Thierry Castel

Regional climate, Variability, Climate Change Impacts

All posts in one long list


M2SEME UE6.2

UE6.2 Downscaling Climatique Statistique

Après avoir présenté les principes de la désagrégation climatique dynamique et statistique nous appliquerons la méthode de descente d’échelle statistique Quantile Mapping. Nous mobiliserons cette méthode pour désagréger les simulations climatiques globales CMIP6. Le projet d’inter-comparaison de modèles couplés (CMIP) s’est développé sous l’égide du Programme mondial de recherche sur le climat. Ces données mobilisées dans le cadre des rapports du GIEC par la communauté internationale sont accessibles via divers portails de service climatique. Nous mobiliserons le portail Européen Climate4Impact pour récupérer ces données climatiques. Nous reviendrons sur la récupération des données au cours de la première séance.

Les scripts, les données des stations Météo-France et un article dec présentation de la méthode de downscaling sont à récupérer ici

Le travail se découpe en 5 principales étapes :

1-Récupération et post-traitement des données de Tn, Tx et Pluie de CMIP6 et des stations Météo-France

La descente d’échelle et le débiaisage des données se fera sur la région Bourgogne Franche-Comté

Pour la lecture et la récupération des données CMIP6 nous utiliserons le package R : ncdf4

Les étapes de cette partie sont illustrées pour la température minimale Tn et sont présentées sur le Notebook_CMIP6

2-Ajustement et application des fonctions de transfert par percentile

Nous utiliserons le package R : qmap qui implémente la méthode du Quantile Mapping

Les étapes de cette partie sont illustrées pour la température minimale Tn et sont présentées sur le Notebook QMapping

3-Récupération et post-traitement des données projetées CMIP6 SSP585

Les étapes de cette partie sont illustrées pour la température minimale Tn et sont présentées sur le Notebook CMIP6SSP

4-Application du modèle de Quantile-Mapping ajusté pour les données projetées

Les étapes de cette partie sont illustrées pour la température minimale Tn et sont présentées sur le Notebook_QMappingSSP

5-Quelle évolution des températures et des pluies pour la région BFC à l’horizon 2100 ?

Après application de la méthode vous évaluerez quelles évolutions des températures et des pluies sont projetées pour la région BFC. Vous regarderez cela pour la trajectoire SSP585 et SSP245.

UE4 Climat TP#1 : de la donnée à l'adaptation

L’UE Climat s’articule autour de séquences assurées par des intervenant(e)s sur les thèmes indiqués dans le tableau ci-dessous. Ces séquences seront complétées par une mise en application qui suivra la progressivité de l’UE et illustrera les différents points abordés par les intervenant(e)s. Pour cela un applicatif centré sur «Impact du changement climatique sur la ressource en eau en Bourgogne Franche-Comté» servira de fil conducteur.

Thèmes Intervenants extérieurs heures  
Services et portails climatiques Agnès Tamburini, Météo-France 2  
Impacts hydriques et hydrologiques Eric Sauquet, IRSTEA 6  
Impacts sur les agro-écosystèmes Annabelle Larmure, AgroSup 3  
Regard et actions des CA face au CC Jérome Lamonica, CA Jura 2  
       
Applicatif Intervenants heures  
Impacts CC sur la ressource en eau T. Castel 27  
       

En amont de l’applicatif il vous est demandé de réaliser les taches suivantes :

  1. vous inscrire sur le portal DRIAS de Météo-France afin de pouvoir récupérer lors de la première séance les données climatiques qui seront utilisées pour l’applicatif;
  2. récupérer des données environnementales sur les sites suivants :
    • IGN pour les limites administratives et le Modèle numérique de Terrain;
    • CLC pour les données d’occupation du sol Corine Land Cover;

La mise en oeuvre de l’applicatif mobilisera les outils logiciels SIG QGIS et de traitement de données et statistiques R. Pour ce dernier nous conseillons de l’utiliser via un environnement interactif de développement du type RStudio par exemple.

Les librairies R à installer pour le TP sont :

  • xts
  • spatstat

L’archive .zip contenant les scripts, les données et la documentation peut être récupérée ici

UE2 M2SEME: analyse spatiale avec QGIS

Analyse spatiale de données géographiques : Pollution au phosphore dans un bassin versant

Objectifs pédagogiques :

  • Savoir analyser des Données spatiales avec QGIS;
  • Construire une stratégie (i.e. démarche méthodologique) d’analyse spatiale;
  • Mettre en œuvre cette stratégie avec QGIS pour cartographier un risque de pollution diffuse d’origine agricole à l’échelle d’un bassin versant;
  • Acquérir les bases de la géostatistique pour évaluer la cohérence spatiale de données;
  • Développer un regard critique sur la qualité des données spatialisées, leurs intérêts et leurs limites, en particulier dans le cadre d’analyses environnementales;
  • Exploiter la complémentarité QGIS/R;

La présentation de l’applicatif SIG, le support du TP et les données sont à récupérer ici

Séance 1

  • Introduction à la problématique de pollution diffuse d’origine agricole sur le Bassin Versant étudié;
  • Travail collégial sur le modèle de risque de fuite en phosphore établit par le consortium qui a traité le cas;
  • Classification des niveaux de risque;
  • Construction collégiale de la stratégie pour produire une cartographie du risque;
  • Mise en oeuvre de la démarche d’analyse spatiale pour l’identification des niveaux de risque;

Séance 2

  • Poursuite de la mise en oeuvre
  • Traitement des données pour identifier les niveaux de risque;
  • Finalisation des traitements;
  • Production des résultats et de la carte du risque;

Nous reviendrons au cours du TP sur les différentes étapes.

UE4 Climat : de la donnée à l'adaptation

L’UE Climat s’articule autour de séquences assurées par des intervenant(e)s sur les thèmes indiqués dans le tableau ci-dessous. Ces séquences seront complétées par une mise en application qui suivra la progressivité de l’UE et illustrera les différents points abordés par les intervenant(e)s. Pour cela un applicatif centré sur «Impact du changement climatique sur la ressource en eau en Bourgogne Franche-Comté» servira de fil conducteur.

Thèmes Intervenants extérieurs heures  
Services et portails climatiques Agnès Tamburini, Météo-France 2  
Impacts hydriques et hydrologiques Eric Sauquet, IRSTEA 6  
Impacts sur les agro-écosystèmes Annabelle Larmure, Institut Agro Dijon 3  
Regard et actions des CA face au CC Jérome Lamonica, CA Jura 2  
       
Applicatif Intervenants heures  
Impacts CC sur la ressource en eau T. Castel 27  
       

En amont de l’applicatif il vous est demandé de réaliser les taches suivantes :

  1. vous inscrire sur le portal DRIAS de Météo-France afin de pouvoir récupérer lors de la première séance les données climatiques qui seront utilisées pour l’applicatif;
  2. récupérer des données environnementales sur les sites suivants :
    • IGN pour les limites administratives et le Modèle numérique de Terrain;
    • CLC pour les données d’occupation du sol Corine Land Cover;
    • RU attention ce lien est temporaire;

La mise en oeuvre de l’applicatif mobilisera les outils logiciels SIG QGIS et de traitement de données et statistiques R. Pour ce dernier nous conseillons de l’utiliser via un environnement interactif de développement du type RStudio par exemple.

L’ensemble des cours et des TD/TP se feront dans la salle 206 et/ou 210 site au ème étage de l’aile sud du bâtiment Sciences Gabriel sur le campus de l’UB.

Enfin nous vous demandons :

  1. la lecture du document suivant BH qui contextualise l’objectif de l’applicatif et qui présente les principes et les détails du modèle de bilan hydrique simplifié qui sera utilisé;
  2. récupération diaporama UE4.

Remise à niveau R

Environnement et outils de traitement des données

L’outil logiciel préconisé est R qui permet le traitement avancé des données numériques et leur analyse statistique. Outre qu’il implémente l’état de l’art des méthodes statistiques, R offre la possibilité de tracer les données et de produire des figures de qualité. La mise en oeuvre de ces fonctionnalités est délicate à partir de l’éditeur natif de R. Pour cela différents environnements intégrés de développement encore appelés IDE (Interactive Development Environment) ont été développés afin d’améliorer la prise en main, l’efficacité et les échanges. Parmi les IDE utilisés avec R nous pouvons vous en conseiller deux :

  • RStudio qui est un IDE spécifique à R et qui offre une version open-source pour Windows assez facilement installable;
  • Jupyter un IDE ‘universel’ s’appuyant sur le concept de notebook qui facilite la publication, les échanges et la réutilisation du code. L’installation sous Windows n’est pas directe et nécessite d’installer la plate-forme Anaconda;

Installation de R + RStudio ou R + Jupyter via Anaconda

R + RStudio

Pour Windows :

  1. récupérer les exécutables (i.e. .exe) de R et RStudio via les liens ci-dessus;
  2. installer R en utilisant les options proposées par défaut;
  3. installer RStudio en double cliquant sur l’exécutable et suivre les étapes.

Anaconda

L’installation est quasi identique pour windows, linux et macOS. Nous présentons ci-dessous les principales étapes de la récupération à l’installation. Nous montrons comment créer un nouvel environnement avec R et Jupyterlab.

  • Récupération d’Anaconda

Anaconda

  • Installation d’Anaconda

Une fois le fichier exécutable (‘Anaconda3-2022.05-Windows-x86_64.exe’) cliquer deux fois dessus pour lancer l’installation

install1 install2 install3
  • Anaconda Navigator -> menu démarrer

Anaconda apparaît après l’installation dans votre menu démarrer. Il faut lancer Anaconda Navigator pour gérer les environnements et l’installation des packages. install1

Anaconda propose un environnement isolé afin de gérer les dépendances et la version des logiciels. C’est pour cela qu’il nécessite à minima 3Go d’espace disque et un minimum de mémoire RAM.

  • Anaconda Navigator -> Interface

L’interface anaconda de base propose par défaut une séries de logiciel installés ou à installer en fonction des besoins. install1

Cet environnement de base est très stable. En contrepartie ce ne sont pas les versions les plus récentes des logiciels qui sont proposées. Pour avoir des versions plus récentes il faudra ajouter un liens (Channels).

  • Anaconda Navigator -> Channels

On vous propose d’ajouter le Channel ou lien conda-forge qui pointe sur les versions plus récentes et propose plus de packages. install1

Ce Channel maintenu par une large communauté issue du monde open-source permet de créer de nouveaux environnements opérationnels pour vos besoins. Dans notre cas on vous propose une fois le Channel ajouté de créer un nouvel environnement avec une version plus récente de R, Jupyterlab et le noyau (kernel) de R pour jupyterlab.

  • Anaconda Navigator -> Création d’un nouvel environnement

Ici on active l’intallation de R et python. Anaconda va se baser sur le Channel conda-forge pour les versions des logiciels. install1

Après sa création on va pouvoir ajouter les logiciels et packages dont on a besoin et notamment jupyterlab et les libraries spécifiques en plus des librairies de base.

  • Anaconda Navigator -> Installation de logiciel et librairies

Sélectionner votre nouvel environnement recherche dans les logiciels et librairies non installés jupyterlab et les libraries R listées plus bas dans la page. install1

Après cette opération vous pouvez retourner sous Home et à partir de votre nouvel environnement vous pouvez lancer Jupyterlab. Jupyterlab vous permet d’ouvrir le notebook et lancer les blocs de code. Pour cela il vous faudra récupérer les données via le lien ci dessous et modifier dans le notebook le chemin d’accès aux données .

Les librairies à installer pour le TP sont :

  • sf, relaimpo, leaps, maptools, rgdal, spatstat, classInt, RColorBrewer

Script et données

Les données, les scripts et les docs sont à récupérer ici : data

Le notebook vous permet de prendre connaissance des différentes étapes, de commencer à tester le code sur votre machine.

Nous reviendrons au cours du TP sur les différentes étapes.

Séries temporelles analyse avec R

Pour rappel :

  • avec R les # permettent de mettre des commentaires dans le code
  • Pour l'assignement dans un objet on peut utiliser les signes <- ou =
  • Parmis les fonctions très utiles pour explorer les données : class, str, dim, head, tail

Les librairies à installer pour le TP sont :

  • trend
  • xts

Le script, les données et de la docs sont à récupérer ici : data

Le notebook vous permet de prendre connaissance des différentes étapes et de commencer à tester le code sur votre machine.

Nous reviendrons au cours du TP sur les différentes étapes.

Stages 2022/2023

Sujets proposés

---
---

2022-2023 Bienvenue

Bienvenue sur mes pages

Bonjour et bienvenue sur mes pages. Ces pages sont destinées à présenter et appuyer mes activités d’enseignement et de recherche. Pour la partie enseignement elles s’adressent en premier lieu aux élèves-inégieurs de l’institut Agro Dijon et aux étudiants du Master SEME de l’université de Bourgogne. Elles me permettent de mettre à disposition les supports (scripts, données, notebooks, diaporamas etc.) et diverses informations utiles en amont soit de mes interventions ou de celles des intervenants extérieurs.

---
Pour les élèves-ingénieurs de la dominantes R2D2C -> cf. page 'Remise à niveau R'
Pour les élèves du Master 2 SEME -> cf. page 'Analyse des séries temporelles avec R'
---