Théorie des compensations...

[TreizeVents]

Histoire de ne pas alourdir le topic sur l'hiver d'une nouvelle relance des débats sur les compensations, j'ouvre un nouveau sujet dédié, avec quelques chiffres. Je vais surtout partir d'une remarque qui a été faite à plusieurs reprises : les prévisions saisonnières ne valent rien parce qu'elles se limitent à voir pour les mois suivants la poursuite des conditions que nous avons aujourd'hui, alors qu'au contraire le temps a plus de chances de changer que de rester statique.

Donc, juste pour l'anecdote, voici une série statistique calculée sur la période allant de 1950 à 2008, et comparant les anomalies des différents mois et saisons par rapport à ceux qui l'ont précédé. Le résultat est ici :

Ce tableau représente la répartition des mois ou saisons chaud © ou froids (F), selon si la saison ou le mois qui les ont précédé étaient eux-mêmes chauds ou froids. Par exemple pour la première ligne, 57,6% des mois de février qui suivent un mois de janvier chaud sont eux-même chauds (CC), 42,6% étant froids (CF). A l'inverse, 46,2% des mois de février qui suivent un mois de janvier froid sont chauds (FC), alors que 53,6% sont froids aussi (FF).

Vous remarquerez que lorsque les janvier, février, mars, avril, mai, juin, juillet, août, novembre et décembre sont chauds, sont tous majoritairement suivis par un autre mois chaud. Il n'y a que septembre et octobre qui inversent la tendance. De la même manière, les mois froids sont très majoritairement suivis par des mois qui sont froids aussi, sauf en septembre, novembre et décembre.

Quand on passe des saisons aux mois, le résultat est également sans appel : quelle que soit la saison, lorsqu'elle est chaude elle a plus de chances d'être suivie par une saison elle-même chaude. Côté froid, mis à part en automne, toute saison froide est majoritairement suivie par une saison froide elle aussi.

Maintenant, entendons-nous bien : je ne dis pas que décembre et que l'hiver seront doux par suite que novembre et l'automne le sont eux-mêmes. Je ne cautionne pas davantage toute prévision saisonnière qui se bornerait à dire "nous avons un mois froid donc je prévois que le mois prochain le sera aussi". Et si quelqu'un veut s'amuser à trouver des contre exemples (type "tu te trompes regarde juillet 2011 a été froid alors que juin avait été chaud"), je peux lui avancer le travail en lui signalant que vu qu'il n'y a aucune valeur à 100% dans le tableau il pourra trouver au moins un contre exemple dans chaque cas.

Je trouvais juste intéressant de jeter ce pavé dans la mare des discussions sur les compensations, car les résultats sont tout de même suffisamment significatifs pour pouvoir évincer l'idée que cette répartition ne serait due qu'au hasard. Lors des discussions sur le sujet qui s'étaient tenues dans le /topic/67278-tendance-ete-2011/page__st__701'>sujet sur l'été j'avais émis l'hypothèse inverse à celle de la compensation, à savoir que la climatologie est davantage régie par des cycles de récurrences qui ont tendance à faire perdurer les anomalies durant des périodes plus ou moins longues avant de s'inverser, mais je n'avais pas pris le temps de mettre des chiffres pour étayer mon argumentation.

[Dj Ravageur 37]

Bravo, comme d'habitude TreizeVents . Intéressant de notre tout de même que nous avons franchi donc la période la plus propice au "changement mensuel" (et elle ne s'est pas réalisée), mais pas encore celle au "changement saisonnier".

On peut peut-être aussi dire donc qu'une récurrence s'établit plus souvent de Novembre à Mars et de Mai à Septembre dans le chaud, uniquement de Mai à Septembre dans le froid. Je trouve ceci assez corroboré avec ce que j'ai pu voir en 8 années de synoptique.

De plus, je note la très forte relation FF entre l'hiver et le printemps : 3 fois sur 4 !

[piloutop]

Merci TreizeVents pour cette étude.

Pour faire court, et compte tenu de ce mois de novembre particuliérement chaud, on dira que l'on a 42,3% de chances d'avoir un décembre froid !

Je ne raméne pas ton étude à ce simple constat uniquement (il y aurait bcp à dire et du reste DJ a commencé), mais c'est sans doute mon côté ô combien impatient à présent de voir débarquer quelque chose qui ressemblerait, même de loin, à une espéce de saison froide.

[TreizeVents]

Mini-jeu : voici le résultat quand les saisons sont calculées non pas selon les dates climatologiques, mais selon les dates calendaires (par exemple, le printemps va du 21 mars au 20 juin) :

En prenant les saisons calendaires et non climatologiques, le résultat est encore plus significatif, puisque la seule exception (les automnes froids qui étaient majoritairement suivis par des hivers chauds) n'apparaît plus.

Blague à part, tout le monde ayant bien compris que la climatologie se fiche du calendrier des hommes, je me suis livré à une petite expérience supplémentaire : j'ai pris toutes les périodes de 10 jours depuis janvier 1950, et j'ai regardé l'anomalie des dix jours qui ont suivi. Sur plus de 20000 valeurs, voici la répartition :

CC : 60,4 %

CF : 39,6 %

FC : 39,9 %

FF : 60,1 %

Même jeu en prenant des périodes de 30 jours glissantes :

CC : 57,0 %

CF : 43,0 %

FC : 39,2 %

FF : 60,8 %

Pour bien comprendre ce que ce chiffre signifie : si vous prenez une période de 30 jours, n'importe laquelle, de n'importe quelle année entre 1950 et 2008, par exemple du 9 avril au 8 mai de l'année X, et que cette période a été chaude, vous avez 57% de chances que la période de 30 jours qui suit immédiatement soit chaude aussi.

EDIT : Tiens d'ailleurs, règle encore plus simple, la répartition par jour. Si vous prenez une journée, n'importe laquelle, entre 1950 et 2008, voici les répartitions avec le lendemain :

CC : 62,0 %

CF : 38,0 %

FC : 35,5 %

FF : 64,5 %

[UneBulleDeSavon]

Très intéressant tout cela, merci TreizeVents

[Ronflex]

Merci TreizeVents pour cette étude.

Pour faire court, et compte tenu de ce mois de novembre particuliérement chaud, on dira que l'on a 42,3% de chances d'avoir un décembre froid !

Je ne raméne pas ton étude à ce simple constat uniquement (il y aurait bcp à dire et du reste DJ a commencé), mais c'est sans doute mon côté ô combien impatient à présent de voir débarquer quelque chose qui ressemblerait, même de loin, à une espéce de saison froide.

Attention ne confonds pas statistique et probabilité. Statistiquement il y a eu 42,3% des mois de novembre chaud donnant suite à un mois de décembre froid mais cela ne veut pas dire que la probabilité est la même. Normalement une statistique prouve une probabilité sur un très grand nombre d'issus mais après peut on dire que c'est suffisant sur une échelle climatique ? D'autant plus que le climat n'est jamais constant mais bien en perpétuel changement alors que vaut vraiment ce tableau ? Pour moi il montre tout simplement qu'il n'y a pas de "compensations" et que c'est tout simplement aléatoire. La meilleur façon pour déterminer un hiver (comme n'importe qu'elle saison) c'est de réussir à trouver la récurrence synoptique qui se produira ainsi que les changements de synoptiques possibles. Et c'est la que ça devient vraiment difficile

[Invité Guest]

Attention ne confonds pas statistique et probabilité. Statistiquement il y a eu 42,3% des mois de novembre chaud donnant suite à un mois de décembre froid mais cela ne veut pas dire que la probabilité est la même. Normalement une statistique prouve une probabilité sur un très grand nombre d'issus mais après peut on dire que c'est suffisant sur une échelle climatique ? D'autant plus que le climat n'est jamais constant mais bien en perpétuel changement alors que vaut vraiment ce tableau ? Pour moi il montre tout simplement qu'il n'y a pas de "compensations" et que c'est tout simplement aléatoire. La meilleur façon pour déterminer un hiver (comme n'importe qu'elle saison) c'est de réussir à trouver la récurrence synoptique qui se produira ainsi que les changements de synoptiques possibles. Et c'est la que ça devient vraiment difficile

Tout à fait d'accord. Et j'en arrive à la question suivante : est-ce que vous pourriez détailler la méthodo ? (série, climat de référence, taille de l'échantillonage, intervalle de confiance, tentative de modélisation par un AR ?, stationnarité, que sais je encore...) ?

[jt75]

Oui c'est bien de la part de TreizeVents d'avoir donné quelques statistiques.

On voit d'ailleurs que plus la période de temps diminue, plus celle qui suit suit la précédente.

En poussant les chiffres à l'extrême, et en prenant des périodes de 1 heure, on aurait évidemment des stats encore plus éloquentes du genre:

CC 95% CF 5% FF 95% FC 5%

et dans l'autre sens c'est vrai aussi: plus la période de temps augmente plus on doit se rapprocher de 50% pour CC, CF, FF, FC(sans jamais l'atteindre). Bien qu'il y ait cependant dans ces périodes longues des ruptures de cycle. (mini âge glaciaire, etc)

Mainteant je vais redonner les liens sur les graphiques d'aléa d'une marche au hasard, ou d'un tirage pile/face, c'est assez incroyable, on y voit des périodes de récurrence (plein de piles qui se suivent, qq faces et de nouveau plein de piles, puis une longue série de face majoritaire si je les retrouve) je trouve que cela a un coté assez fascinant, on s'attendrait à une distribution plus ou moins équilibrée, Que nenni!

Je vais meme plus loin, je pense que si on prenait au hasard une serie de 1000 lancers indépendants, on se rapprocherait un peu de tes stats!

Ha voilà: Ici

Par exemple on voit que sur ses 3 tirages Pile/Face, tout marche par haut bas: ce sont des grandes tendances , ça monte longtemps, ça descend longtemps, et tout ceci le pur fruit du hasard !

Autre lien aussi très intéressant: ici

[lothski]

Très intéressant !

mais la classification met dans la même catégorie CF par ex pour un mois un +2 puis -3 et un + 0,1 suivi de -0,1 ce serait bien de voir la suite des anomalies et les écarts

[Invité Guest]

Salut cher 13 !

Sans vouloir abuser de ton immense générosité à prendre du temps pour faire ces travaux de statistiques très intéressants, tu as pensé à faire la même chose avec la pluviométrie sur des échelles de temps mensuelles et saisonnières ?

A+ et merci ton travail !

[sommeteo]

Oui, je trouve ces résultats fort intéressants. Cela fait longtemps que je pense aussi à une certaine récurrence de phénomènes. Cela remet d'ailleurs largement en cause la théorie du chaos et du battement d'aile de papillon. Non, le temps qu'il fait n'est pas aussi tributaire que cela des battements des ailes de papillon mais il se met en place des grandes structures stables sur une échelle de temps relativement longue (plusieurs mois par exemple). Cela permet de calculer la probabilité pour que la météo à échéance moyenne change ou reste globalement dans la même veine.

Par contre un grand ensemble stable, genre anticyclone, peut générer des types de temps très différents, chaud, froid selon sa position.

[Crack]

Merci Steph pour cette étude très intéressante /emoticons/smile@2x.png 2x" width="20" height="20">

Pour répondre à eric80, une affirmation de ce type mérite d'être argumentée. Je pense surtout que tu mélanges les échelles de temps et d'espace : la théorie du chaos est plus que fondée, et ce à de petites échelles. Il est évident qu'à grande échelle de temps et d'espace, le chaos n'intervient plus vraiment.

Sinon l'étude de Steph (Treizevent) montre bien l'intérêt d'une méthode statistique naïve bien connue : la persistance. Comme l'a dit jt75, plus on s'intéresse à une période courte, plus la persistance est fiable. En revanche ces statistiques n'ont plus de sens si l'on s'intéresse à l'échelle annuelle par ex. (d'une année sur l'autre, les fréquences doivent approcher les 50%, ceci en émettant l'hypothèse qu'il n'y a pas d'évolution de la température (i.e. pas de changement climatique)).

[sommeteo]

Merci Steph pour cette étude très intéressante /emoticons/smile@2x.png 2x" width="20" height="20">

Pour répondre à eric80, une affirmation de ce type mérite d'être argumentée. Je pense surtout que tu mélanges les échelles de temps et d'espace : la théorie du chaos est plus que fondée, et ce à de petites échelles. Il est évident qu'à grande échelle de temps et d'espace, le chaos n'intervient plus vraiment.

Sinon l'étude de Steph (Treizevent) montre bien l'intérêt d'une méthode statistique naïve bien connue : la persistance. Comme l'a dit jt75, plus on s'intéresse à une période courte, plus la persistance est fiable. En revanche ces statistiques n'ont plus de sens si l'on s'intéresse à l'échelle annuelle par ex. (d'une année sur l'autre, les fréquences doivent approcher les 50%, ceci en émettant l'hypothèse qu'il n'y a pas d'évolution de la température (i.e. pas de changement climatique)).

Oui, je me suis mal exprimé (je suis au boulot et je suis en train de faire deux choses en même temps). La théorie du chaos est bien fondée mais là où on a fait une erreur pendant longtemps c'était de croire que les grandes structures à l'échelle macroscopique ne pouvaient pas avoir de cohérence et que seul le chaos régnait. Or s'il règne bien à l'échelle microscopique, des structures stables dans le temps existent et ne sont pas remises en question au moindre battement d'aile de papillon, c'est à dire malgré leur composition chaotique microscopique. Il est d'ailleurs encore trop largement enseigné dans les écoles que l'aile du papillon va déstabiliser le temps à l'autre bout de la planète.

Ce sont ces structures stables dans le temps qui permettent notamment d'observer sur une échelle de temps de moyen terme (quelques semaines à quelques mois) une persistance de conditions météo.

[Crack]

Oui, je me suis mal exprimé (je suis au boulot et je suis en train de faire deux choses en même temps). La théorie du chaos est bien fondée mais là où on a fait une erreur pendant longtemps c'était de croire que les grandes structures à l'échelle macroscopique ne pouvaient pas avoir de cohérence et que seul le chaos régnait. Or s'il règne bien à l'échelle microscopique, des structures stables dans le temps existent et ne sont pas remises en question au moindre battement d'aile de papillon, c'est à dire malgré leur composition chaotique microscopique. Il est d'ailleurs encore trop largement enseigné dans les écoles que l'aile du papillon va déstabiliser le temps à l'autre bout de la planète.

Ce sont ces structures stables dans le temps qui permettent notamment d'observer sur une échelle de temps de moyen terme (quelques semaines à quelques mois) une persistance de conditions météo.

On est d'accord

[music85]

Excellente étude. Même si on ne peut établir de relation formelle entre deux périodes, il s'avère que certains résultats sont significatifs (> 65%)...

[Karott]

Gros boulot et très intéressant Treizevents. Il y a cependant un hic : Un automne chaud donne majoritairement un hiver chaud et un automne froid donne majoritairement un hiver chaud. Donc, quel que soit l'automne l'hiver est majoritairement chaud. Donc les hivers sont majoritairement chauds. Est-ce vrai? Ca voudrait dire qu'il y a plus d'hivers chauds que froids mais que ceux qui sont froids sont plus froids que ceux qui sont chauds sont chauds (pour avoir une moyenne dans la norme).

Ou alors c'est un artefact du a une approximation ou un choix d'hypothese de depart.

Par exemple, les hivers normaux ne sont pas comptabilises? ou bien ils sont classes soit chaud soit froid, sans seuil?

[TreizeVents]

Ca voudrait dire qu'il y a plus d'hivers chauds que froids mais que ceux qui sont froids sont plus froids que ceux qui sont chauds sont chauds (pour avoir une moyenne dans la norme).

C'est cette hypothèse qui est la bonne : sur 59 automnes 29 ont été excédentaires et 30 déficitaires, alors que sur les 59 hivers de l'échantillon 34 ont été excédentaires (avec une moyenne de +0.89°) pour 24 déficitaires (pour une moyenne de -1.25°). Anomalies exprimées par rapport à la moyenne de tout l'échantillon, soit donc 1950-2008.

Au début j'avais justement hésité entre faire une analyse avec répartition basée sur les anomalies thermiques (+0.1° par rapport à la moyenne c'est C, et -0.1° c'est F) ou répartition en 50/50 (les 50% de périodes le plus fraiches = F, les 50% les plus chaudes = C, ce qui par exemple dans le cas de l'hiver aurait conduit à classer C des hivers à -0.2°), j'ai préféré les anomalies thermiques mais on peut tout à fait envisager de regarder ce qu'il se passe sur une répartition 50/50.

J'ai pris également note de vos autres remarques et suggestion (même analyse sur les séries de pluviométrie, ou analyse en intercalant un tube des périodes "normales" et pas seulement en chaud ou froid), dès que j'aurais un peu de temps libre je m'y attelle

[Karott]

C'est cette hypothèse qui est la bonne : sur 59 automnes 29 ont été excédentaires et 30 déficitaires, alors que sur les 59 hivers de l'échantillon 34 ont été excédentaires (avec une moyenne de +0.89°) pour 24 déficitaires (pour une moyenne de -1.25°). Anomalies exprimées par rapport à la moyenne de tout l'échantillon, soit donc 1950-2008.

Ca c'est interessant... il ne faut donc plus s'étonner que les modeles saisonniers annoncent plus souvent un hiver doux qu'un hiver froid, ce serait statistiquement vrai (et les mauvaises langues diraient qu'ils auraient ainsi plus de chance de tomber juste).Pour un hivernophile c'est triste de penser qu'il y a (aura) moins d'hivers froids que chauds, mais réconfortant de savoir que la plupart des hivers doux ne le seront pas trop et qu'à l'inverse les hivers froids feront parler d'eux!

[Invité Guest]

C'est cette hypothèse qui est la bonne : sur 59 automnes 29 ont été excédentaires et 30 déficitaires, alors que sur les 59 hivers de l'échantillon 34 ont été excédentaires (avec une moyenne de +0.89°) pour 24 déficitaires (pour une moyenne de -1.25°). Anomalies exprimées par rapport à la moyenne de tout l'échantillon, soit donc 1950-2008.

Au début j'avais justement hésité entre faire une analyse avec répartition basée sur les anomalies thermiques (+0.1° par rapport à la moyenne c'est C, et -0.1° c'est F) ou répartition en 50/50 (les 50% de périodes le plus fraiches = F, les 50% les plus chaudes = C, ce qui par exemple dans le cas de l'hiver aurait conduit à classer C des hivers à -0.2°), j'ai préféré les anomalies thermiques mais on peut tout à fait envisager de regarder ce qu'il se passe sur une répartition 50/50.

J'ai pris également note de vos autres remarques et suggestion (même analyse sur les séries de pluviométrie, ou analyse en intercalant un tube des périodes "normales" et pas seulement en chaud ou froid), dès que j'aurais un peu de temps libre je m'y attelle

Désolé d'être aussi cru, mais alors l'analyse est erroné. Centrée la série par rapport à 50/08 ne retire pas la tendance linéaire. Ceci augmente donc la probabilité d'avoir deux événements froids en début de période et la probabilité d'avoir deux événements chaud en fin de période. Fait en 10 min sur R, ce n'est pas très fouillé, mais si on teste 1000 fois (c'est faible, mais on fera avec), une tendance linéaire à 0.01°C/an, avec un bruit blanc à 1°C et une moyenne à 0°C, puis qu'on centre les données et qu'on étudie la probabilité d'occurence d'un événement > 0.1, et la probabilité d'un doublée évalué d'après la loi binomiale (rien de très sophistiqué vous disez-je), on a un truc de ce genre :

Ce sont des valeurs assez génériques, mais en gros cela correspond bien à la France. La variabilité mensuelle n'est pas énorme et n'est guère au délà de l'unité, la tendance linéaire est peut être un poil faible, mais en gros cela se tient avec les données françaises.

La probabilité d'un doublé augmente bien plus entre le début et la fin. Entre 1950 et 2010, la probabilité est multiplié par ~ 2.6 alors que la probabilité d'un événement doux est multiplié par ~ 1.6.

Je ne sais pas si cela va plaire ce que j'ai dis, et j'espère ne pas avoir surinterpréter. En tous cas, dans un climat qui se réchauffe on ne eput aps juste classer les événements selon leur rapport à la moyenne LT.

PS : D'ailleurs, en vérifiant fissa la matrice des cross correlations des données NCEP NCAR, les coefficients ne sont aps fantastiques. Au mieux, on monte à 0.4/0.5 d'un mois à l'autre, avec un paquet de valeur sous 0.2 (à ce niveau, si la corrélation est bien positive, ce n'est même pas la peine d'envisager sérieusement un lien entre un mois n et un mois n+1) et même quelques valeurs valeurs faiblement négatives.

[TreizeVents]

Pas de problème Paix, toutes les critiques sont bonnes à recevoir

A vrai dire, tu sais, j'y ai pensé au problème du réchauffement, mais quand je me suis livré à trois tests de comparaisons avec les données détrendées, la corrélation était encore plus importante après correction de données...

Exemple avec les comparaisons entre les mois de Janvier et Février, voici les répartitions avec les données brutes :

CC : 57.6 %

CF : 42.4 %

FC : 46.2 %

FF : 53.8 %

Et si on détrende les données, le résultat passe à ceci :

CC : 65,7 %

CF : 34,3 %

FC : 33,3 %

FF : 66,7 %

[Invité Guest]

Il faudrait creuser franchement la question alors parce que ce n'est pas ce que semble dire a priori la matrice des corrélations (données NCAP NCAR 40° à 50° et -5° à 5°). Je ne me suis pas non plus livré à une analyse très poussé, mais cela pourrait être intéressant de creuser la question pour le coup.

[Cotissois 31]

Merci 13 pour ce travail !

Tu pourrais refaire la même chose avec les "extrêmes" ? A savoir ne retenir que les successions entre 2 mois/saisons extrêmes ? A l'échelle du mois, je ne m'attends pas trop à grand chose, mais à l'échelle de la saison ça peut être intéressant...

[Invité Guest]

Il y a vraiment un truc qui ne colle pas quelque part. J'ai bien sorti les données NCEP NCAR 40° à 50° et -5° à 5° :

       1948        20111948    7.827    6.958   10.692   10.450   13.372   16.352   18.029   18.905   17.307   13.531   11.007    8.0011949    6.524    7.023    7.331   12.202   12.342   17.083   20.851   20.338   19.191   14.801    8.946    7.4381950    5.490    8.012    8.954    9.629   14.068   18.523   20.547   19.450   16.787   13.560   10.299    4.0071951    6.665    6.126    7.339    9.677   11.603   16.479   19.358   18.326   17.655   12.356   10.222    7.7911952    4.694    4.963    9.807   11.315   14.645   17.704   19.421   19.053   14.620   13.283    8.088    6.0431953    3.302    4.586    8.535   10.488   15.032   15.549   18.590   20.013   17.364   13.276   10.015    8.9951954    3.954    4.766    8.409    9.134   12.880   16.198   17.322   17.918   16.704   14.100   10.056    7.7011955    7.423    5.812    6.082   11.216   13.294   16.634   19.382   20.220   16.912   12.299    8.199    8.6871956    6.502   -0.473    8.086    8.900   13.781   15.182   18.354   17.851   17.569   12.609    7.158    6.8921957    5.469    8.522   10.872   10.413   12.377   16.774   19.013   19.094   16.941   13.396    8.431    6.0731958    6.210    8.209    7.008    8.817   14.174   15.962   18.403   19.190   18.549   13.031    8.456    7.6901959    6.419    7.157    9.506   10.844   13.738   16.940   20.548   19.444   17.819   13.792    9.056    7.9231960    5.916    7.176    9.084   10.545   14.830   17.896   18.077   18.460   16.198   12.274   10.088    5.3381961    5.988    9.546   10.081   12.213   14.043   17.057   18.718   19.241   19.230   13.539    8.781    7.8171962    7.035    5.838    6.175    9.926   12.662   16.539   18.694   20.046   17.386   14.050    7.351    4.8391963    2.463    3.110    8.120   10.140   12.662   16.375   19.397   17.630   15.995   13.853   10.903    4.7031964    4.565    7.097    7.355   10.314   15.470   17.105   19.998   19.276   18.487   11.655    9.329    5.6431965    5.863    3.489    8.108    9.703   13.811   16.948   17.887   18.435   15.147   14.177    8.749    7.7521966    6.249    9.198    7.449   10.898   13.567   16.683   17.581   18.476   17.902   13.279    7.014    7.2841967    5.800    7.076    8.799    9.534   12.737   15.858   20.244   19.320   16.915   15.111    9.680    4.9601968    5.959    6.456    7.828   10.486   12.517   16.523   19.088   18.494   16.819   15.668    9.940    6.4871969    7.128    4.563    7.860   10.171   13.264   15.613   19.451   18.964   16.324   14.593    9.132    4.6731970    7.018    6.436    6.300    9.014   13.359   17.369   18.452   18.713   18.221   12.879   11.368    4.8571971    6.243    6.270    5.182   10.727   13.180   15.071   19.540   19.384   17.332   14.568    7.392    6.8601972    5.396    7.144    8.697    9.473   11.862   14.711   18.206   17.785   14.737   12.851    9.864    7.6291973    5.432    5.320    7.040    8.683   13.752   16.964   18.557   20.509   17.826   12.541    9.257    6.0281974    7.804    6.446    8.110    9.394   12.929   16.239   18.600   19.323   15.762    9.460    9.190    7.9421975    7.658    7.371    6.431    9.473   12.082   16.076   19.696   20.160   16.833   12.771    8.748    5.0241976    5.830    6.563    7.648    9.357   13.959   18.910   19.770   19.376   16.152   12.911    8.041    6.4531977    5.876    8.239    9.246    9.832   12.234   14.967   17.657   17.609   16.802   14.584    9.254    8.2011978    5.467    6.812    8.655    8.752   12.557   15.269   18.426   18.847   17.754   13.437    9.388    8.1051979    4.795    6.059    7.646    8.768   12.874   16.737   19.201   18.283   16.636   13.679    8.703    7.6931980    5.012    8.030    7.412    9.135   12.156   15.493   17.407   20.023   18.227   12.798    8.248    5.2691981    5.753    4.900    9.879   10.217   12.705   16.670   18.169   19.532   17.560   13.192   10.120    6.9431982    7.535    7.331    7.780   10.120   13.501   17.553   20.353   19.014   18.069   13.174   10.320    6.8871983    7.368    4.699    8.380    9.756   12.167   17.467   21.733   19.290   18.196   14.138   10.698    7.2321984    6.553    5.402    6.343   10.658   10.822   16.329   19.878   19.049   16.321   13.483   11.152    6.9761985    2.720    6.907    6.605   10.618   12.601   16.307   20.224   19.133   19.081   14.634    7.169    7.8251986    6.186    3.282    7.668    7.759   14.272   17.357   19.556   18.860   16.886   14.840   10.094    7.4671987    2.980    5.883    7.151   11.522   12.519   16.160   19.142   20.198   19.388   14.138    9.250    7.8381988    8.276    6.586    8.058   10.586   13.826   16.215   18.702   19.918   17.332   14.697    9.488    7.1691989    6.680    7.875   10.021    8.876   15.564   17.533   20.864   20.453   17.332   14.777   10.156    8.7741990    7.301   10.173    9.638    9.499   15.427   16.732   20.390   21.076   17.834   14.569    9.006    5.0651991    5.776    4.837    9.520    9.343   11.973   15.898   20.016   21.430   18.809   12.220    8.905    6.0951992    4.657    6.623    8.564   10.279   14.971   15.496   19.816   20.756   16.822   11.335   11.033    7.0151993    7.392    5.505    8.127   10.545   13.850   17.390   18.288   19.467   15.795   11.430    7.529    7.8181994    6.633    6.984    9.955    9.127   13.918   17.141   21.304   20.680   15.841   13.523   11.878    8.1031995    6.319    8.583    7.762   10.285   13.905   16.427   20.881   20.557   15.409   15.837   10.269    7.0241996    7.573    4.833    7.334   10.431   12.523   17.513   19.014   18.835   15.533   13.278    9.094    6.1781997    5.062    8.572   10.629   11.292   14.326   16.384   18.573   21.214   18.452   14.698   10.577    7.6921998    6.953    8.092    9.304    9.522   14.203   17.012   19.021   20.221   17.132   13.079    7.996    6.9581999    6.935    5.468    8.565   10.669   15.095   16.710   20.030   20.051   18.350   13.957    7.788    6.9342000    4.893    8.120    8.627   10.139   14.806   17.684   18.168   20.064   17.814   13.158    9.577    8.7022001    6.908    6.600    9.798    9.788   14.306   17.515   19.331   20.543   15.792   16.057    8.103    4.7822002    7.377    8.276    9.667   11.050   13.153   17.674   18.726   18.782   16.816   14.129   10.857    8.6292003    5.235    5.068   10.043   11.273   14.437   20.375   20.667   23.217   17.810   12.294   10.519    7.2262004    6.749    6.504    7.370   10.140   13.312   18.427   19.151   20.128   18.214   14.679    9.031    6.6792005    6.320    3.987    7.919   10.814   14.484   19.150   20.124   19.364   17.574   15.305    8.731    5.1542006    4.986    4.872    8.169   11.000   14.572   18.236   22.209   18.533   18.799   16.154   11.802    7.4222007    7.879    8.593    8.530   13.013   14.238   17.004   18.455   18.779   16.587   13.191    8.506    6.6642008    8.027    8.116    7.913   10.351   14.383   16.871   19.104   19.349   16.220   13.126    8.640    5.6932009    4.662    5.864    8.501   10.749   14.923   18.038   19.747   20.764   17.595   14.657   11.603    6.6752010    4.100    5.317    7.491   11.249   12.654   17.095   20.628   19.636   17.000   13.048    8.727    4.6122011    5.851    7.538    8.645   13.351   15.314   16.930   18.000   19.873   18.753   15.121 -999.999 -999.999 -999.9990    Surface Air Temperature (C)Latitude Range used:   50.0 to  40.0Longitude Range used: 355.0 to   5.0NCEP Reanalysis Produced at NOAA/ESRL PSD at [url=http://www.esrl.noaa.gov/psd/data/timeseries/]http://www.esrl.noaa.gov/psd/data/timeseries/[/url] Date submitted: 11/23/2011 at 16:28 

Quand je teste pour de l'autocorrélation, j'obtiens la réponse suivante :

Au lag 1, l'autocorrélation peut paraître assez élevé, mais franchement avec 0.21 il n'y a pas de quoi en faire un plat.

Et si je teste la probabilité de survenue de deux événements chaud ou froid, il n'y a pas non plus de quoi réveiller l'esprit du grand Carl Friedrich. Au lag 1, sur 764 individus, la proba d'un doublé froid est de 31.5%, d'un doublé chaud 27.6%, et la proba de rien du tout 40.8%. Au lag 2, dans le même ordre, 28.3% ; 24.2% et 47.4%. Donc soit il y a un problème avec les données NCEP NCAR (peu probable), soit je me suis gourré (nettement plus probable...), mais là il y a un truc qui m'échappe quelque part.

P.S. : Centrée rapport à 50/08 aussi.

[TreizeVents]

Rapidement, parce que je n'ai pas trop de temps :

J'ai repris les valeurs que tu as affiché pour faire ta comparaison, et je trouve des écarts assez importants avec les données sur lesquelles je travaille (moyenne nationale établie à partir d'un panel de 30 stations), dans le sens ou tes valeurs apparaissent comme assez fortement "lissées".

Je ne sais pas s'il s'agit d'un problème typique des réanalyses, mais rien que pour donner une idée, tu as un écart type de 1,30° sur les mois de Janvier, alors que dans ma série il est de 1,86°. Et certains mois présentent des écarts qui approchent quasiment le degré, comme par exemple Février 2001 qui est à +0.18° par rapport à la moyenne 1950-2008 dans la série NCEP, quand avec les données au sol il pointe à +1.15° par rapport à la même moyenne...! Ou aussi Janvier 2000, à -1.15° au NCEP, contre +0.07° avec la moyenne des stations au sol.

Cela ne paraît même pas venir d'une correction de tendance : j'ai des écarts positifs ou négatifs répartis tant sur les premières valeurs de la série que les secondes...

De mon côté j'ai repris les analyses en ajoutant un palier "N" entre le "C" et le "F", résultats ce soir, mais je peux vous dire de suite que cela va toujours dans le même sens. Je voudrais juste le vérifier avant de publier sur les séries détrendées.

[williams]

Rapidement, parce que je n'ai pas trop de temps :

J'ai repris les valeurs que tu as affiché pour faire ta comparaison, et je trouve des écarts assez importants avec les données sur lesquelles je travaille (moyenne nationale établie à partir d'un panel de 30 stations), dans le sens ou tes valeurs apparaissent comme assez fortement "lissées".

Je ne sais pas s'il s'agit d'un problème typique des réanalyses, mais rien que pour donner une idée, tu as un écart type de 1,30° sur les mois de Janvier, alors que dans ma série il est de 1,86°. Et certains mois présentent des écarts qui approchent quasiment le degré, comme par exemple Février 2001 qui est à +0.18° par rapport à la moyenne 1950-2008 dans la série NCEP, quand avec les données au sol il pointe à +1.15° par rapport à la même moyenne...! Ou aussi Janvier 2000, à -1.15° au NCEP, contre +0.07° avec la moyenne des stations au sol.

Cela ne paraît même pas venir d'une correction de tendance : j'ai des écarts positifs ou négatifs répartis tant sur les premières valeurs de la série que les secondes...

De mon côté j'ai repris les analyses en ajoutant un palier "N" entre le "C" et le "F", résultats ce soir, mais je peux vous dire de suite que cela va toujours dans le même sens. Je voudrais juste le vérifier avant de publier sur les séries détrendées.

Il est vrai que c'est étonnant ceci car par exemple pour 2000 en me basant sur la moyenne 1950-2008 je trouve avec 27 stations une anomalie de 0.09°C soit seulement un écart de 0.02°C par rapport à toi Treizevent. Donc comment peut-il y avoir un écart aussi important entre NCEP et la moyenne des stations au sol. De plus si je me base sur la moyenne de 1970-2000 qui est un peu plus élevé avec pour janvier 4,84°C je ne trouve même pas ces -1.15°C d'anomalie mais -0.07°C.

Williams