Evaluation de la pénétration du carbone anthropique en Méditerranée | Matériel et méthodes
59
régressions linéaires multiparamétriques ont été calculées pour l’AT et le TCO2 en utilisant les
données récoltées durant la campagne SOMBA. Ceci a permis de décrire ces paramètres en
fonction de la température potentielle (θ), de la salinité pratique (S) et de l’Utilisation Apparente
d’Oxygène (UAO).
Plusieurs auteurs ont démontré la bonne corrélation linéaire existant entre l’AT et la salinité en
Méditerranée (Copin-Montégut et Bégovic, 2002; Hassoun et al., 2015b; Schneider et al., 2007;
Touratier et Goyet, 2009). Une partie de la variabilité de l’AT peut aussi être expliquée par la
température (Lee et al., 2011). Il est important de noter également que cette corrélation est
différente selon la région. Le bassin Algérien présente une bonne corrélation AT-S, en raison
des faibles sources de variabilité de l’alcalinité (apports des rivières), en comparaison avec la
Méditerranée orientale (Cossarini et al., 2015). C’est pour cette raison que les équations
utilisées dans cette thèse ont été dérivées à partir des données SOMBA.
De son côté, la variabilité du TCO2 dépend, non seulement des paramètres physiques mais aussi
des paramètres biologiques (Goyet et Davis, 1997). Lovato et Vichi (2015) ont récemment
établi, à partir des données de la campagne Meteor 84/3, un modèle de régression optimal pour
estimer le TCO2 à partir de la température potentielle, la salinité, la pression et la concentration
en nitrates. Pour la présente étude, la régression linéaire multiparamétrique utilisée inclut à la
fois θ, S et UAO. L’UAO a été calculée en utilisant l’équation suivante :
𝑈𝐴𝑂 = 𝑂
∗ − 𝑂 (1)
 O2 représente la concentration de l’oxygène dissous ;
 O2* correspond à la solubilité de l’oxygène, calculée par la formule de Benson et Krause
(1984)
2
.
Plusieurs équations de régression ont été estimées en prenant en considération toute la colonne
d’eau puis en la divisant en trois : couche de surface (0–150 m), couche intermédiaire (150–
800 m) et couche profonde (800 m–fond). Afin de trouver le modèle le plus adéquat, des
régressions ont aussi été estimées en divisant le bassin Algérien en deux à 3,5°E (parties Est et
Ouest), et ceci suivant les considérations hydrologiques décrites par Testor et al. (2005a).
La validation de l’utilisation des régressions proposées passe par quatre paramètres statistiques
en utilisant la différence entre les valeurs mesurées et les valeurs prédites par l’équation ;
l’erreur absolue moyenne (Mean Absolute Error- MAE) et son écart-type (Standard DeviationSDR), le résidu moyen (Mean Residual) et son écart-type, l’écart de racine carrée (Root Mean
Square Deviation- RMSD)
3
et son coefficient de détermination (R²). Les résultats sont résumés
en Tableau 4.
2 ln 𝐶
∗ = 𝐴 + 𝐴
+ 𝐴
+ 𝐴
+ 𝐴
− 𝑆(𝐵 +
+ 𝐵
)
A1=-135,29996, A2=1,572288, A3=-6,637149, A4=1,243678, A5=-8,621061, B1=0,020573, B2=-12,142,
B3=2,3631
3
Le RMSD est fréquemment utilisé pour mesurer la différence entre des valeurs prédites par un modèle (X’i) et
les valeurs observées (Xi) :