données annuelles (principalement la température minimale, moyenne et
maximale) d’une station des réseaux nationaux sur des séries temporelles comprises
entre 1960 et 2010. La plupart des stations (hormis Montevideo) ont enregistré une
hausse des températures maximales et minimales. Cette augmentation est plus ou moins
significative suivant la station et en fonction de la température (minimale et maximale) :
- les stations d’Europe de l’Ouest et de l’Est ont enregistré une forte augmentation
moyenne des températures minimales et maximales allant de 1,5°C à plus de 2°C
entre 1960 et 2010 ;
- en Espagne et au Maroc, on observe une augmentation plus importante des
températures maximales ;
- sur la façade ouest des USA, ce sont les températures minimales qui ont
enregistré une augmentation plus importante ;

35
 Dans l’hémisphère sud, le réchauffement climatique a été moins intense et
l’augmentation des températures minimales et maximales a été très variable suivant les
secteurs (figure 12):
- de part et d’autre des Andes, l’évolution des températures a été très variable. A
Curico (Chili), les températures minimales ont été de plus de 2°C alors que la
tendance est très faible pour les maximales. A Mendoza (Argentine), c’est le
contraire qui est observé, avec une augmentation proche de 2°C pour les
maximales et de seulement 0,6°C pour les minimales ;
En Afrique du Sud, { La Réunion et en Nouvelle Zélande, l’augmentation des
températures minimales et maximales est similaire (+1°C) ;
Ces résultats ont été confirmés par Carrasco (2005) qui a observé, notamment au
Chili central, une augmentation de la température minimale de 1,3 à 2,1°C et de 0,2 à
1,5°C pour la température maximale. Cette tendance au réchauffement, avec
d’importantes variations annuelles, est fortement influencée par le phénomène ENSO
(Rosenbluth et al., 1997) mais également par des facteurs régionaux tels que la
topographie (massif andin pour l’Amérique du Sud). Ces observations sont conformes
aux résultats des travaux réalisés sur l’évolution et la répartition des anomalies de
températures en comparaison avec les normales (Hansen et al., 2001 ; Hansen et al.,
2010).
Une analyse plus fine des séries thermiques a mis en évidence une variabilité
régionale liée { des changements de circulations atmosphériques d’échelle synoptique.
La courbe de la température moyenne annuelle en Nouvelle Zélande réalisée à partir des
données de sept stations météorologiques (NIWA) sur la période 1941-2010 a montré
une augmentation de 0,1°C par décade, avec une forte variabilité interannuelle liée aux
épisodes pacifiques El Niño, particulièrement les températures froides ds années 90
(figure 13).

36
Figure 12 : Evolution des températures minimales et maximales au niveau des différents
vignobles expérimentaux sur la période 1960- 2010.

37
 Figure 13 : Température moyenne annuelle entre 1941 et 2010 calculée à partir de 7 stations
météorologiques en Nouvelle Zélande (sources : NIWA)
L’augmentation des températures est différente suivant les régions viticoles de
Nouvelle Zélande. L’application de la classification des types de temps de Kidson
(Kidson, 2000) pour les stations de Nelson, de Napier (Hawkes Bay) et de Queenstown
(Vallée Centrale Otago) a montré une variabilité thermique régionale en relation avec
l’évolution des circulations atmosphériques d’échelle synoptique. L’augmentation des
températures est corrélée à l’augmentation de la fréquence des situations avec un ciel
clair le long de la côte Est, à cause des conditions anticycloniques. L’évolution
spatiotemporelle des températures entre 1960 et 2010 n’a pas été uniforme { l’échelle
de la Nouvelle Zélande, d’importantes différences étant observées suivant les stations.
Ces contrastes sont dus aux interactions entre les différentes situations synoptiques et la
topographie accidentée (Sturman et Tappert, 2006 ; Sturman et Quénol, 2011).
L’augmentation de la température dans la partie méridionale de l’ile du Sud a été
supérieure aux autres stations analysées, notamment au niveau des températures
maximales (figure 14).

38
 Figure 14 : Evolution des températures minimales (a) et maximales (b) dans les vignobles de la
Vallée Centrale Otago (station Queenstown), de Nelson et Hawkes Bay (station Napier) entre 1960
et 2010.
Cette variabilité spatiale de l’augmentation des températures a des conséquences sur
les indices bioclimatiques. D’après l’Indice d’Huglin, le type de climat viticole dans la
Vallée Centrale Otago, qui était de type « climat froid » entre 1960 et 1980, est
actuellement de type « climat tempéré », comme la région de Nelson (Nord de l’île du
Sud). Les stations de Napier (Hawkes Bay) et de Queenstown (Vallée Centrale Otago) ont
enregistré une augmentation de 200 degrés/jours alors que la station de Nelson n’a pas
eu d’augmentation de l’indice d’Huglin (figure 15).

39
 Figure 15 : Evolution de l’Indice d’Huglin dans les vignobles de la Vallée Centrale Otago (station
Queenstown), de Nelson et Hawkes Bay (station Napier) entre 1960 et 2010 (sources : NIWA).

2.2.4 Application au vignoble du Val de Loire

Dans le Val de Loire, l’analyse a été réalisée suivant la démarche multiscalaire
imbriquée exposée dans le chapitre 2.2.2, c’est-à-dire (1) { l’échelle de la région viticole
du Val de Loire puis (2) { l’échelle des vignobles d’Anjou et du Saumurois et (3) {
l’échelle de l’appellation « Quart de Chaumes » :
(1) Les données thermiques hebdomadaires et mensuelles de 10 stations de Météo-
France du Centre Ouest de la France ont été analysées de 1948 à 2010 (figure
16a). Les indices bioclimatiques ont également été calculés.
(2) Un réseau de 11 stations météorologiques Campbell a été installé en 2008 (dans
le cadre de l’ANR-JC-TERVICLIM et des programmes de recherches de l’UMT
VINITERA) dans les vignobles d’Anjou et du Saumurois (figure 16b).
(3) Plus de 20 Data Logger enregistrant la température ont été disposés dans le
vignoble de l’appellation « Quart de Chaumes ». L’appellation « Quart de
Chaumes » dans les Coteaux du Layon s’étend sur un secteur d’environ 2km sur
3km. Cette appellation est définie par des caractéristiques de sol, d’exposition
(principalement sud), d’environnement (proximité de la rivière Le Layon) et de
cépage (Chenin) spécifiques. C’est la combinaison de ces caractéristiques (plus le
travail du vigneron) qui permettent d’élaborer ce vin liquoreux avec sa spécificité
reconnue. Le climat particulier de ce terroir permet la production de vin
liquoreux suite { la formation d’un champignon (Botrycis Cinerae) et à des
vendanges tardives (Duchêne, 1996), en général au mois d’octobre voire
novembre. Le choix des postes de mesures a été effectué avec l’utilisation de la
cartographie des terroirs (type de sol, type de cépages, pratiques agricoles,…)
réalisée par l’UMT VINITERA, un Modèle Numérique de Terrain (pente,

40
 exposition, …), la cartographie de l’occupation du sol et les conseils des
viticulteurs (figure 16c).

Figure 16 : Stations et capteurs météorologiques disposés en fonction des échelles spatiales

imbriquées : a) de la Vallée de la Loire, b) en passant par les vignobles d’Anjou et Saumurois c)
jusqu’au Quart de Chaumes

41
 2.2.4.1 Températures et indices bioclimatiques à l’échelle du Val de
Loire
Comme l’indique Bonnefoy (2010), l’observation des températures moyennes
annuelles depuis le milieu du XXème siècle montre une nette tendance au réchauffement
depuis la fin des années 1980 pour l’ensemble des stations du Centre-Ouest. Le test
statistique de Pettitt (réalisé entre 1951 et 2008 pour toutes les stations) signale une
rupture climatique en 1987 commune { toutes les stations. L’augmentation de la
température moyenne annuelle a ainsi été de 0,8°C (Nantes) à 1°C (Angers) entre les
périodes pré-rupture et post-rupture. En dépit de cette rupture observée en 1987, un
premier maximum de température est présent { l’après-guerre suivi par un
rafraîchissement dans les années 70 : ce sont des oscillations déjà bien connues et
décrites (Pédelaborde, 1957 ; Pagney, 1988).
Les températures moyennes maximales (Tx) ont montré également une nette
tendance vers un réchauffement dès la fin des années 1980. La rupture de 1987 est
stable pour toutes les stations selon le test de Pettitt. Ainsi, la hausse des Tx varie de
0,8°C (Nantes) à 1,3°C à (Saumur).
Les nuances des températures moyennes minimales (Tn) sont plus marquées que
pour les Tx, et leur évolution depuis la fin des années 50 semble plus contrastée. En
effet, la rupture est beaucoup moins stable que pour les Tx, observée de 1980 à 1993
selon les stations. De plus, la courbe d’évolution des Tn laisse présager une stagnation
puis une baisse des Tn dans les années 2000 (Bonnefoy et al., 2010) (figure 17).
Le réchauffement climatique se manifeste de manière généralisée dans tout le Val de
Loire et, { une plus large échelle, sur l’ensemble du Centre-Ouest de la France, mais il
semble surtout affecter les Tx (figure 17).

42
 Figure 17 : Températures moyennes, minimales et maximales annuelles pour des stations
représentatives du climat régional du Val de Loire (1948-2008)
L’analyse des températures sur la période 1948-2008 montre aussi une variabilité
spatiale entre les stations. C’est cette analyse spatiale des températures qui permet de
définir le climat { l’échelle régionale. L’influence océanique marquée à Nantes, station
bénéficiant du climat maritime propre à la bordure atlantique française (Planchon, 1994
et 1997), s’atténue lorsqu’on se dirige vers l’intérieur des terres. En effet, certains
caractères climatiques « continentaux » apparaissent progressivement en direction de
l’est, { travers les bas plateaux du sud du bassin parisien. Ainsi, { Nantes qui représente
bien le climat maritime atlantique, les hivers y sont les plus doux avec la température
moyenne du mois de janvier la plus élevée de toutes les stations (5,3°C) et des étés sans
grande chaleur (température moyenne du mois de juillet de 19,1°C). L’amplitude
thermique annuelle reste ainsi relativement faible (13,8°C). Cette douceur hivernale liée
{ la proximité de l’océan s’atténue progressivement vers l’Est. Les autres stations
(hormis Angers et Saumur) connaissent toutes des hivers plus rigoureux avec une
température moyenne en janvier comprise entre 3,2 et 4,1°C. L’amplitude thermique
annuelle de ces mêmes stations est plus élevée en raison d’un été plutôt chaud.
Cependant, { l’effet de la continentalité s’ajoute l’influence de l’altitude ou, plus
précisément, de la topographie. En effet, plusieurs stations de référence dans cette étude

43
(Tours et Orléans) sont situées sur des plateaux peu élevés (environ 100 à 150 m), mais
toutefois suffisamment surélevés par rapport aux vallées qui les traversent, y compris la
Loire.
Saumur se démarque particulièrement des autres stations en raison de son été
chaud. Cette station enregistre la température maximale moyenne en juillet la plus
élevée de tout le Val de Loire (25,6°C). Ce climat apparemment plus clément que dans les
autres stations s’explique par la situation de la station au centre du bassin inférieur de la
Loire, et protégée { l’ouest et au sud-ouest par les plateaux et collines les plus élevés de
l’espace étudié (les Mauges atteignent 216 m au Puy des Gardes). Saumur se trouve donc
relativement abritée des circulations perturbées d’origine atlantique (Escourrou, 1982 ;
Quénol et al., 2008).
Ainsi, les nuances climatiques au sein du Val de Loire sont bien présentes et
s’expliquent notamment par la distance des stations par rapport { l’océan ou { la Loire, {
leur position latitudinale et à leur altitude. Le Saumurois en ressort particulièrement
privilégié avec des températures relativement élevées toute l’année par rapport aux
autres stations et avec la deuxième température moyenne annuelle la plus élevée après
Nantes, marquant ainsi une rupture dans l’évolution générale vers la continentalité
lorsqu’on se dirige vers l’est. Ces contrastes climatiques régionaux montrent d’une part
que les conditions bioclimatiques de la vigne et la qualité du raisin qui en résulte
peuvent être différentes d’un vignoble { l’autre (Bonnefoy et al., 2010).
L’analyse des indices bioclimatiques confirme la tendance au réchauffement pour la
totalité des stations. La hausse de l’indice de Winkler (calculé entre 1965 et 2010) n’a
pas la même intensité suivant les stations. A Nantes, l’augmentation de l’indice de
Winkler est moins importante que pour les autres stations (+148 Dj). En revanche, la
hausse de l’indice est maximale dans l’Anjou (+198 Dj) et surtout le Saumurois (+233
Dj). Ainsi, Saumur qui connaît un climat plus doux que les autres stations, notamment du
fait de sa position géographique, se réchauffe également plus vite. Tours a également
gagné 184 Dj entre les deux périodes (figure 18).

44
 Figure 18 : Evolution de l’Indice de Winkler avant et après la rupture d’homogénéité des séries
climatiques (1953-2008) (d’après Bonnefoy et al., 2011)

Cette hausse de l’indice de Winkler a donc des conséquences sur la phénologie de la

vigne. L’apport de chaleur pour chaque phénophase étant atteint plus tôt dans la saison,
les viticulteurs observent déjà une plus grande précocité de ces stades, parfois de 15
jours à 3 semaines, comme cela a pu être montré en Bourgogne ou dans le Bordelais
(Jones et al., 2005 ; Madelin et al., 2008). De plus, la croissance de la vigne et en
particulier la maturité, se déroule désormais sous des conditions plus chaudes,
notamment au mois d’Août. Le test de Pettitt nous indique pour les Tx du mois d’Août
une rupture climatique en 1986 à Saumur (significativité : 99%) et Nantes (95%) et en
1988 à Angers (99%) et Tours (95%). Ainsi les Tx moyennes entre la période pré- et
post-rupture ont augmenté d’environ 2°C selon les stations, passant de 24,6°C à 26,8°C à
Saumur, de 23,7°C à 25,3°C à Nantes, de 24,2°C à 26°C à Angers et de 24,3°C à 26°C à
Tours (Bonnefoy et al., 2010 et 2009).
L’indice de Huglin (1950-2010) est également influencé par l’augmentation des
températures notamment avec une évolution vers des valeurs plus élevées à partir des
années 1980. Nous retrouvons la période chaude des années 1950 et la période plus
froide des années 70, mais la hausse des valeurs est plus intense dès la fin des années
80. Le test statistique de Pettitt confirme la rupture climatique pour cet indice en 1987
pour Nantes, 1986 pour Saumur et 1988 pour Angers et Tours. Ainsi, la plupart des
stations étaient classées, avant la rupture climatique, dans la catégorie des climats
viticoles frais voire en climat tempéré pour Saumur dans les années 1950 et au début
des années 1960. Après la rupture d’homogénéité sérielle, les stations se trouvent plutôt

45
classées dans des climats désormais plus tempérés voire tempérés chauds à Saumur au
début des années 2000. Cependant, Tours qui est au départ une station plus fraîche que
les autres, n’est passée dans la catégorie des climats tempérés qu’au début des années
2000 grâce { une succession d’années chaudes (Bonnefoy et al., 2010) (figure 19).
Nous pouvons donc constater une hausse de l’indice de Huglin dans le Val de
Loire depuis le milieu du XXème siècle. Si nous observons le profil de l’indice { toutes les
stations, Saumur semble plus sensible aux périodes chaudes. En effet, la variabilité
temporelle semble plus marquée en amplitude que dans les autres stations, d’où sans
doute la réaction plus prononcée de Saumur au réchauffement climatique contemporain.
Cette hypothèse reste cependant à confirmer. Cette étude est intéressante, car elle
permet de poser la question de l’évolution future de cet indice. Chaque catégorie de
climat correspond { des types de cépages pouvant être plantés afin d’optimiser la
récolte. Si les vignobles changent de catégories climatiques, c’est l’ensemble des cépages
qui pourrait être remis en question.

Figure 19 : Evolution de l’Indice de Huglin (1960-2010) à Nantes, Angers, Saumur et Tours

(d’après Bonnefoy et al, 2011).
Ces changements bioclimatiques ont des impacts sur les caractéristiques du raisin
récolté, notamment la quantité de sucre (augmentation) et l’acidité (diminution), la
teneur en anthocyanes (légère augmentation) et donc, sur la typicité des vins produits
(Barbeau, 2007).
Au niveau des stades phénologiques, Barbeau (2007) a observé sur la période 1976-
2007, sur le domaine expérimental de l’INRA de Montreuil Bellay, une avancée moyenne
de la date de floraison (quelque soit le cépage) de la 2ème à la 1ère quinzaine de juin, ainsi
qu’une avancée de la véraison de la 2ème à la 1ère quinzaine d’août pour les cépages
Gamay et Grolleau et de fin août/mi-septembre à mi-août pour les Cabernets. La date

46
moyenne de vendange est plus précoce de 15 jours pour le Grolleau et le Gamay et de 10
et 8 jours pour le Cabernet Franc et le Cabernet Sauvignon (Barbeau et al., 2004).
A l’échelle de la Vallée de la Loire, nous avons observé vu une importante variabilité
spatiotemporelle des températures liée à un gradient océanique/continentalité ainsi
qu’{ la topographie et { la distance { la Loire. Le second niveau d’analyse consiste {
analyser les données des stations météorologiques installées spécifiquement dans les
vignobles d’Anjou et du Saumurois.

2.2.4.2 Températures et phénologie de la vigne à l’échelle de l’Anjou

et du Saumurois
Le réseau de stations météorologiques a été installé dans les terroirs d’Anjou et du
Saumurois en 2008. Les stations ont un pas de temps de 15 minutes. Ici, nous
présentons les températures quotidiennes minimales, maximales et moyennes en 2010
durant la période de végétation de la vigne (1er avril - 31 octobre). Les Indices de Huglin
et de Winkler ont été calculés pour les 9 stations. L'indice de fraicheur des nuits a
également été calculé entre la mi-août et à la mi-septembre.
Les différences de températures observées entre les 9 stations météorologiques
disposées dans les vignobles sont dues à leur situation géographique et topographique.
Les températures minimales moyennes calculées durant la période de croissance de la
vigne sont supérieures à 10°C (encadré n°1). Les plus basses sont observées à Chaumes
(9,4°C) dont la station est située en bas de coteau à proximité de la rivière du Layon.
Cette observation peut être expliquée par l’importante fréquence des inversions
thermiques au cours des nuits claires et calmes dans ce secteur. L'analyse { l’échelle
régionale (ch. 2.2.4.1) a montré que Saumur était la station la plus chaude du Val de
Loire de part sa situation géographique. Par conséquent, les températures minimales les
plus élevées sont enregistrées dans la région de Saumur (Souzay) et au niveau des
stations les plus proches de la Loire (Haute-Perche). En effet, la Loire limite le
refroidissement nocturne, et le réchauffement diurne. Les températures maximales les
plus élevées ont été enregistrées en Cyr-en-Bourg et à Chaumes (23,7°C). Ainsi, Chaumes
est la station où l’amplitude thermique diurne est la plus importante. Cette situation
climatique locale est très favorable pour la formation du Botrycis Cinerae (pourriture
noble) qui permet la production du vin liquoreux le « Quart de Chaumes » (Duchêne,
1996). Toutefois, les températures minimales relativement froides au niveau de cette
station peuvent accentuer le risque gélif dans ces secteurs en bas de coteau notamment
au printemps lorsque les bourgeons sont très sensibles aux basses températures. Les
températures minimales moyenne d’avril ont été enregistrées { Chaumes (4,3°C) où les
épisodes de gel sont fréquents alors que les stations disposées près de la Loire ont des
températures minimales moyennes beaucoup plus clémentes (Haute-Perche : 6,6°C). En
été, les températures maximales moyennes >25°C sont observées durant 3 mois à
Chaumes (Coteaux du Layon) alors qu’elles ne dépassent pas 1 mois pour les autres
stations (tableau 2).

47
 Tableau 2 : Températures minimales moyennes (a) et maximales (b) dans l’Anjou et le
Saumurois.

L’analyse des indices bioclimatiques est conforme { celle des températures. Suivant
l’indice de Winkler, hormis les stations St Cyr en Bourg et de Souzay qui correspondent à
la région II (secteur de Saumur), les autres sont en régions I (cf. encadré 1). Selon
l'Indice de Huglin, la plupart des stations correspondent à un « climat tempéré » mais les
stations d’Anjou de Beaulieu, de Brissac et de Faye sont dans un « climat frais ». Comme
cet indice prend en compte les températures maximales, la station de Chaumes, qui
enregistre les températures maximales les plus élevées, a donc l’indice le plus élevé. Le
calcul de fraicheur des nuits est supérieur à 12°C, excepté à Chaumes (11,2°C). Au
contraire, cet indice est plus fort à Beaulieu (12°C) où la station est située à quelques
centaines de mètres de Chaumes mais dans des conditions topographiques différentes.
L’indice de fraicheur des nuits, développé par Tonietto et Carbonneau (2004), prend en
compte la moyenne des minima durant le mois précédent la maturation (mi-août à mi-
septembre). Il permet d’évaluer les conditions nocturnes favorables { la synthèse des
anthocyanes pendant la maturation. Des études complémentaires ont montré que cette
valeur moyenne devait être affinée en intégrant l’amplitude thermique diurne (Jones,
2007). D’après cet indice amélioré, la station Chaumes apparait comme ayant des
conditions favorables pour le développement des arômes (figure 20).

48
 Des différences importantes des températures et des indices ont été observées entre
les stations selon leur position géographique et topographiques (ex : proximité de la
Loire, sur un plateau, en bas de coteau, …). Les stations situées près de la Loire ont des
températures minimales et maximales plus douces d’où une amplitude diurne assez
faible. Inversement, dans les Coteaux du Layon, on observe des différences thermiques
importantes liées d’une part, { l’éloignement de la Loire et d’autre part, { des effets
topographiques locaux. Les stations de Chaumes et de Beaulieu, géographiquement très
proches, enregistrent des températures et des indices très différents à cause de leur
position topographique. La station de Chaumes qui est située en bas de coteau avec une
exposition de sud, est soumise à une forte amplitude thermique diurne. Ce sont ces
caractéristiques locales spécifiques qui définissent (en partie) la délimitation de
l’Appellation « Quart de Chaumes ».

Figure 20 : Indices de Winkler (a) et d’Huglin (b) dans l’Anjou et le Saumurois

49
 En parallèle avec les observations climatiques, les « réponses » sur la vigne sont
analysées avec des observations phénologiques. La figure 17a et b présente les résultats
du suivi phénologique en 2008 sur le cépage Cabernet Franc. Les observations ont été
effectuées selon une méthodologie définie par l’UMT VINITERA (Séverine Roger, Etienne
Neethling et Gérard Barbeau). Au début du débourrement, les premiers bourgeons qui
sortent de la dormance (01/04/08) se situent sur les parcelles proches de la Loire. Il y a
à peu près 1 semaine de décalage avec la parcelle de Brissac. Au cours du débourrement,
lorsque la vigne { débourrée { 50%, les écarts sont beaucoup plus faibles. C’est la station
La Marre Lalande qui est la plus précoce avec 2 jours d’avance sur les autres. Toutefois,
la station Haute-Perche, qui était précoce au début du débourrement, a connu un
ralentissement de sa croissance par rapport aux autres parcelles expérimentales (figure
21a).
Au moment de la véraison, les 2 parcelles proches de la Loire sont plus précoces
d’environ 2 jours par rapport { la parcelle de Brissac. Cet écart est régulier entre le
début de la véraison et la véraison complète (figure 21b).

70 %
60
50
40 Brissac
30 La Marre Lalande
20 Haute Perche
10 Faye d'Anjou
0

100 %
90
80
70
60
50
40 Brissac
30
20 La Marre
10 Lalande
0

Figure 21 : Observations phénologiques au cours du débourrement (a) et de la véraison (b) en

2008 en Anjou.

50
 2.2.4.3 Températures et indices bioclimatiques à l’échelle du « Quart
de Chaumes »
L’analyse des capteurs thermiques disposés dans le vignoble des Coteaux du Layon
au niveau de l’appellation « Quart de Chaumes » a mis en évidence une forte variabilité
spatio-temporelle des températures liée à la topographie (pente et exposition), à la
distance à la rivière et au type de sol.
Les températures minimales moyennes mensuelles enregistrées de mai à octobre
2009 ont montré d’importants contrastes thermiques entre les secteurs en haut et en
bas de coteau. La température minimale moyenne a été enregistrée au point n°3 (figure
16c) avec une moyenne de 8,8°C. Ce capteur est situé avec une exposition de sud-est
dans le fond de la vallée du Layon à une altitude de 33 mètres. Les postes de mesures
situés en haut de coteau voir à mi-coteau ont enregistré des températures minimales
moyennes beaucoup plus élevées. Par exemple, la température du point n°1 qui est situé
à 82 mètres en haut de coteau avec une exposition sud-ouest, a eu une température de
10,6°C soit 2°C de plus que le n°3. Le capteur situé en haut de coteau et enregistrant la
température minimale moyenne la plus basse a été le n°2. Ce capteur est situé sur le
versant Nord et à une altitude de 32 mètres.
Concernant les températures maximales moyennes, les plus élevées ont été
enregistrées sur le point n°3 (25°C), c’est-à-dire celui disposé en bas de coteau où la
température minimale moyenne la plus basse a été enregistrée. Par conséquent, ce
secteur est soumis à une forte variabilité thermique diurne. Les plus basses
températures maximales ont été observées en haut de coteau comme au point n°4
(capteur le plus élevé à 90 mètres) et au n°1. Les moyennes des températures
maximales sur la saison phénologique ont été de 23°C pour ces deux capteurs de haut de
coteau. Par conséquent, les amplitudes thermiques les plus fortes sont observées en bas
de coteau alors que les amplitudes sont plus modérées sur les hauts de coteau
(Bonnefoy et al., 2010).
Ces contrastes thermiques importants s’expliquent, en partie, par la topographie
variée du secteur des Coteaux du Layon avec notamment la mise en place d’inversions
thermiques assez fréquentes lors de nuits radiatives claires (Bonnefoy et al., 2009 ;
Quénol, 2002). Ainsi, l’air froid a tendance { stagner dans les bas fonds { proximité du
Layon, ce qui peut poser des problèmes de gels tardifs en période de débourrement de la
vigne. Les plateaux et hauts de coteaux sont moins exposés à ce risque de gel (figure 22).
Pour les températures maximales, l’exposition, la pente, le type de sol ainsi que les
secteurs abrités sont des éléments clés pouvant expliquer les contrastes thermiques
observés.

51
 Figure 22 : Températures minimales (a) et maximales (b) moyennes mensuelles dans les Coteaux
du Layon (Bonnefoy et al., 2010)
L’analyse des températures minimales et maximales moyennes sur la période
phénologique de la vigne est très importante pour définir les conditions climatiques de
la vigne et des caractéristiques du vin.
L’analyse des données instantanées est également importante pour étudier la
variabilité spatiale des risques climatiques pour la vigne. Au printemps, au moment du
débourrement de la vigne, les bourgeons sont très sensibles au refroidissement
nocturne et suivant le stade de croissance, la vigne peut subir d’importants dommages si
les températures minimales nocturnes sont négatives (AVC, 1991).
L’analyse des températures minimales mensuelles a montré une différence proche
de 2°C entre les postes en haut et bas de coteau. Ces écarts thermiques peuvent
également engendrer une forte variabilité spatiale du risque gélif. A l’échelle d’une nuit
gélive, le contraste thermique est plus important. Par exemple, lors de la nuit du 20 au
21 mars 2011, la situation synoptique était marquée par des conditions anticycloniques,
un ciel clair et un vent d’Est très faible. Le refroidissement nocturne, d’origine radiative,
a engendré une répartition des températures minimales en fonction de la topographie et
des zones abritées. Les secteurs les plus froids correspondent aux bas de coteaux ou aux
cuvettes où l’air froid ne s’écoule plus et stagne. Par conséquent, les températures
minimales enregistrées dans les parties basses de la vallée du Layon ont été entre -2°C
et -3°C alors que sur les pentes les températures ont été positives (figure 23). L’analyse
des données ¼ horaire des stations Campbell, « Chaumes » en bas de coteau et
« Beaulieu » en haut de coteau, a mis en évidence le comportement des températures en
relation avec l’humidité relative et la vitesse du vent. La température minimale a atteint
-2,3°C en fin de nuit { la station de Chaumes alors qu’elle n’est pas descendue en dessous
de 1°C à Beaulieu (figure 24a). A Chaumes, le refroidissement nocturne d’origine radiatif
a été accentué par la vitesse du vent qui a été beaucoup plus faible qu’{ Beaulieu. On
peut noter une absence de vent durant toute la nuit { Chaumes alors qu’{ Beaulieu,
l’absence de vent est enregistrée entre 23h et 2h. On peut également observer un fort
contraste au niveau du taux d’humidité relative qui est beaucoup plus important {
Chaumes (figure 24b et c). La proximité du Layon ainsi que l’effet d’abri de ce secteur
favorisent la saturation de l’air (figure 24a).

52
 Après cet épisode gélif, aucun dommage sur la vigne n’a été observé car les
bourgeons n’avaient pas encore commencé { débourrer. Le 30 mars 2009, une nuit
radiative a engendré des dommages sur les bourgeons qui commençaient à débourrer
dans le bas des coteaux du Layon au niveau de la station Chaumes et dans les vignobles
situés en bas de coteau de l’autre côté du Layon. Les températures minimales ont atteint
-3°C dans ce secteur. Le reste du vignoble n’a pas subi de dommage car les températures
minimales ne sont pas descendues en dessous de -1°C.

Figure 23 : Températures minimales du 21 mars 2011 enregistrées par les Tynitag dans le vignoble
des Coteaux du Layon (appellation Quart de Chaumes).

53
 Figure 24 : Températures (a), humidité relative (b) et vitesse du vent (c) enregistrées toutes les
15 mn sur les stations « Chaumes » et « Beaulieu » la nuit du 21 mars 2011
L’analyse des températures maximales instantanées est également très importante
pour la vigne notamment en été où des températures extrêmes peuvent engendrer
l’échaudage des baies (Champagnol, 1984). La journée du 4 juillet 2011 a été marquée
par des températures maximales supérieures à 30°C. Les températures maximales les

54
plus élevées ont été enregistrées dans les secteurs abrités en bas de coteau (poste n°3),
d’exposition sud ou avec un type de sol avec un albédo élevé (poste n°5) (figure 25).

Figure 25 : Températures maximales du 4 juillet 2011 enregistrées par les Tynitag dans le vignoble
des Coteaux du Layon (appellation Quart de Chaumes).

Les différences thermiques entre les stations de « Chaumes » et de « Beaulieu » ont

été moins importantes que pour les températures nocturnes du 21 mars 2011.
Toutefois, les écarts ont atteint +1°C au moment le plus chaud de l’après-midi (29,4°C à
Beaulieu et 30,4°C { Chaumes). Le taux d’humidité relative a été similaire sur les deux
postes mais la vitesse du vent a été nettement supérieure à « Beaulieu » qu’{
« Chaumes ». L’opposition entre le bas de coteau abrité du poste « Chaumes » et le haut
de coteau dégagé et exposé au Sud a engendré des différences de températures assez
proches (figure 26a, b et c).

55
 Figure 26 : Températures (a), humidité relative (b) et vitesse du vent (c) enregistrées toutes les
15 mn sur les stations « Chaumes » et « Beaulieu » le 4 juillet 2011

Les calculs du cumul des degrés/jours et de l’indice de Huglin n’ont été effectués que
sur 20 capteurs car deux ont des données manquantes. La figure 27 montre clairement
que les cumuls de degrés/jours les plus faibles sont observés en versant Nord ou en fond
de vallée et haut de coteau. En revanche, les cumuls les plus élevés se trouvent en
général à mi-coteau. Ainsi, le cumul des degrés jours (dj) varient de 1184 dj à 1480 dj.
Ces observations laissent suggérer que celles-ci auront des conséquences sur le

56
déroulement du cycle phénologique de la vigne et notamment sur la date de maturité. La
« ceinture chaude » de mi-coteau est en tout cas bien mise en évidence.
L’indice basé sur l’indice de Huglin a montré une assez forte variabilité au sein des
vignobles (valeurs variant de 1890 à 2190). Les valeurs les plus faibles sont localisées en
haut de coteau alors que les valeurs les plus fortes sont clairement en bas et à mi-coteau.
Nous observons des indices relativement élevés en versant Nord, contrairement aux
degrés jours, du fait que le calcul de l’indice de Huglin donne un poids plus important
aux températures maximales.
D’après la classification d’Huglin, certains capteurs seraient classés en « climat
tempéré » alors que d’autres en « climat tempéré chaud ». Une nouvelle fois cette
observation montre toute la complexité du climat des Coteaux du Layon qui donne la
typicité si particulière de ses vins (figure 27a et b).

Figure 27 : Cumuls des degrés jours (a) et Indice d’Huglin (b) calculés pour la période végétative de
2009 enregistrées par les Tynitag dans le vignoble des Coteaux du Layon (appellation Quart de
Chaumes). (Bonnefoy et al., 2010)
Les indices bioclimatiques d’Huglin ou de Winkler ont été définis pour caractériser
des régions climatiques. Dans cet exemple, ils ont été uniquement calculés pour mettre
en évidence les différences thermiques liées aux caractéristiques locales et de l’influence
que cela peut avoir sur la vigne. Cela montre qu’il faudrait arriver { définir des indices

57
bioclimatiques spécifiques aux échelles fines prenant en compte les paramètres locaux
tels que la topographie ou le type de sol.
La phase d’acquisition des données agro-climatiques { l’échelle du terroir viticole
(décrite ici avec l’exemple du Val de Loire) a été mise en place dans les 20 vignobles
étudiés dans les programmes ANR-JC-TERVICLIM et GICC-TERADCLIM. Les résultats ont
permis de mettre en évidence une importante variabilité spatiale du climat (notamment
pour les températures) sur des espaces relativement restreints. Les analyses
agronomiques ont montré aussi une relation entre ces différences climatiques locales et
la vigne que ce soit au niveau de la phénologie ou des caractéristiques du raisin. Dans un
contexte de changement climatique où les différents scénarios simulent une
augmentation de 2 { 6°C { l’horizon 2100, la modélisation de la variabilité spatiale du
climat { l’échelle des terroirs viticoles est un objectif primordial pour la profession
viticole dans une optique d’adaptation.

2.3 Modélisation climatique adaptée aux terroirs viticoles : Application

aux vignobles de Stellenbosch (Afrique du Sud)
Comme cela a été développé dan la partie 1.4, les méthodes de modélisation spatiale
doivent suivre la même démarche que pour les analyses des données météorologiques,
c’est-à-dire, prendre en compte l’influence des paramètres locaux en sachant qu’ils
agissent sur les variables météorologiques à différentes échelles spatiales imbriquées.
La modélisation numérique à méso-échelles par l’intermédiaire des modèles régionaux
RAMS (Regional Atmospheric Modelling System) et WRF (Weather Research and
Forecasting) et la modélisation géostatistique multicritères ont été/sont appliquées aux
vignobles expérimentaux (de l’ANR-JC-TERVICLIM et du GICC-TERADCLIM) situés en
France (Val de Loire, Champagne, Bordeaux, …), en Espagne, au Portugal, en Amérique
du Sud, en Afrique du Sud et en Nouvelle Zélande.
Les résultats issus des 2 types de modélisation sont présentés avec l’exemple de la
période de maturation de la vigne en 2009 (janvier à mars) dans les vignobles de
Stellenbosch en Afrique du Sud.

2.3.1 Contexte : des études scientifiques adaptées aux terroirs

Les premières simulations du climat, en relation avec la viticulture, ont été effectuées
dans les vignobles sud-africains. Contrairement { l’exemple précédent (Val de Loire), où
l’augmentation moyenne de la température de 1°C est actuellement bénéfique pour la
vigne ; les vignobles sud-africains sont soumis à un climat « extrême » pour la culture de
la vigne. En effet, l’augmentation des températures moyennes lors des 30 dernières
années a engendré des difficultés pour la culture de la vigne et les viticulteurs doivent
déj{ s’adapter notamment en plantant la vigne plus en altitude (Hunter et Bonnardot,
2011).

58
 Par conséquent, l’Afrique du Sud a depuis le début des années 90 mis en place des
projets de recherche regroupant des spécialistes de différentes disciplines (climatologie,
géologie, pédologie, physiologie, œnologie, analyse sensorielle, géographie, agronomie)
afin de définir et de mettre en valeur ses différents terroirs viticoles. Le district viticole
de Stellenbosch (près du Cap) et ses environs ont fait l’objet des premières études sur
les terroirs bénéficiant d’un climat méditerranéen avec des variations spatiales notables
dues { la complexité topographique et la proximité de l’océan, diversifiant ainsi les
environnements pour la viticulture. Un réseau de stations météorologiques
automatiques associé à des parcelles de différents cépages a été établi dans la région
depuis le début des années 1990 afin de suivre l’interaction entre la vigne et son
environnement. Ce réseau a été utilisé et développé (40 capteurs Tinytag) dans le cadre
des programmes WW13/12 (financé par Winetech et dirigé par V. Carey) et l’ANR-JC-
TERVICLIM, en se plaçant dans un contexte de changement climatique et venant ainsi
compléter les études préliminaires sur le changement climatique et l’impact sur la
viticulture (Bonnardot et Carey, 2007). De manière similaire aux autres sites
expérimentaux, les capteurs ont été disposés en fonction des facteurs locaux (altitude,
pente, exposition, distance { l’océan, …) (figure 28).

Figure 28 : Localisation du vignoble (a) et des instruments de mesures (b) dans le district de
Stellenbosch. (Bonnardot et al., 2012)

59
 Pour les simulations climatiques à méso-échelles, le choix de l’utilisation du modèle
Regional Atmospheric Modeling System (RAMS) a fait suite à des résultats intéressants
concernant des modélisations { imbrications d’échelle multiples effectuées sur le
vignoble de la province occidentale du Cap en Afrique du Sud. Située dans une région à
topographie complexe et proche de la mer, la région offrait un très bon cadre d’étude
pour étudier les circulations atmosphériques locales. Les simulations ont montré
l’intérêt et l’apport de grilles à hautes résolutions (200 m) fournissant des paramètres
météorologiques pertinents pour la viticulture. Des tests statistiques ont été effectués
afin de voir quelle résolution était la plus pertinente. Pour chaque cas, les simulations à
1 km et 200 m de résolution étaient supérieures à celles à 5 km de résolution et
reproduisaient mieux les circulations locales (brise de mer/brise de pente) en raison
d’une meilleure représentation des états de surface (sol, végétation et topographie)
(Bonnardot et Cautenet, 2009).
La modélisation RAMS a utilisé quatre grilles imbriquées. La grille principale, de
25km de résolution, correspond au domaine de modélisation consacré aux circulations
synoptiques. (29°S à 38°S et à 13°E à 24°E). Les deuxièmes et troisièmes grilles sont aux
échelles intermédiaires avec des résolutions horizontales de 5km et 1 km. La grille 4 est
à haute résolution (200 m) et correspond au secteur viticole de Stellenbosch (figure 29).

19°E N
Grid 1

Stellenbosch

Grid 2
Helderberg
Grid 3

34°S
Grid 4 Grid 4

Data SIO, NOAA, U.S. Navy, NGA, GEECO

© Image 2010 GeoEye

1
Dimensions Horizontal Grid
Nb of cells
(km) resolution points
Grid 1 1025 × 1025 25 km 41 × 41 1681
Grid 2 505 × 505 5 km 101 × 101 10201
Grid 3 281 × 301 1 km 281 × 301 84581
Grid 4 40,2 × 40,2 200 m 201 × 201 40401
2
Figure 29 : Caractéristiques des grilles imbriquées pour la modélisation RAMS (Bonnardot et
al., 2012).

60
 2.3.2 Résultats des modélisations climatiques
2.3.2.1 Des forts contrastes thermiques nocturnes
Les températures minimales enregistrées par 40 capteurs situés dans les vignes du
district de Stellenbosch ont été étudiées sous différentes conditions météorologiques au
cours de la période de maturation du raisin (janvier-mars) en 2009. La différence
maximale entre les sites est de 3,2°C en moyenne pour la période étudiée alors qu'elle
atteint 14°C en situations nocturnes radiatives (une différence de 1°C à 2°C par km et
3°C par élévation de 100 m environ). Les postes les plus frais sont situées dans les
secteurs où la pente est faible (figure 30). Les vignobles sont soumis à de forts
contrastes thermiques qui peuvent engendrer des conséquences importantes pour la
maturation des raisins (Tonietto et Carbonneau, 2004 ; Hunter et Bonnardot, 2011).

Figure 30 : Températures minimales moyennes de janvier à mars 2009 enregistrées par les
Tynitags dans le vignoble de Stellenbosch. (Bonnardot et al., 2012)

La figure 31 montre la fréquence des classes de températures minimales au cours de

la période de janvier/mars 2009. Selon la littérature, les conditions optimales pour la
couleur et les arômes des raisins sont des températures nocturnes entre 10°C et 15°C

61
(Hunter et Bonnardot, 2011). Cette fourchette optimale varie de 55% (ex : T13) à plus
de 80% (ex : T27). Les situations avec une température minimale trop élevée (>20°C)
varie de 1% (ex : T21) à plus de 10% (ex : T16). Les postes de fond de vallée (ex : T21,
T27 et T28) ont obtenu un pourcentage proche 10% des températures minimales en-
dessous de 10°C (Bonnardot et al, 2012).

Figure 31 : Fréquence des températures minimales moyennes de janvier à mars 2009.

(Bonnardot et al., 2012)

2.3.2.2 Modélisation numérique méso-échelles

Les simulations numériques utilisant le modèle atmosphérique méso-échelle RAMS
ont été effectuées afin de générer des champs de températures minimales à 200 m de
résolution. Les données des 16 stations météorologiques automatiques ont été utilisées
pour valider les résultats.
Les processus physiques au niveau des basses couches de l’atmosphère, provoquant
les variations thermiques dans les vignobles exposés dans le paragraphe précédent, ont
été étudiés pour la nuit du 5 mars 2009. Les conditions atmosphériques de cette nuit ont
été très favorables (anticyclonique avec ciel clair et vent zonal très faible) à
l’établissement d’inversions thermiques et de courants locaux de type catabatiques.
L’accumulation d'air froid a été favorisée dans les secteurs où la pente est très faible
(ex : fonds de vallée et cuvettes). Comme cela est montré sur la figure 32a, les
températures modélisées les plus basses sont situées dans la vallée de l’Eerste River et
dans le bassin de l’Helderberg. Au niveau de la vallée de l’Eerste River, l'inversion
thermique représente une couche verticale d’environ 500m (Fig 32b). Des mesures
verticales de la température ont été réalisées avec un ballon gonflé { l’hélium. Les

62
résultats ont montré la présence une stratification thermique mais les mesures n’ont pas
été réalisées suffisamment en altitude pour observer la limite d’inversion.
Prochainement, des campagnes de mesures avec un Sodar (photographie 2) seront
réalisées en collaboration avec le Centre de Recherches Atmosphériques de l’Université
de Christchuch (Nouvelle Zélande).

Figure 32 : Températures modélisées à 200m de résolution : représentations horizontale (z=24m)

et transect vertical Ouest-Est (b) (05 mars 2009 à 06h00). (Bonnardot et al., 2011)

Photographie 2 : Utilisation d’un Sodar pour analyser la stratification verticale de

l’atmosphère : exemple des vignobles de la région de Marlborough (Nouvelle-Zélande).
Les comparaisons entre les données modélisées et observées à 2m, par les 16
stations, ont montré que le modèle a sous-estimé les températures en moyenne de 2°C.
Par exemple, la figure 33a et b, montre que la modélisation représente bien l’évolution
de la température durant la nuit mais avec un biais.

63
 Ces écarts sont dus en grande partie à la résolution de 200 m. Vu la très forte
variabilité spatiale des données observées sur des distances très courtes, les différences
thermiques { l’intérieure de la maille de 200 m sont certainement très importantes.

Figure 33 : Comparaison entre les données thermiques simulées à 2m (RAMS et WRF) et les données
observées des stations de Jabobsdal (a) et de Meerlust (b)

2.3.2.3 Approche géostatistique

La modélisation statistique multicritères (prenant en compte les facteurs
géographiques et topographiques) a été appliquée également pour la période
janvier/mars 2009 (période de maturation de la vigne) et la nuit du 5 mars 2009. Les
données de température des 40 data loggers ont servi à produire les champs de
température minimale à une échelle de 90 m. Le modèle a analysé la relation entre les
données thermiques et l’altitude et la pente suivant une régression multiple pas { pas
(R2 = 0,52 ; 50% de résidus entre -0,35°C et 0,41°C). Les coefficients de corrélation de
ces 2 facteurs (respectivement 0,38 et 0,46) ont montré une contribution relativement
proche. Les relations suivantes ont été définies :
- plus la pente est forte et plus les températures minimales sont élevées ;
- plus l’altitude est élevée et plus la température minimale est élevée.
Ces résultats ont montré l’importance des phénomènes thermiques d’inversion et du
drainage de l’air froid suivant la topographie (Geiger, 1966 ; Mahrt, 1986 ; Fallot, 1992).
Toutefois, la moitié de la variabilité des températures minimales n’a pas pu être
expliquée par le modèle. Ceci est lié :
- à la résolution du point de grille de 90 m qui ne correspond pas exactement à la
position du capteur ;
- aux différents types de situations atmosphériques rencontrées durant la période
janvier/mars 2009. En effet, l’importante variabilité spatiale des températures
minimales est observée lorsque les conditions atmosphériques sont stables (ciel
clair et vent faible). Un temps perturbé limite très fortement ces écarts de
températures entre les différents points (Bonnardot et al., 2012) ;

64
 - à d’autres facteurs non utilisés ici comme la nature de l’occupation du sol, le type
de sol, le vent, …
Comme l’indique Bonnardot et al. (2012), l’évaluation des températures minimales a
été limitée aux secteurs situées en-dessous de 500m et cela pour 2 raisons : d’une part,
parce qu’il n’y a pas de vignoble au-dessus de cette altitude et par conséquent, nous
n’avons pas de postes de mesures et d’autre part, parce que la modélisation
atmosphérique a montré que la couche d’inversion thermique était présente dans les
500 premiers mètres au-dessus du sol.
La modélisation de la température minimale moyenne durant la période de
janvier/mars 2009 a donc été réalisée avec une résolution de 90 m (figure 34a). Comme
l’altitude est un facteur déterminant, la distribution spatiale des températures
minimales reflète les variations d’altitude. La figure 34b montre la simulation des
températures minimales moyennes de janvier/mars avec des seuils de 2°C
correspondant aux classes utilisées pour définir les conditions optimales pour la
maturité des raisins.

Figure 34 : Modélisation multicritères des températures minimales moyennes dans le district

viticole de Stellenbosch (a) et discrétisation suivant les températures utilisées pour la maturité de
la vigne (b) (réalisation M. Madelin).
Comme pour la modélisation atmosphérique à méso-échelles les champs de
températures minimales de la nuit du 5 mars 2009 ont été simulés par régressions
multiples. Le facteur principal expliquant la variabilité spatiale des températures est
l’altitude puis dans une moindre mesure, la pente, la latitude et la longitude. Le modèle a
expliqué 94% de la variance (figure 35a et b).

65
 Figure 35 : Modélisation multicritères des températures minimales dans le district viticole de
Stellenbosch pour la nuit du 5 mars 2009 (a) avec une classification tous les 2°C (b) (réalisation M.
Madelin).
Les sorties de modèles statistiques et atmosphériques ont des résultats assez
similaires notamment en mettant en évidence l’impact de la topographie sur la
répartition des températures. La « fourchette » des températures minimales qui varient
en fonction des facteurs géographiques mais aussi des conditions synoptiques abouti à
diverses conditions thermiques nocturnes dans le district viticole avec un impact
possible sur le métabolisme de la vigne. Les secteurs avec des conditions optimales pour
le développement et la maintenance de la couleur et des arômes sont identifiés en
moyenne pour la période de trois mois et pour des conditions météorologiques
particulières.

Les premiers résultats de la modélisation numérique méso-échelle et géostatistique

{ l’échelle des terroirs viticoles sont satisfaisants. Les deux méthodes ont été testées
dans les vignobles d’Afrique du Sud (résolution de 200 m pour la modélisation physique
et résolution de 50 m dans une grille plus petite pour la modélisation statistique) et les
validations par l’intermédiaire des réseaux de stations météorologiques (15 stations
météorologiques type Campbell et 40 capteurs de températures) ont été significatives
(publication en cours : Bonnardot, Cautenet, Madelin, Carey et Quénol, 2012).
Ces premiers résultats appuient notre démarche quant à une nécessaire combinaison
des deux méthodes de modélisation spatiale. Le travail qui sera réalisé pour la mise en
relation entre les 2 types de modélisation abordera principalement la question du
transfert d’échelles. La collaboration avec le laboratoire de recherches atmosphériques
de l’Université de Canterbury { Christchurch (Nouvelle-Zélande) nous permet
actuellement d’effectuer des simulations pour des périodes communes, dans les
vignobles sud-africains, afin de comparer la capacité des modèles RAMS et WRF pour
faire des simulations climatiques { l’échelle des terroirs (publications en cours).

66
 Après l’élaboration de ces modèles adaptés aux échelles locales, la seconde étape
consistera à y intégrer les scénarios du GIECC issus de différents modèles à circulations
générales et régionaux.

2.4 Intégration des sorties de modèles globaux dans un modèle méso-

échelles
2.4.1 Contexte
Le chapitre précédent a montré l’intérêt de l’utilisation de modèles climatiques
méso-échelle pour la régionalisation de phénomènes atmosphériques avec des
résolutions fines inférieures à 10 km (Castel et al., 2010) jusqu’{ 1 km et 200 m
(Bonnardot et Cautenet, 2009). Les simulations numériques réalisées dans l’ANR-JC-
TERVICLIM ont été effectuées pour différentes régions viticoles en France et dans le
monde (Bonnardot et al., 2010 ; Briche et al., 2011).
Grace à une résolution spatiale fine obtenue avec RAMS (5 km) par rapport à
ARPEGE_Climat (50 km), les hétérogénéités de surface y sont mieux représentées, on
peut donc s’attendre { une meilleure adéquation entre les observations et les valeurs
simulées. Avant l’intégration de différents scénarios de changement climatique du GIEC
dans le modèle à méso-échelles, une phase de validation de données a été effectuée sur
une période de référence (1991-2000).

2.4.2 Données et méthodes

Le modèle atmosphérique méso-échelle RAMS a été initialisé en forçant aux limites
latérales avec les champs 3D issus d’ARPEGE_Climat de Météo-France à une résolution
0.5° sur un domaine correspondant { l’Europe de l’ouest (51°N-38°N ; 8°W-12°E). Les
données ARPEGE-Climat utilisées sont celles générées avec la version 3 et qui ont servi
dans les projets européens MERCURE et PRUDENCE (Déqué et al., 2005) et dans les
projets GICC-CARBOFOR et IMFREX (Déqué, 2007).
Les simulations climatiques méso-échelle ont été effectuées pour certains mois clés
du cycle de la vigne (avril, juillet et août), sur la période de référence 1991-2000 et en
utilisant deux grilles imbriquées : Grille 1 avec une résolution horizontale de 25 km
correspondant au domaine de forçage ; Grille 2 avec une résolution horizontale de 5 km
(Figure 36). Cette dernière grille à haute résolution permet une comparaison des sorties
de modèle avec les données observées à une échelle plus pertinente pour les différents
vignobles étudiés en Europe de l’ouest (Champagne, Val de Loire, Bordelais et Navarre).

67
 Figure 36 : Grilles imbriquées et localisation des stations météorologiques utilisées
Répartition des 34 stations utilisées pour la validation.
Les points représentent la localisation des stations dont les données
ont été utilisées pour la validation des simulations.
Les données journalières de température (34 stations) ont été issues du fichier
européen ECA&D (Klein Tank, 2002) ; de Météo-France et du Bureau météorologique de
la province de Navarre. L’intérêt s’est porté sur 3 stations situées dans les vignobles
français de la Champagne (Reims), du Val de Loire (Angers) et du Bordelais (Bordeaux).
Une analyse statistique a été réalisée sur les différences entre les valeurs simulées
(par RAMS et ARPEGE) et les valeurs observées de la période de référence. Etant dans
une démarche de scénario climatique, les différences entre les valeurs simulées et
observées journalières n’ont pas été effectuées, mais les températures moyennes,
maximales et minimales moyennées sur le mois ont été analysées. La validation a donc
été effectuée sur les moyennes mensuelles (Déqué, 2007).

2.4.3 Résultats : des simulations affinées par la modélisation

numérique méso-échelles
Les résultats présentés, concernent les simulations des températures moyennes
mensuelles pour les mois d’avril, juillet et août, ainsi que celles des températures
minimales moyennées sur le mois d’avril (période de débourrement de la vigne pour
évaluer les risques de gel printanier) et des températures maximales moyennées sur le
mois de juillet (mois le plus chaud pour évaluer les fortes chaleurs). Seuls les résultats
pour les stations de Reims, Angers, et Bordeaux sont présentés en détails.

68
 D’après la matrice de corrélation de Pearson (Tableau 3), les températures
moyennes mensuelles simulées par RAMS (5 km) ont été meilleures que celles simulées
par ARPEGE (50 km), notamment en avril et août.
Tableau 3: Matrices de corrélation de Pearson (p<0,0001) entre les températures moyennes
mensuelles simulées par RAMS (5 km) ou par ARPEGE (~ 50 km) et les températures moyennes
mensuelles observées pour 34 stations et 3 mois sur la période de référence (1991-2000).
Avril Juillet Août
ARPEGE RAMS OBS. ARPEGE RAMS OBS. ARPEGE RAMS OBS.
ARPEGE 1 0,796 0,828 1 0.781 0.892 1 0.760 0.840
RAMS 0,796 1 0,926 0.781 1 0.904 0.760 1 0.923
OBS 0,828 0,926 1 0.892 0.904 1 0.840 0.923 1

Les différences entre les températures moyennes mensuelles (avril, juillet et

août) simulées par les deux modèles et les températures ont été observées pour 34
stations permettent d’avoir une vue générale des simulations (figure 37). Les écarts
moyens varient de -2,1 à +2,1°C avec RAMS (axe des abscisses) et de -4,5 à +1,2°C avec
ARPEGE (axe des ordonnées), selon les stations. Dans l’ensemble, les simulations des
températures moyennes sont sous-estimées par les deux modèles au mois d’avril. Elles
sont meilleures pour les mois de juillet et août. Les biais, surtout celui d’avril,
proviennent, selon Déqué, de la physique des basses couches d’ARPEGE donc du forçage
de grande échelle.

Figure 37 : Différences entre les températures moyennes mensuelles simulées par RAMS (5 km)
ou par ARPEGE (~ 50 km) et les températures moyennes mensuelles observées pour 34 stations et 3
mois sur la période de référence (1991-2000).

69
 Les simulations (34 stations) des températures minimales moyennes d’avril ont été
mieux reproduites par RAMS que par ARPEGE (tableau 4). Les différences entre les
valeurs simulées par RAMS et les valeurs observées sont en moyenne plus réduites (de -
0,7°C à Bordeaux à +1,2°C à Reims) que les différences entre les valeurs simulées par
ARPEGE et les valeurs observées (de -1,8°C à Reims à -3,5°C à Bordeaux) (tableau 5).
ARPEGE a sous-estimé plus fortement les valeurs minimales du mois d’avril que RAMS
qui a fourni des valeurs plus proches des observations avec cependant des différences
spatiales, les sous-estimant à Bordeaux et Angers et les surestimant à Reims. Par
ailleurs, RAMS a sous-estimé les valeurs moins fréquemment qu’ARPEGE (figure 38). Le
pourcentage avec des écarts réduits (entre -2,5 et 2,5°C) est toujours plus élevé avec
RAMS quelles que soient les 3 stations.
Tableau 4 : Statistiques descriptives sur les moyennes des températures minimales du mois
d’avril (1991-2000) simulées (par ARPEGE et RAMS) et observées dans 34 stations. Matrice de
corrélation Pearson (p<0,0001).
Statistiques descriptives Matrice de corrélation (Pearson)
Variable Minimum Maximum Moyenne Ecart-type ARPEGE RAMS OBS.
ARPEGE 1,7 11,2 4,6 2,6 1 0,70 0,67
RAMS 4,1 9,5 6,2 1,5 0,70 1 0,70
OBS. -0,3 10,0 6,2 1,9 0,67 0,70 1

Tableau 5 : Statistiques descriptives sur les différences entre les valeurs simulées par RAMS
(5 km) ou par ARPEGE (50 km) et les valeurs observées dans 3 stations viticoles françaises
(températures minimales d’avril ; période 1991-2000 ; n=300).
Différences (°C) Différences (°C)
TN avril simulation RAMS - Observation simulation ARPEGE - Observation
Bordeaux Angers Reims Bordeaux Angers Reims
1er Quartile -4,1 -3,9 -2,3 -7.7 -6,3 -6,0
3ème Quartile 2,6 2,3 5,1 1,0 0,6 2,4
Moyenne -0,7 -0,8 1,2 -3,5 -2,7 -1,8
Variance (n-1) 22,9 21,3 28,7 29,9 24,1 32,4
Ecart-type (n-1) 4,8 4,6 5,4 5,5 4,9 5,7

70
 Figure 38 : Fréquence des biais sur les températures minimales d’avril (différences entre les
valeurs simulées par RAMS ou ARPEGE et les valeurs observées) pour 3 stations viticoles françaises
et en moyenne pour les 3 stations. Période 1991-2000.

Les simulations des températures maximales moyennes de juillet ont été également
mieux reproduites par RAMS que par ARPEGE (tableau 6). En analysant les différences
entre les valeurs simulées et observées, les températures maximales moyennes de juillet
ont été surestimées par les deux modèles pour les 3 stations (tableau 7). Les valeurs
simulées par RAMS ont été cependant meilleures (de 0,5°C à 1,5°C respectivement à
Angers et Reims) que celles simulées par ARPEGE (de 1,3°C à 3,8°C respectivement à
Bordeaux et Angers).
Tableau 6 : Statistiques descriptives sur les moyennes de températures maximales du mois de
juillet (1991-2000) simulées (par ARPEGE et RAMS) et observées dans 34 stations. Matrice de
corrélation de Pearson (p<0,0001).
Statistiques descriptives Matrice de corrélation (Pearson)
Variable Minimum Maximum Moyenne Ecart-type ARPEGE RAMS OBS.
ARPEGE 15.8 35.5 26.5 3.9 1 0.78 0.82
RAMS 16.2 32.4 26.1 2.9 0.78 1 0.85
OBS. 19.1 31.8 26.0 2.7 0.82 0.85 1

Tableau 7 : Statistiques descriptives sur les différences entre les valeurs simulées par RAMS
(5 km) ou par ARPEGE (50 km) et les valeurs observées dans 3 stations viticoles françaises
(températures maximales de juillet ; période 1991-2000 ; n=300).
Différences (°C) Différences (°C)
TX juillet simulation RAMS - Observation simulation ARPEGE - Observation
Bordeaux Angers Reims Bordeaux Angers Reims
1er Quartile -2,7 -2,6 -2,2 -2,4 -0,6 -2,4
3ème Quartile 4,8 3,7 5,2 5,2 7,9 5,9
Moyenne 0,9 0,5 1,5 1,3 3,8 1,6
Variance (n-1) 27,4 22,9 28,7 33,2 36,5 33,5
Ecart-type (n-1) 5,2 4,8 5,4 5,8 6,0 5,8

Les différences spatiales sont bien visibles sur les distributions par classes (figure
39). Les écarts supérieurs à 2,5°C ont été par exemple nettement plus fréquents à
Angers avec ARPEGE. La distribution normale sur les valeurs simulées par RAMS a
montré que RAMS corrige assez bien ce biais. Le pourcentage avec des écarts réduits
(entre -2,5 et 2,5°C) est toujours plus élevé avec RAMS quelles que soient les 3 stations.

71
 Figure 39 : Fréquence des biais sur les températures maximales de juillet (différences entre les
valeurs simulées par RAMS ou ARPEGE et les valeurs observées) pour 3 stations viticoles françaises
et en moyenne pour les 3 stations. Période 1991-2000.

Les séries journalières produites par les modèles ARPEGE-Climat et RAMS forcé par
ARPEGE-Climat n’ont pas eu forcément la même distribution statistique que les séries
journalières observées mais, malgré des différences spatiales, les modèles ont reproduit
plus ou moins correctement les valeurs mensuelles minimales, maximales ou moyennes.
Les résultats ont montré l’apport et la pertinence de la résolution 5 km par rapport aux
sorties de modèle global ARPEGE-Climat qui, vu son échelle, a eu des résultats
« honorables » comparés aux observations, mais insuffisantes pour les besoins des
viticulteurs pour lesquels une échelle très fine est requise.
Les biais sont dus { l’échelle de comparaison entre des données en points de grille de
résolutions différentes et des données stationnelles. Cependant les résultats ont montré
que le modèle méso-échelle a réduit aussi bien les biais froids sur les moyennes des
minimales d’avril que les biais chauds sur les moyennes des maximales d’août ce qui
peut permettre une meilleure évaluation des risques de gel printanier et de fortes
chaleurs estivales.

72
 3. Perspectives et projet de recherche

Les méthodes d’observation et de modélisation spatiale du climat adaptées aux

échelles fines exposées ci-dessus ont été développées grâce { la mise en place d’une
équipe pluridisciplinaire et internationale. Dans le domaine viticole, les programmes
ANR-TERVICLIM et GICC-TERADCLIM (ainsi que les divers programmes bilatéraux
ECOS-SUD6 avec le Chili et l’International Mobility Fund avec la Nouvelle-Zélande) ont
permis, d’une part de mettre en place un réseau de stations et de capteurs
météorologiques { l’échelle de plusieurs terroirs viticoles répartis dans la plupart des
régions viticoles mondiales et d’autre part, de développer une méthodologie de
modélisation climatique adaptée aux échelles fines combinant le savoir-faire des
modélisateurs physiciens et géographes. Cette équipe d’une cinquantaine de personnes
(13 nationalités différentes), est composée de géographes-climatologues, d’agronomes,
de physiciens de l’atmosphère, de modélisateurs, d’œnologues et de professionnels
viticoles (ex : viticulteurs, coopératives, syndicats viticoles, consultants, …). Les résultats
ont montré que l’analyse et la modélisation du climat aux échelles fines permettaient de
mettre en évidence une forte variabilité spatiale et temporelle du climat sur des espaces
restreints.
L’analyse de ces contrastes climatiques locaux, observés avec le réseau de mesures et
modélisés avec les méthodes numériques et géostatistiques, constitue la première étape
d’une méthodologie mise en place pour l’adaptation au changement climatique. Par
exemple, en viticulture, la typicité et la qualité des vins de terroir sont en grande partie
liées à la variabilité spatiale du climat local engendrée par des facteurs comme le type de
sol ou l’exposition topographique. Si le viticulteur adapte ses pratiques culturales en
fonction de contrastes thermiques spatiaux de plusieurs degrés ; pourquoi ne pourrait-il
pas (au moins { court et moyen terme) s’adapter { une augmentation de la température
{ l’horizon 2050-2100 ?
La seconde étape consiste { mettre en place une méthodologie d’adaptation au
changement climatique présent et futur basée sur l’analyse et la modélisation de la
variabilité spatiale du climat aux échelles fines. Pour cela, les différents scénarios du
changement climatiques (GIECC, 2007) doivent être intégrés dans les modèles présentés
précédemment afin de faire des simulations à court, moyen et long termes.
Pour répondre { ces objectifs, le projet s’appuie sur le savoir-faire de l’équipe
pluridisciplinaire formée dans le cadre des programmes ANR-JC-TERVICLIM et GICC-
TERADCLIM et les collaborations avec les concepteurs et utilisateurs des sorties de
modèles globaux et régionaux du changement climatiques : Météo-France CNRM
(Centre National de Recherches Météorologiques), CERFACS (European Centre for
Research and Advanced Training in Scientific Computation ) pour la France et l’Europe ;
UMI 3351 IFAECI (Institut franco-argentin d’ Études sur le Climat et ses Impacts) pour

6
Programme « Evaluation-orientation de la COopération Scientifique pour les pays du cône Sud »

73
l’Amérique du Sud ; NIWA (National Institute of Water and Atmospheric Research) pour
l’Océanie, …
Mes perspectives de recherche s’inscrivent donc dans la continuité des programmes
présentées précédemment et se composent de la manière suivante :

Développement et pérennisation des réseaux de mesures.

Elaborer des scénarisassions régionalisées ou localisées d’adaptation
au changement climatique par l’intermédiaire d’une plateforme
multi-agents.
Valorisation et transfert vers les acteurs et sensibilisation aux effets
du changement climatique.
Au-delà la viticulture… entre monde agricole et milieu urbain.

3.1 Modernisation et pérennisation des réseaux de mesures

La phase d’acquisition de données météorologiques en fonction des échelles
spatiales imbriquées a été mise en place (en 2008 pour la plupart des sites) dans de
nombreux vignobles répartis dans le monde. Cela représente plus de 300 stations et
capteurs météorologiques (en plus des réseaux existant non installés et non gérés par
l’ANR-JC-TERVICLIM). Ces réseaux de mesures représentent un outil important dans le
cadre des études d’impact du changement climatique.
Un de nos objectif est de moderniser et de pérenniser ces réseaux de mesures
climatiques originaux et uniques, afin d’obtenir des séries de données climatiques les
plus longues possibles en application avec la viticulture. Les modèles globaux et
régionaux simulent l’évolution du climat pour les 100 années { venir en essayant
d’affiner de plus en plus la résolution spatiale des résultats. En garantissant un réseau de
mesures climatiques { l’échelle des terroirs viticoles mondiaux pour plusieurs dizaines
d’années, cela représentera un outil inestimable pour analyser la fiabilité des
modèles régionaux au fur et à mesure de leur perfectionnement et pour valider
les simulations du climat futur.
Jusqu’{ maintenant, la gestion du parc instrumental ainsi que la programmation et le
téléchargement des données (hormis les stations complètes qui sont munis d’un
système GSM pour la transmission des données) sont effectuées par des partenaires
correspondants dans chaque site. L’objectif est de développer un système de
transmission (ex : Radio ou GSM) permettant d’acquérir les données des capteurs et de
les transmettre directement à un ordinateur en les interrogeant à distance. Un
développement électronique sera nécessaire pour cette phase.
Après avoir acquis les données en continu, le second objectif est de diffuser les
données via une plateforme Web. Un travail de création et gestion de bases de données
sera également nécessaire pour cette seconde phase. La plateforme Web servira

74
également pour diffuser les cartes agroclimatiques et les simulations du climat futur
adaptées à chaque vignoble expérimental.

3.2 Intégration des scénarios du changement climatique dans les

modèles « échelles fines » et adaptation au changement climatique à
l’horizon 2100
Les résultats issus de la modélisation climatique adaptée { l’échelle des terroirs
viticoles appuient notre démarche quant à l’utilisation de la modélisation numérique et
statistique (cf. 2.3.2.2 et 2.3.2.3) notamment pour aborder la question du transfert
d’échelle (downscaling). L’intégration des sorties ARPEGE-Climat dans Rams a mis en
évidence l’apport des modèles méso-échelles en réduisant les écarts entre les données
simulées et observées. Après avoir appliqué ce type de modélisation pour l’ensemble des
régions viticoles étudiées (notamment avec les données ARPEGES-Climat et CERFACS
pour les vignobles français), l’étape suivante consistera { intégrer les scénarios du
GIECC dans ce modèle. Ce travail nous permettra à la fois de sélectionner le(s) modèle(s)
du GIECC fournissant les conditions initiales à la régionalisation dynamique et aussi de
mieux apprécier les incertitudes sur les projections locales.

3.2.1 Scénarios du changement climatique à l’échelle des terroirs

Concernant les simulations du changement climatiques aux échelles régionales,
« Différentes méthodes de régionalisation (ou de « downscaling »), soit les modèles
régionaux du climat (MRC) ou les méthodes de downscaling statistique, ont été
développées au cours des 10-15 dernières années afin de raffiner l’information climatique
issue des modèles globaux du climat (MGC). Les méthodes statistiques de downscaling (SD)
ont été initialement développées pour les prévisions météorologiques, et de nombreuses
méthodes sont en opération à travers le monde. » (Gachon, 2009). Bien que d’importants
progrès ont été réalisés ces dernières années dans la régionalisation des données, les
méthodes de descente d’échelle, « restent un domaine sensible dans la mesure où elles
conditionnent une étude plus réaliste des impacts et des actions d’adaptation » (appel à
projets GICC 2010). Les méthodes de descente d’échelle sont intensément utilisées pour
développer de l’information sur le changement climatique au niveau local. En effet,
même si les MRC permettent de mieux prendre en compte l’influence de la topographie
et des processus physiques d’échelle régionale que les MGC, ils ne résolvent pas toujours
toutes les échelles spatiales et temporelles nécessaires au besoin des études d’impact et
d’adaptation. Par conséquent, le développement et l’application du SD s’avère nécessaire
(X, 2010). Comme l’indique Le Treut (2010), « une meilleure prévision des évolutions
climatiques locales constitue donc un enjeu essentiel, pour lutter et nous adapter à des
évolutions dont une part est inévitable…. Des études concernant la vulnérabilité des
différents territoires { l’évolution des paramètres climatiques sont nécessaires, car ce sont
les seules études qui permettront de placer les changements à venir, anthropiques ou
naturels dans un contexte interdisciplinaire large, permettant d’associer des facteurs socio-

75
économiques ou écologiques { l’étude physique du climat. La géographie en tant que
discipline doit jouer un rôle clef dans cette perspective ».
Plusieurs collaborations sur l’utilisation de données régionalisées ont débuté
récemment :
- avec le CERFACS afin d’utiliser les scénarios climatiques désagrégés { 8 km pour
les vignobles expérimentaux français (Pagé et al., 2008 ; Pagé, 2008). Ces données
ont déjà été appliquées aux agro-systèmes dans le programme ANR-CLIMATOR
(Élaboration d’outils et de références pour analyser l’impact du changement
climatique sur les agro-écosystèmes), ce qui a permis notamment le
développement d’outils régionalisant les scénarios issus des GCM ;
- avec Ecoclimasol© et l’UMI 3351 IFAECI afin de réaliser des simulations de
l’impact du changement climatique { l’échelle des vignobles d’Amérique du Sud.
Différentes modélisations régionalisées ont été effectuées dans le cadre des
projets européens CLARIS puis CLARIS-LPB (A Europe South America Network
for Climate Change Assessment and Impact Issues in La Plata Basin) (Boulanger et
al., 2011). La comparaison entre modélisation dynamique et statistique a montré
le potentiel d’une approche combinée des deux approches pour étudier les
possibles impacts du changement climatique sur l’Amérique du Sud (Menendez et
al., 2010).

3.2.2 Scénarios d’adaptation par Système Multi-agents

Après la simulation du changement climatique { l’échelle des terroirs, la phase
suivante consiste { proposer des scénarios régionalisés/localisés d’adaptation pour la
profession viticole. L’objectif est donc de parvenir { spécifier un environnement de
modélisation systémique et intégré capable de simuler la croissance de la vigne sous des
contraintes multiples (pente, exposition, nature des sols, variabilité climatique…) et
d’intégrer des stratégies de production et des règles d’adaptation de ces stratégies en
fonction de l’évolution de ces contraintes.
Dans cette perspective, nous utilisons la plateforme Multi-agents DAHU (Dynamique
des Activités HUmaines) qui est développée par l’équipe GEOMER (UMR6554 LETG)
depuis une quinzaine d'années. Cette plateforme a pour vocation de modéliser la
variabilité du déroulement d'activités anthropiques sous contraintes multiples
(environnementales et socio-économiques) et d'en étudier les interactions avec
l'environnement. L’architecture de DAHU apporte des avancés méthodologiques
significatives dans la modélisation des interactions agents/environnement.
Contrairement aux approches classiques l'espace n'est pas considéré comme un élément
structurant du modèle mais comme une donnée de forçage résultant d'une combinaison
de phénomènes opérant à différentes échelles spatiales et temporelles (Tissot et al.,
2005).

76
 Cette originalité permet d’intégrer des processus ayant des répercussions multi-
échelles et d’analyser leur impact global sur le fonctionnement d’une activité donnée {
partir de boucles de rétroactions. De récents développements menés dans le cadre de
plusieurs programmes de recherche ont montré les capacités d’adaptation de cette
plateforme à des thématiques très diversifiées (Le Tixerant et al., 2009, Tillier et al.,
2009, Tillier et al., 2010) (modélisation de la production ostréicole en situation
perturbée, simulation des émissions d’effluents en bassins versants, modélisation des
activités de pêche sous contraintes climatiques, juridiques et environnementales).
En partant du socle méthodologique proposé par la plateforme DAHU, les travaux
associés à ce projet auront pour finalité :
(1) d’identifier des niveaux d’échelles pertinents pour restituer la dynamique de
croissance de la vigne sous contraintes environnementales. Cette étape servira à
spécifier différents niveaux d’abstraction dans le futur modèle facilitant la réalisation de
modélisations emboîtées ;
(2) de construire un modèle d’activité viticole générique { l’échelle du terroir et d’y
associer des stratégies de production qui serviront { construire un réseau d’agents
réactifs ;
(3) d’identifier les règles d’adaptation des agents en fonction de l’évolution des
contraintes environnementales et en particulier des changements climatiques aux
échelles fines ;
(4) de formaliser un modèle de régression multiple permettant de restituer les
relations entre les caractéristiques de surface des terroirs (morphologie, type
d’occupation du sol) et les variables météorologiques et d’y associer des objets spatiaux.
Cette analyse aura pour objectif de faciliter l’intégration des sorties de modèles
climatiques à échelles fines comme contraintes de forçage des agents.
La réalisation de scénarios d’adaptation des pratiques viticoles au changement
climatique par Système Multi-Agents permettra d’apporter des « réponses » à la
profession viticole sur les méthodes à employer afin de mettre en place une politique
raisonnée d’adaptation au changement climatique.

3.3 Valorisation et transfert vers les acteurs et sensibilisation aux effets

du changement climatique
Cette partie concerne l’implication et le transfert de l'information auprès de la
profession viticole et notamment des propositions d’adaptation pour leurs terroirs
viticoles.
Plusieurs outils de diffusion de l’information et de sensibilisation aux changements
climatiques sont prévus :
Cartographie par Système d’Informations Géographiques (SIG) des terroirs viticoles :
L’INRA d’Angers a élaboré une méthode d’étude intégrée des terroirs viticoles par

77
cartographie SIG. Cette cartographie prend en compte aussi bien les facteurs
environnementaux (composante géologique, agropédologique, composante paysagère,
…) que les facteurs humains du terroir (ex : type de cépages, pratiques culturales, …).
Tous ces paramètres sont intégrés dans un SIG et permettent de définir des Unités de
Terroir de Base (Barbeau et al., 2008). A partir des ces différentes informations, les
agronomes de l’INRA ont intégrés une « couche d’informations » proposant des conseils
de techniques culturales (ex : un type de cépage spécifique) en fonction des
caractéristiques de l’unité de terroir. Les résultats présentés sous forme de cartes
peuvent être utilisés directement à la parcelle grâce à leur précision (1/10 000ème).
Actuellement, des enquêtes sont réalisées afin de mieux comprendre l’impact des sorties
cartographiques sur les pratiques et stratégies de productions des viticulteurs. Il
apparaît notamment que cette méthode cartographique par SIG a prouvé son intérêt en
tant qu’outil de communication entre la recherche et les professionnels viticoles. Dans le
cadre du projet GICC-TERADCLIM, nous prévoyons d’intégrer une « couche »
supplémentaire dans le SIG qui comprendra les résultats des simulations du changement
climatique pour les 30-50 années { venir avec également les propositions d’adaptation
issues de la modélisation par Système Multi-Agent DAHU (ex : Adaptation matériel
végétal et pratiques/conditions environnementales). Cet outil cartographique, qui
permettra de sensibiliser les professionnels viticoles au changement climatique, sera
utilisé dans les vignobles des Coteaux du Layon en partenariat avec l’INRA d’Angers
(partenaire scientifique du projet) et le syndicat viticole des Coteaux du layon
(partenaire Acteur).

Des ateliers participatifs avec les acteurs de la profession viticole : nous prévoyons la
réalisation de ces ateliers afin d’analyser avec eux les points suivants :

- sensibilité et vulnérabilité à la variabilité climatique ;

- utilisation de l’information climatique pour la prévision des échelles courtes
(quelques heures à plusieurs mois) ;
- besoins non couverts par l’information climatique disponible ;
- existence de couvertures (assurance) climatiques satisfaisantes et besoins non
satisfaits ;
- sensibilité au changement climatique ;
- compréhension des causes et des enjeux pour la profession ;
- formation aux outils et méthodes nécessaires au développement de stratégies
d ‘adaptation ;
Ces points ont déjà commencé à être abordés par J.P. Boulanger dans les vignobles de
Mendoza (Argentine), dans le cadre du GICC-TERADCLIM, afin de renforcer le dialogue
avec la profession viticole et assurer une confiance durable entre la profession et la
recherche.
En parallèle à ces ateliers, nous réalisons des fiches synthétiques de communication
et dissémination vers tous les producteurs. Pour chaque vignoble où nous avons installé

78
des stations et des capteurs météorologiques, nous diffusons, aux viticulteurs et aux
syndicats de vignerons des fiches avec l’analyse des données météorologiques et le
calcul d’indices bioclimatiques. Nous insistons sur la variabilité spatio-temporelle des
données météorologiques entre chaque station.
Les fiches agro-climatiques et le futur lien internet permettront à la profession
viticole d'avoir accès aux analyses climatiques à l'échelle régionale et à celle de leur
exploitation de façon à les confronter aux préconisations issues des études des terroirs
et à mettre en œuvre les pratiques { court et moyen terme qui s'imposent.

3.4 Applications futurs : au-delà la vigne… entre monde agricole et

milieux urbains
Le projet de pérennisation du réseau de mesures agroclimatique et de modélisation
de l’impact du changement climatique { l’échelle des terroirs viticoles a fait l’objet d’un
programme de recherche qui a été soumis dans le cadre du FP7 Européen dans la
catégorie ERC-Starting Grants.
Certains vignobles expérimentaux équipés dans le cadre de l’ANR-JC-TERVICLIM ont
été intégrés dans plusieurs programmes de recherches soumis récemment et dont nous
sommes actuellement dans l’attente des résultats :
- Le projet LACAVE (Long term impacts and Adaptations to Climate change in
Viticulture and Enology) a été déposé en 2011 dans le cadre du méta-programme
« Adaptation au Changement Climatique de l’Agriculture et de la Forêt » (ACCAF) de
l’INRA. Ce projet est coordonné par N. Ollat (INRA-Bordeaux) et J.M. Touzard
(SUPAGRO-Montpellier). Je suis le coordinateur avec N. Ollat et G. Barbeau (INRA-
Angers) du WP1 sur la caractérisation et la perception du changement climatique en
viticulture. Dans le cadre de ce projet, les vignobles du Val de Loire (site d’étude de
l’ANR-JC-TERVICLIM depuis 2008), de Saint-Emilion (Bordelais) et du Languedoc
Roussillon seront étudiés. La première étape concernant le dépôt d’une lettre d’intention
a été acceptée. Le projet final a été déposé en octobre 2011 et les résultats sont attendus
pour décembre 2011;
- Le projet ALMIRA (Adapting Landscape Mosaics of medIterranean Rainfed
Agrosystems for a sustainable management of crop production, water and soil
resources) a été déposé en septembre 2011 dans le cadre du programme ARIMNet
(Recherche Agronomique en Méditerranée) Financé par la Commission européenne. Ce
projet est coordonné par F. Jacob (SUPAGRO-Montpellier), M. Chikhaoui (IAV-Rabat) et I.
Mekki (INRGREF, Tunis). J’interviens dans le WP4, coordonné par F. Huard (AGROCLIM-
Avignon), sur l’utilisation des données désagrégées du modèle ARPEGE-Climat pour
évaluer l’impact du changement climatique à l’échelle du terroir viticole de la vallée de
La Peyne (Languedoc).
Au-delà des projets en liaison avec le monde viticole, cette démarche scientifique
visant { simuler l’impact du changement climatique aux échelles fines est appliquée à
d’autres domaines. En milieu urbain, les incertitudes liées { l’impact du changement

79
climatique sur l’intensification de vagues de chaleur posent un certain nombre de
questions sur l’adaptation notamment au niveau de la fréquence et de l’intensité des
canicules et par conséquent, sur les impacts sur la qualité de vie et sur des questions
sanitaires. L’analyse spatiale du climat en fonction de la structure urbaine présente et
future permet de fournir, aux élus et aux décideurs, des scénarios du climat adaptés à
l’échelle de la ville notamment dans le cadre des Plans Climat Energie. En milieu urbain,
comme en viticulture ou dans d’autres domaines agricoles, l’analyse de l’impact du
changement climatique en milieu urbain passe par une démarche scientifique
pluridisciplinaire où le géographe-climatologue pourra apporter ses compétences en
termes de mesures « terrain » et d’analyse spatiale.

80
Bibliographie

André J.- C., Déqué M., Roger P., Planton S. , 2004 : La vague de chaleur de l’été 2003 et sa
prévision saisonnière. Comptes Rendus Geosciences, Volume 336, 6, 491-503.
Association Viticole Champenoise, 1991 : Les gelées de printemps. Le Vigneron
Champenois. Hors série, 63p.
Avissar R.; Mahrer Y., 1988 : Mapping frost-sensitive areas with a 3D local-scale
numerical model. Part I: Physical and numerical aspects. J. of Applied Meteorology, 27
(4), 400-413.
Barbeau G, 2007 : Climat et vigne en moyenne vallée de la Loire. Congrès sur le climat et
la viticulture. Saragosse, Espagne, 10-14 avril 2007, 106-111.
Barbeau G., Bournand S., Champenois R., Bouvet M.H., Blin A. et Cosneau A., 2004 :
Comportement de 4 cépages rouges du Val de Loire. Relations entre les variables
climatiques et la composition des baies. J. Int. Sci. Vigne et Vin. 38, 1, 35-40.
Battaglini A, Barbeau G, Bindi M, Badeck FW, 2009 : European winegrowers’
perceptions of climate change impact and options for adaptation. Regional
Environmental Change, 9, 61-73.
Bellia S., Douguedroit A. et Seguin B., 2008 : Impacts du réchauffement sur les étapes
phénologiques du Grenache et de la Syrah dans les Côtes du Rhône Méridionales et les
Côtes de Provence (1976-2000) », Journées de Climatologie, Nantes, 13-14 mars, Climat et
société : Climat et végétation, 10 p.
http://134.59.38.8/~umr/climat/climat_societe/Nantes2008/3-AD_cd.pdf.
Bigot S. et Rome S., 2010 : Contraintes climatiques dans les Préalpes françaises :
évolution récente et conséquences potentielles futures. EchoGéo [En ligne], numéro
14 | 2010. URL : http://echogeo.revues.org/12160
Blennow K. and Persson P., 1998: Modelling local-scale frost variations using mobile
temperature measurements with a GIS. Agricultural and forest Meteorology, 89, 59-71.
Bonnardot V., Cautenet S., Planchon O. et Quénol H., 2011 : Simulations climatiques
méso-échelles : comparaison de données observes et simulaées en vue d’une integration
de scenarios de changement climatique. Actes du XXIVème colloque de l’AIC, Rovereto,
Italie, 93-98.
Bonnardot V, and Cautenet S., 2009: Mesoscale Atmospheric Modeling Using a High
Horizontal Grid Resolution over a Complex Coastal Terrain and a Wine Region of South
Africa. Journal of Applied Meteorology and Climatology ,48(2), 330 (on line).
Bonnardot V., Carey V., Madelin M., Cautenet S. and Quénol H., 2012: Using atmospheric
and statistical models to understand local climate and assess spatial temperature
variability at fine scale over the Stellenbosch wine district, South Africa. International
Journal of Vine and Wine Sciences. (sous presse).

81
Bonnardot V., Planchon O. and Cautenet S., 2005 : The sea breeze development under an
offshore synoptic wind in the South Western Cape and implications for the Stellenbosch
wine producing area. Theor. Appl. Clim., 81, 203-218.
Bonnardot V., Planchon O., Carey V.A. and Cautenet S., 2002 : Diurnal wind, relative
humidity and temperature variation in the Stellenbosch-Groot Drakenstein winegrowing
area. S. Afr. J. Enol. Vitic., 23, 2, 62-71.
Boulanger, J.-P., G. Brasseur, A. F. Carril, M. Castro, N. Degallier, C. Ereño, J. Marengo, H.
Le Treut, C. Menendez, M. Nuñez, O. Penalba, A. Rolla, M. Rusticucci, R. Terra, 2011: The
European CLARIS Project: A Europe-South America Network for Climate Change
Assessment and Impact Studies, Climatic Change, CLARIS Special issue, DOI
10.1007/s10584-009-9734-8.
Bradley A.V., Thornes J.E., Chapman L., Unwin D. and Roy M., 2002 : Modelling spatial
and temporal road thermal climatology in rural and urban areas using a GIS. Clim Res,
22, 41–55.
Briche E., 2011 : Changement climatique dans le vignoble de Champagne : modélisation
thermique à plusieurs échelles spatio-temporelles (1950-2100). Thèse de doctorat de
l’Université Denis Diderot (Paris 7), 263p.
Briche E., Quénol H. et Beltrando G., 2011 : Changement climatique dans le vignoble
champenois. L’année 2003, préfigure-t-elle les prévisions des modèles numériques pour
le XXIe siècle ? L’Espace Géographique, 2/11, 164-175.
Briche E., Bonnefoy C., Cautenet S., Bonnardot V., Beltrando G., Madelin M. et Quénol H.,
2011. Simulations du modèle à méso-échelle RAMS à résolution fine lors des épisodes
extrêmes de 2003 : application à deux vignobles du nord de la France. Actes du XXIVème
colloque de l’AIC, Rovereto, Italie, 111-116.
Brohan, P., Kennedy, J., Haris, I., Tett, S. et Jones, P., 2006 : Uncertainty estimates in
regional and global observed temperature changes: a new dataset from 1850. Journal of
Geophysical Research, 111, (D12 106).
Brosset D. Claramunt C. et Saux, E., 2008: A stochastic algorithm for the optimization of
wayfinding processes, PLACE : Workshop Giscience 2008, Utah Park, USA.
Brosset D. Claramunt C. et Saux, E., 2008 : An ACS cooperative learning approach for
route finding in natural environment, proceedings of the 16th ACM GIS International
Conference in Advances in Geographical Information Systems (ACM GIS), USA.
Brosset D. Claramunt C. et Saux, E., 2008: Wayfinding in natural and urban
environments: a comparative study, Cartographica, Toronto University Press, 43(1), pp.
21-30.
Brosset D., Claramunt C. et Saux, E., 2007: A location and action-based model for route
descriptions , in Proceedings of the 2nd International Conference on Geospatial Semantics,
F. Fonseca, A. Rodriguez and S. Levashkin (eds.), Springer Verlag, LNCS 4853, Mexico, pp.
146-159.

82
Burgos S, Almendro S, Fortier E., 2011 : Impact of pedoclimatical conditions on the
precocity potential of vineyards in the Canton of Geneva. Proceedings of VIIIth
International Terroir Congress, Soave, Italy, 2, 20-25.
Cabré MF, Solman SA, Nuñez MN., 2010 : Creating regional climate change scenarios
over southern South America for the 2020’s and 2050’s using the pattern scaling
technique: validity and limitations. Climate Change, 98, 449-469.
Carey VA, Bonnardot V, Schmidt A, Theron JCD., 2003 : The interaction between vintage,
vineyard site (mesoclimate) and wine aroma of Vitis vinifera L. cvs. Sauvignon blanc,
Chardonnay and Cabernet Sauvignon in the Stellenbosch-Klein Drakenstein wine
producing area. OIV Bulletin, 76, 4-29.
Case, Jonathan L., John Manobianco, Allan V. Dianic, Mark M. Wheeler, Dewey E. Harms,
Carlton R. Parks, 2002: Verification of High-Resolution RAMS Forecasts over East-
Central Florida during the 1999 and 2000 Summer Months. Wea. Forecasting, 17, 1133–
1151.
Castel T., Xu Y., Richard Y., Pohl B., Crétat J., Thévenin D., Cuccia C., Bois B., Roucou P.,
2010 : Désagrégation dynamique haute résolution spatiale du climat du centre est de la
France par le modèle climatique régional ARW/WRF. Actes du XXIIIe Colloque de l’AIC,
Rennes, 107-112.
Cellier P., 1989 : Mécanismes du refroidissement nocturne : application à la prévision
des gelées de printemps. Actes de séminaires de la Com. d’agrométéo. De l’INRA « le gel en
agriculture », 145-164.
Champagnol F., 1984 : Eléments de physiologie de la vigne et de viticulture générale. Saint-
Gely-du-Fesc, France, 351p.
Chapman L. and Thornes J.E., 2006. The use of geographical information systems in
climatology and meteorology, Progress in physical geography, 30, 677-689.
Chen, F., R. Pielke Sr., and K. Mitchell, 2001: Development and application of land-surface
models for mesoscale atmospheric models: Problems and promises. Observation and
Modeling of the Land Surface Hydrological Processes, V. Lakshmi, J. Albertson, and J.
Schaake, Eds., Amer. Geophys. Union, 107–135.
Christensen, J.H., B. Hewitson, A. Busuioc, A. Chen, X. Gao, I. Held, R. Jones, R.K. Kolli, W.-
T. Kwon, R. Laprise, V. Magaña Rueda, L., Mearns, C.G. Menéndez, J. Räisänen, A. Rinke, A.
Sarr and P. Whetton, 2007: Regional Climate Projections. In: Climate Change 2007: The
Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report
of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z.
Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press,
Cambridge, United Kingdom and New York, NY, USA.
Chuine, I., P. Yiou, N. Viovy, B. Seguin, V. Daux, E. Leroy Ladurie, 2004: Grape ripening as
a past climate indicator. Nature, 432, 289–290.

83
Clark, T. L., and R. D. Farley, 1984: Severe downslope windstorm calculations in two and
three spatial dimensions using an elastic interactive grid nesting: A possible mechanism
for gustiness. J. Atmos. Sci., 41, 329–350.
CTIFL, 1998 : Gel de printemps. Brochure Ctifl, 151.
Cox R., Bauer B.L. & Smith T., 1998 : A mesoscale model intercomparison. Bulletin of the
American Meteorological Society, vol. 79, no2, 265-283.
Déqué M., 2007: Frequency of precipitation and temperature extremes over France in an
anthropogenic scenario: model results and statistical correction according to observed
values. Global and Planetary Change, 57, 16-26.
Déqué M., Jones R.G., Wild M., Giorgi F., Christensen J.H., Hassell D.C., Vidale P.L., Rockel
B., Jacob D., Kjellström E., de Castro M., Kucharski F. and van den Hurk B., 2005 : Global
high resolution versus Limited Area Model climate change projections over Europe :
quantifying condence level from PRUDENCE results. Climate Dyn., 25, 653-670.
Done J., Davis C.A. & Weisman M., 2004 : The next generation of NWP: explicit forecasts
of convection using the weather research and forecasting (WRF) model, Atmos. Sci. Let.
5, 110–117.
Dubreuil V., Quénol H., Planchon O. et Clergeau P., 2008 : Variabilité quotidienne et
saisonnière de l’Ilot de Chaleur urbain { Rennes : premiers résultats du programme
Ecorurb. XXIème colloque de l’AIC, Montpellier, 9-13 septembre 2008, 221-227.
Duchêne C., 1996 : Le vignoble angevin. CIVAS, 11p.
Duchêne E, Schneider C. 2005. Grapevine and climatic changes: a glance at the situation
in Alsace. Agronomy for Sustainable Development, 25, 93-99.
Dudhia J., 2003: MM5: current status and plans, MM5 Workshops, Division 1.
www.mmm. ucar.edu/mm5/workshop/workshop-program-2003.html.
Fallot J.M., 1992 : Etude de la ventilation d’une grande vallée préalpine (la vallée de la
Sarine en Gruyère). Thèse de l’Université de de Fribourg, Suisse, 475p.
Gachon P., 2009 : les méthodes de régionalisation utilisées dans le développement de
scénarios de changements climatiques : forces, faiblesses et applications. Conférence au
Cérège, Aix-en-Provence, 27/11/09.
Gandu A. W., Cohen JCP. & Souza JRS., 2004 : Simulation of deforestation in eastern
Amazonia using high resolution model. Ther. Appl. Climatol., 78, 123-135.
Garcia de Cortazar, A. I., 2006: Adaptation du modèle STICS à la vigne (Vitis vinifera L.).
Utilisation dans le cadre d'une étude du changement climatique à l'échelle de la France.
Thèse de doctorat de L'Ecole Supérieure Nationale d' Agronomie, Montpellier, 175p.
Giorgi F., 2006 : Regional climate modeling: status and perspectives. J. Phys., 139, 101–
118.
Gladstones J. 1992. Viticulture and environment. Wine Titles: Adelaide, 310.

84
Guyot G., 1997 : Climatologie de l’environnement. Masson, 505 p.
Hall , A. and G.V. Jones : Spatial analysis of climate in winegrape growing regions in
Australia. Australian Journal of Grape and Wine Research, in Press Spring 2010.
Hall A, Jones GV., 2010 : Spatial analysis of climate in winegrape growing regions in
Australia. Australian Journal of Grape and Wine Research, 3, 389-404.
Hansen, J.E., R. Ruedy, Mki. Sato, M. Imhoff, W. Lawrence, D. Easterling, T. Peterson, and
T. Karl, 2001: A closer look at United States and global surface temperature change. J.
Geophys. Res., 106, 23947-23963, doi:10.1029/2001JD000354.
Hansen, J., R. Ruedy, Mki. Sato, and K. Lo, 2010: Global surface temperature change. Rev.
Geophys., 48, RG4004, doi:10.1029/2010RG000345.
Heinemann P.H. and Martsolf J.D., 1988 : Prediction of cooling of the nocturnal
environment using two atmospheric models. J. Applied Meteorology, 27 (4), 473-481.
Helmis, C. G., D. N. Asimakopoulos, D. G. Deligiorgi, and D. P. Lalas, 1987: Observations of
sea breeze fronts near the shoreline. Bound.-Layer Meteor., 38, 395–410.
Howden SM, Soussana J-F, Tubiello FN, Chhetri N, Dunlop M, Meinke H. 2007 : Adapting
agriculture to climate change. Proceedings of the National. Academy of Science, 104,
19691-19696.
Huglin P., 1986 : Biologie et écologie de la vigne. Ed. Payot (Lausanne), 372p.
Hunter J.J. and Bonnardot V., 2011 : Suitability of some climatic parameters for
grapevine cultivation in South Africa, with focus on key physiological processes. S. Afr. J.
Enol. Vitic, 32 (1), 137-154.
INAO, 1984 : Une réussite française : l’appellation d’origine contrôlée, vins et eaux de
vie. Institut national des appellations d’origine, Euro-impressions, Paris.
IPCC, 2007: Climate Change: The Physical Science Basis. Summary for Policymakers.
Contribution of the Working Group I to the Fourth Assessment of the Intergovernmental
Panel on Climate Change, 18 p.
Jacob D., Barring L., Christensen O.B., Christensen J.H., de Castro M., Déqué M., Giorgi F.,
Hagemann S., Hirschi M., Jones R., Kjellstrom E., Lenderink G., Rockel B., van Ulden A.P.,
van den Hurk B.J.J.M., 2007: An intercomparison of regional climate models for Europe:
model performance in present-day climate, Climatic Changes, 53-70.
Joly D., Nilsen L., Fury R., Vermot-Desroches B. Et Jacquinot J-P., 1994 : Interpolation des
températures à grande échelle. Revue Internationale de Géomatique, vol 4, n°1, 55-85.
Jones, G.V, Duff, A.A., Hall, A., and J. Myers, 2009 : Spatial analysis of climate in winegrape
growing regions in the western United States.” American Journal of Enology and
Viticulture, in Press Spring 2010.
Jones, G.V., 2005: How Hot is Too Hot? Wine Business Monthly, 12(2), February 2005.

85
Jones, G.V., 2006 : Climate and Terroir: Impacts of Climate Variability and Change on Win,
in Fine Wine and Terroir - The Geoscience Perspective. Macqueen, R.W., and Meinert,
L.D., (eds.), Geoscience Canada Reprint Series Number 9, Geological Association of
Canada, St. John's, Newfoundland, 247 p.
Jones, G.V., 2007 : Spatial Changes in Global Viticulture Zones. In process Winter 2007.
Jones, G.V. , 2007 : Structure and trends in wintertime extreme minimum temperatures
in eastern Washington and the Niagara region of Canada. In process Winter 2007.
Jones, G.V., 2005 : Climate change in the western United States grape growing regions,
Acta Horticulturae (ISHS), 689, 41-60.
Jones, G.V., Duchene, E., Tomasi, D., Yuste, J., Braslavksa, O., Schultz, H., Martinez, C., Boso,
S., Langellier, F., Perruchot, C., and G. Guimberteau, 2005 : Changes in European
Winegrape Phenology and Relationships with Climate, GESCO 2005. August 2005.
Jones, G.V., Goodrich, G.B., and J. Miller, 2007 : Influences of Climate Variability on the
U.S. West Coast Wine Regions and Wine Quality in the Napa Valley. In process Winter
2007.
Jones, G.V., M. Moriondo, B. Bois, A. Hall, and A. Duff., 2009: Analysis of the spatial
climate structure in viticulture regions worldwide. Le Bulletin de l'OIV
82(944,945,946):507-518.
Jones, G.V., Myers, J., White, M.A., and S. Surbey, 2007 : Reanalysis of Winkler Regions for
the Western United States. In process Winter 2007.
Jones, G.V., White, M.A., Cooper, O.R., and K. Storchmann, 2005 : Climate Change and
Global Wine Quality, Climatic Change, 73(3), 319-343.
Jones, G. V. and R. E. Davis, 2000 : Climate Influences on Grapevine Phenology, Grape
Composition, and Wine Production and Quality for Bordeaux, France, Am. J. Viti. Enol. 51,
249-261.
Kain, John S., S. J. Weiss, J. J. Levit, M. E. Baldwin, D. R. Bright, 2006: Examination of
Convection-Allowing Configurations of the WRF Model for the Prediction of Severe
Convective Weather: The SPC/NSSL Spring Program 2004. Wea. Forecasting, 21, 167–
181.
Kalnay E., Kanamitsu M., Kistler R., Collins W., Deaven D., Gandin L., Iredell M., Saha S.,
White G., Woollen J., Zhu Y., Chelliah M., Ebisuzaki W., Higgins W., Janowiak J., Mo K.C.,
Ropelewski C., Wang J., Leetmaa A., Reynolds R., Jenne R. and Joseph D., 1996 : The
NCEP/NCAR 40-year reanalysis project, Bull. Amer. Meteor. Soc., 77 (3), 437-470.
Kergomard C., Bigot S., Charabi Y. et Leriche P., 2002 : Climat urbain et qualité de l’air :
approches géographiques et collaborations pluridisciplinaires. Bulletin Association de
Géographes Français, 4, 462-473.
Kidson JW., 2000 : An analysis of New Zealand synoptic types and their use in defining
weather regimes. International Journal of Climatology, 20, 299–316.

86
Klein Tank A.M.G. and Coauthors, 2002 : Daily dataset of 20th-century surface air
temperature and precipitation series for the European Climate Assessment. Int. J. of
Climatol., 22, 1441-1453.
Klemp J., 2006, Reseach-Community priorities for WRF-System development, National
Center for Atmospheric Research, WRF Research Applications Board.
Kondo J. and Okusa N., 1990 : A simple numerical prediction model of nocturnal cooling
in a basin with various topographic parameters, J. Applied Meteorology, 29 (7), 604-619.
Kondo J. and Okusa N., 1990 : A simple numerical prediction model of nocturnal cooling
in a basin with various topographic parameters, J. Applied Meteorology, 29 (7), 604-619.
Kurtzman D. and Kadmon R., 1999 : Mapping of temperature variables in Israel: a
comparison of different interpolation methods. Clim. Res., 13, 33-43.
Lamy C. et Dubreuil V., 2011 : Modélisation du bilan hydrique en Bretagne dans le
contexte du changement climatique : cas du scénario A1B. Actes du XXIVème colloque de
l’AIC, Rovereto, Italie, 357-362.
Laprise R., 2008 : Regional climate modelling, Journal of Computational Physics, 227,
3641-3666.
Laughlin G. P. and Kalma J.D., 1987 : Frost hazard assessment from local weather and
terrain data. Agricultural and Forest Meteorology, 40(1), 1-16.
Le Roy Ladurie E., 2009 : Histoire humaine et comparée du climat TOME 3 1860-2008. Ed.
Fayard, 262p.
Le Tixerant M., Tissot C., 2008 : Impact evaluation of a Marine Renewable Energy project
on human activities dynamic, Second International Conference on Ocean energy (ICOE)
“Targeting successful deployment of commercially viable ocean energy systems
worldwide”, Brest, 12 p.
Le Treut H., 2009 : Nouveau Climat sur la Terre : comprendre prédire, réagir. Flammarion,
241p.
Le Treut H., 2010 : Modèles climatiques : certitudes, incertitudes et impacts locaux.
Actes du 23ième colloque de l’AIC, In Risques et changement climatique, Ed Dubreuil et
al., 2010 ; Rennes, pp 7-10. ISBN : 978-2-907696-16-6. p7-10.
Le Treut, H., R. Somerville, U. Cubasch, Y. Ding, C. Mauritzen, A. Mokssit, T. Peterson and
M. Prather, 2007 : Historical Overview of Climate Change. In: Climate Change 2007: The
Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of
the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen,
M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press,
Cambridge, United Kingdom and New York, NY, USA. 36p.
Leduc M. and Laprise R., 2009 : Regional climate model sensitivity to domain size, Clim.
Dyn., 32, 833-854, DOI 10.1007/s00382-008-0400-z.

87
Chabin J.P., Madelin M. et Bonnefoy C., 2007 : Les vignobles beaunois face au
réchauffement climatique. in Global warming, which potential impacts on the vineyards?
28-30 mars 2007 / March 28-30, 2007. 13p.
M. Le Tixerant, C. Tissot, F. Gourmelon, D. Brosset, 2010 : Modelling of human activity
development in coastal sea areas, Journal of Coastal Conservation: Planning and
Management, (in press).
Maciel A., Monteiro A., Quénol H. et Beltrando G., 2007 : Extremos térmicos e
vulnerabilidade num vinhedo do Entre Douro e Minho. Finisterra, vol XLII, n°83, 23-45.
Madelin M. and Beltrando G., 2005 : Spatial interpolation based mapping of spring frosts
hazard in the Champagne vineyard. Meteorol. Appl., 12 (1), 51-56.
Mavrakis A., H. A. Flocas, E. Mavromatidis, G. Kallos, G. Theoharatos, A. Christides, 2010:
A case of nighttime high ozone concentration over the greater Athens area.
Meteorologische Zeitschrift, Vol. 19, No. 1, 035-045. DOI 10.1127/0941-
2948/2010/0428
McQueen, J. T., R. R. Draxler, and G. D. Rolph, 1995: Influence of grid size and terrain
resolution on wind field predictions from an operational mesoscale model. J. Appl.
Meteor., 34, 2166–2181.
Merlier C., 2001 : Interpolation des données spatiales en climatologie et conception
optimale des réseaux climatologiques. Annexe du rapport de Météo-France concernant
ses activités en rapport avec la Commission for Climatology (CCI) de l’OMM, 21p.
Miller, S. T. K., B. D. Keim, R. W. Talbot, and H. Mao, 2003: Sea breezes: Structure,
forecasting and impacts. Rev. Geophys., 41, 1011, doi:10.1029/2003RG000124.
Morlat R., 2010 : Traité de viticulture de terroir. Ed. Lavoisier, 492p.
Narapusetty B., Mölders N., 2005 : Evaluation of Snow Depth and Soil Temperatures
Predicted by the Hydro–Thermodynamic Soil–Vegetation Scheme Coupled with the
Fifth-Generation Pennsylvania State University–NCAR Mesoscale Model. Journal of
Applied Meteorology, 44, 12, 1827-1843.
Neumann P. and Matzarakis A., 2011 : Viticulture in southwest Germany under climate
change conditions. Climate Research, 47,161-169.
Oke T.R., 1987: Boundary Layer Climates. Second Edition, London, 372p.
Pachauri R.K. and ReisingerA., 2007: Contribution of Working Groups I, II and III to the
Fourth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC,
Geneva, Switzerland. pp 104.
Pagé C., 2008 : Format des données SAFRAN et scénarios climatiques désagrégés au
CERFACS. Climate modelling and Global Change TR/CMGC/08/27, 8p.
Pagé C., Terray L. et Boé J., 2008 : Projections climatiques à échelle fine sur la France pour
le 21ème siècle : les scénarii SCRATCH08. Rapport Climate Modelling and Global Change
TR/CMGC/08/64. 21p.

88
Pagney, P., 1988 : Climats et cours d’eau de France. Masson, Paris, 166 p.
Pattanayak S., U. C. Mohanty, S. R. Rizvi, X. -Y. Huang et K. Naga Ratna, 2008 : A
comparative study on performance of MM5 and WRF (ARW & NMM) models in
simulation of tropical cyclone over Bay of Bengal.
www.mmm.ucar.edu/wrf/users/workshops/WS2008/WorkshopPapers.php
Pedelaborde P., 1957 : Le climat du Bassin Parisien. Génin, Paris, 539 p.
Pielke R.A., W. R. Cotton, R. L. Walko, C. J. Tremback, W. A. Lyons, L. D. Grasso, M. E.
Nicholls, M. D. Moran, D. A. Wesley, T. J. Lee, J. H. Copeland., 1992 : A comprehensive
meteorological modeling system: RAMS. Meteorology and Atmospheric Physics, 49,1-4,
69-91.
Pielke, R.A., W.A. Lyons, R.T. McNider, M.D. Moran, D.A. Moon, R.A. Stocker, R.L. Walko,
and M. Uliasz, 1991: Regional and mesoscale meteorological modeling as applied to air
quality studies. Air Pollution Modeling and Its Application VII , eds. H. van Dop and D. G.
Steyn. Plenum Press, New York and London, 259-290.
Planchon, O., 1994. À propos de la notion de climat maritime. Études Méditerranéennes,
16, 119-130.
Planchon, O., 1997. Les Climats Maritimes dans le Monde. Presses Universitaires du
Septentrion, Villeneuve d’Ascq, 233 p.
Planton S., 2003 : A l'échelle des continents : le regard des modèles, C. R. Geoscience, 335,
535-543.
Quénol H., 2002 : Climatologie appliquée aux échelles spatiales fines : influence des haies
brise-vent et d’un remblai ferroviaire sur le gel printanier et l’écoulement du mistral.
Edition ANRT, ISBN 2-284-04081-0, 283 p.
Quénol H., Maciel A., Monteiro A. et Beltrando G., 2004 : Mesures climatiques aux
échelles fines (météorologiques et agronomiques) et variabilité spatiale du gel
printanier dans le vignoble de Vinho Verde. Norois, 4/2004, 193, 117-132.
Quénol H., Maciel A., Monteiro A. et Beltrando G., 2007 : Variabilidade espacial do gelo
primaveril nos vinhedos do Vinho Verde (Portugal), Geografia, jan/avr 2007, 32/1,
5−27.
Quénol, H., Planchon, O. et Wahl, L., 2008 : Méthodes d’identification des climats
viticoles. Bulletin de la Société Géographique de Liège, 51, 127-137.
Quénol H., Dubreuil V., Mimet A., Pellissier V., Aguejdad R., Clergeau P. et Bridier S.,
2010 : Climat urbain et impact sur la phénologie végétale printanière. La Météorologie.
88, 50-57.
Quense J., 2011 : Changement climatique et dynamique de la végétation dans les Andes du
Chili central, depuis le milieu du XXe siècle : l’exemple de la vallée de Yerba Loca. Thèse de
doctorat de l’Université de Grenoble, 271p.

89
Rosenbluth, B., Fuenzalida, H. et Aceituno, P., 1997 : Recent temperature variations in
southern south america. International Journal of Climatology, 17, 67-85.
Rouan M., Kerbiriou C., Levrel H., Etienne M., “A co-modelling process of social and
natural dynamics on the isle of Ouessant: Sheep, turf and bike”, special issue "Modelling
with Stakeholders" of Environmental Modelling & Software, Volume 25, Issue 11,
November 2010, 1399-1412.
Seguin B. et García de Cortázar Atauri I., 2004 : Climate warning : consequences for
viticulture and the notion of “terroirs” in Europe. Proceedings of The Seventh
International Symposium of Vineyard Physiology and Biotechnology. 21-25 juin Davis
(USA). Acta Horticulturae. 689, 61-70.
Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., Tignor, M. et Miller,
H. L., 2007 : Climate Change 2007: The Physical Science Basis. Contribution of Working
Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate
Change. Cambridge University Press, Cambridge et New York, 996 p.
Stahl K., Moore R.D., Floyer J., Asplin M. and McKendry I., 2006 : Comparison of
approaches for spatial interpolation of daily air temperature in a large region with
complex topography and highly variable station density. Agr. Forest. Meteorol., 139, 224-
236.
Sturman AP, Tapper NJ. 2006 : The Weather and Climate of Australia and New Zealand,
2nd edn. Oxford University Press: Melbourne, 541.
Tillier I. and Tissot C., 2010 : Modelling spatial use conflicts and Nature-Society
interactions in coastal areas coupling MAS and GIS, in: Maanan M., Robin M., Geomatic
solutions for coastal environments, Nova Science Publishers, Inc., 327-346.
Tillier I., Tissot C., Rouan M., Trouillet B., Brosset D., Robin M., 2009 : Modélisation du
déroulement d’activités conchylicoles en zone côtière par couplage sig/sma, MASHS :
Modèles et Apprentissage en Sciences Humaines et Sociales, Toulouse, 12 p.
Tissot C., Cuq F., 2005 : Modélisation spatio-temporelle d'activités humaines à fort
impact environnemental, Cybergéo : Revue européenne de géographie, n°313, 20 juin
2005, 14 p.
Tonietto J, Carbonneau A., 2004 : A multicriteria climatic classification system for grape-
growing regions worldwide. Agricultural and Forest Meteorology, 124, 81-97.
Tonietto J., 1999 : Les macroclimats viticoles mondiaux et l’influence du mesoclimat sur la
typicité de la Syrah et du Muscat de Hambourg dans le sud de la France. Thèse de doctorat
de l’Université de Montpellier. 216p.
Uliasz, M., R.A. Stocker, and R.A. Pielke, 1996: Regional modeling of air pollution
transport in the southwestern United States. Environmental Modeling III, ed. P. Zannetti,
Computational Mechanics Publications, 145-182.

90
Van Leeuwen, C., P. Friant, X. Choné, O. Tregoat, S. Koundouras, D. Dubourdieu, 2004:
Influence of climate, soil, and cultivar on terroir. American Journal of Enology and
Viticulture 55: 207-217.
Vaudour E., 2003 : Les terroirs viticoles : définitions, caractérisation et protection. Ed.
Dunod, 293p.
Walko, R. L., C. J. Tremback, R. A. Pielke, and W. R. Cotton, 1995: An interactive nesting
algorithm for stretched grids and variable nesting ratios. J. Appl. Meteor., 34, 994–999.
Webb L, Dunn GM, Barlow EWR. 2010 : Winegrapes, In Adapting agriculture to climate
change: preparing Australian agriculture, forestry and fisheries for the future. Stokes C,
Howden M (eds). CSIRO Publishing: Melbourne, 101-118.
Webb L, Whetton PH, Barlow EWR. 2007 : Modelled impact of future climate change on
the phenology of winegrapes in Australia. Climate change and Grapevine Phenology, 13,
165-175.
Webb L, Whetton PH, Barlow EWR. 2008. Climate change and winegrape quality in
Australia. Climate Research, 36, 99-111.
Winkler A.J., Cook J.A., Kliewer W.M. et Lider L.A., 1974. General viticulture, Berkeley,
University of California, 710 p.
X, 2010 : validation required. Nature, Vol 463, Issue no. 7283, 18 February 2010, 1p.
http://www.nature.com/nature/journal/v463/n7283/full/463849a.html
Yoshino M., 1975: Climate in a small area : an introduction to local meteorology.
University of Tokyo Press, 549p.

91
Liste des figures

Figure 1 : Classification des échelles spatio-temporelle selon des ordres de grandeur

(adapté d’après Choisnel, 1987)
Figure 2 : Approche systémique de la variabilité climatique aux échelles locales.
Figure 3 : Caractéristiques des postes de mesures météorologiques disposés dans la région
do Entre Douro e Minho (a) dans les vignobles expérimentaux de Monçao (b) et d’Arcos de
Valdevez (c) (Portugal) (Quénol et al., 2007).
Figure 4 : Températures minimales de la nuit du 15 au 16 février 2003 à Arcos de Valdevez
(a) et à Monçao (b). (Quénol et al., 2007)
Figure 5 : Occupation du sol dans un rayon de 200m autour de 6 stations météorologiques
de la métropole rennaise (Quénol et al., 2010).
Figure 6 : Evolution de la phénologie du cerisier en fonction de l’occupation du sol dans la
métropole rennaise entre le 1er mars et le 1er avril 2005.
Figure 7 : Principes de la modélisation statistique multicritères appliquée aux échelles fines
(Madelin et Quénol, 2012)
Figure 8 : Principes théoriques de la modélisation numérique méso-échelle appliquée à
l’échelle des terroirs viticoles.
Figure 9 : Principaux facteurs caractérisant les terroirs viticoles.
Figure 10 : Répartition des vignobles étudiés dans le cadre de TERVICLIM et TERADCLIM
Figure 11 : Indices bioclimatiques d’origine thermique calculés durant la période de
croissance de la vigne dans l’hémisphère nord.
Figure 12 : Evolution des températures minimales et maximales au niveau des différents
vignobles expérimentaux sur la période 1960- 2010.
Figure 13 : Température moyenne annuelle entre 1941 et 2010 calculée à partir de 7
stations météorologiques en Nouvelle Zélande (sources : NIWA)
Figure 14 : Evolution des températures minimales (a) et maximales (b) dans les vignobles
de la Vallée Centrale Otago (station Queenstown), de Nelson et Hawkes Bay (station
Napier) entre 1960 et 2010.
Figure 15 : Evolution de l’Indice d’Huglin dans les vignobles de la Vallée Centrale Otago
(station Queenstown), de Nelson et Hawkes Bay (station Napier) entre 1960 et 2010
(sources : NIWA).
Figure 16 : Stations et capteurs météorologiques disposés en fonction des échelles spatiales
imbriquées : a) de la Vallée de la Loire, b) en passant par les vignobles d’Anjou et
Saumurois c) jusqu’au Quart de Chaumes
Figure 17 : Températures moyennes, minimales et maximales annuelles pour des stations
représentatives du climat régional du Val de Loire (1948-2008)
Figure 18 : Evolution de l’Indice de Winkler avant et après la rupture d’homogénéité des
séries climatiques (1953-2008) (d’après Bonnefoy et al., 2011)
Figure 19 : Evolution de l’Indice de Huglin (1960-2010) à Nantes, Angers, Saumur et Tours
(d’après Bonnefoy et al, 2011).
Figure 20 : Indices de Winkler (a) et d’Huglin (b) dans l’Anjou et le Saumurois
Figure 21 : Observations phénologiques au cours du débourrement (a) et de la véraison (b)
en 2008 en Anjou.
Figure 22 : Températures minimales (a) et maximales (b) moyennes mensuelles dans les
Coteaux du Layon (Bonnefoy et al., 2010)
Figure 23 : Températures minimales du 21 mars 2011 enregistrées par les Tynitag dans le
vignoble des Coteaux du Layon (appellation Quart de Chaumes).
Figure 24 : Températures (a), humidité relative (b) et vitesse du vent (c) enregistrées
toutes les 15 mn sur les stations « Chaumes » et « Beaulieu » la nuit du 21 mars 2011
Figure 25 : Températures maximales du 4 juillet 2011 enregistrées par les Tynitag dans le
vignoble des Coteaux du Layon (appellation Quart de Chaumes).
Figure 26 : Températures (a), humidité relative (b) et vitesse du vent (c) enregistrées
toutes les 15 mn sur les stations « Chaumes » et « Beaulieu » le 4 juillet 2011
Figure 27 : Cumuls des degrés jours (a) et Indice d’Huglin (b) calculés pour la période
végétative de 2009 enregistrées par les Tynitag dans le vignoble des Coteaux du Layon
(appellation Quart de Chaumes). (Bonnefoy et al., 2010)
Figure 28 : Localisation du vignoble (a) et des instruments de mesures (b) dans le district
de Stellenbosch. (Bonnardot et al., 2012)
Figure 29 : Caractéristiques des grilles imbriquées pour la modélisation RAMS (Bonnardot
et al., 2012).
Figure 30 : Températures minimales moyennes de janvier à mars 2009 enregistrées par les
Tynitags dans le vignoble de Stellenbosch. (Bonnardot et al., 2012)
Figure 31 : Fréquence des températures minimales moyennes de janvier à mars 2009.
(Bonnardot et al., 2012)
Figure 32 : Températures modélisées à 200m de résolution : représentations horizontale
(z=24m) et transect vertical Ouest-Est (b) (05 mars 2009 à 06h00). (Bonnardot et al.,
2011)
Figure 33 : Comparaison entre les données thermiques simulées à 2m (RAMS et WRF) et les
données observées des stations de Jabobsdal (a) et de Meerlust (b)
Figure 34 : Modélisation multicritères des températures minimales moyennes dans le
district viticole de Stellenbosch (a) et discrétisation suivant les températures utilisées pour
la maturité de la vigne (b) (réalisation M. Madelin).
Figure 35 : Modélisation multicritères des températures minimales dans le district viticole
de Stellenbosch pour la nuit du 5 mars 2009 (a) avec une classification tous les 2°C (b)
(réalisation M. Madelin).
Figure 36 : Grilles imbriquées et localisation des stations météorologiques utilisées
Figure 37 : Différences entre les températures moyennes mensuelles simulées par RAMS
(5 km) ou par ARPEGE (~ 50 km) et les températures moyennes mensuelles observées pour
34 stations et 3 mois sur la période de référence (1991-2000).
Figure 38 : Fréquence des biais sur les températures minimales d’avril (différences entre les
valeurs simulées par RAMS ou ARPEGE et les valeurs observées) pour 3 stations viticoles
françaises et en moyenne pour les 3 stations. Période 1991-2000.
Figure 39 : Fréquence des biais sur les températures maximales de juillet (différences entre
les valeurs simulées par RAMS ou ARPEGE et les valeurs observées) pour 3 stations
viticoles françaises et en moyenne pour les 3 stations. Période 1991-2000.
Liste des tableaux

Tableau 1 : Vignobles équipés en stations et capteurs météorologiques dans le cadre de

l’ANR-JC-TERVICLIM et le GICC-TERADCLIM.
Tableau 2 : Températures minimales moyennes (a) et maximales (b) dans l’Anjou et le
Saumurois.
Tableau 3: Matrices de corrélation de Pearson (p<0,0001) entre les températures
moyennes mensuelles simulées par RAMS (5 km) ou par ARPEGE (~ 50 km) et les
températures moyennes mensuelles observées pour 34 stations et 3 mois sur la période de
référence (1991-2000).
Tableau 4 : Statistiques descriptives sur les moyennes des températures minimales du mois
d’avril (1991-2000) simulées (par ARPEGE et RAMS) et observées dans 34 stations. Matrice
de corrélation Pearson (p<0,0001).
Tableau 5 : Statistiques descriptives sur les différences entre les valeurs simulées par RAMS
(5 km) ou par ARPEGE (50 km) et les valeurs observées dans 3 stations viticoles françaises
(températures minimales d’avril ; période 1991-2000 ; n=300).
Tableau 6 : Statistiques descriptives sur les moyennes de températures maximales du mois
de juillet (1991-2000) simulées (par ARPEGE et RAMS) et observées dans 34 stations.
Matrice de corrélation de Pearson (p<0,0001).
Tableau 7 : Statistiques descriptives sur les différences entre les valeurs simulées par RAMS
(5 km) ou par ARPEGE (50 km) et les valeurs observées dans 3 stations viticoles françaises
(températures maximales de juillet ; période 1991-2000 ; n=300).