Résultants et discussions | Section 1.
D écomposition et analyse de la série temporelle de la Chl-a de MODIS
La Figure 33 représente les courbes de décomposition de la série temporelle de la concentration de la
Chl-a entre 2003 et 2018, de la côte à 120 km au large entre 2.2°W et 8.7°E. La décomposition STL
de la série temporelle de la Chl-a entre 2003-2018 dans le AB est scindée en 4 courbes (Figure 33) :
• La première contient l’ensemble des données brutes, c'est-à-dire toutes les données reportées
dans le temps.
• La deuxième comporte les données non expliquées qui montrent ce qui reste après que la
tendance et la composante saisonnière aient été écartées des données brutes.
• La troisième représente la composante saisonnière elle montre nettement la saisonnalité des
données et sa périodicité régulière au fil des saisons.
• La quatrième donne la tendance qui nous permet de voir s'il y a un changement global des
moyennes.
La tendance et les variations saisonnières sont constantes dans le temps (Figure 33), montrant un cycle
annuel fixe dans la série. La composante de tendance augmente brusquement jusqu'en 2007, elle est
relativement constante entre 2007 et 2013, puis diminue légèrement jusqu'en 2015 pour reprendre
entre 2016 et 2018 (Figure 33). La composante restante (non expliquée) a moins de variabilité à
l’origine d’un meilleur ajustement des séries chronologiques (Figure 33).
Une autre façon d'analyser la décomposition de la série temporelle est de calculer l’IQR (Interquartile
Range). La fonction de synthèse (sur le langage R) appliquée aux résultats de la méthode STL permet
d'identifier la composante qui contribue le plus aux changements observés au cours de la série
chronologique. Ceci est déduit du pourcentage de données représentées au sein de l’IQR de chaque
composante, qui est calculé à partir de l'IQR de chaque composante par rapport à l'IQR de la série
temporelle originale. L’IQR pour les données de la Figure 33 sont respectivement de : composante
saisonnière =108,7 %, tendance =15,8 %, et données non expliquées donc capturées par le modèle
=17,4 %.
Les données de la série chronologique MODIS dans le AB sont très significatives. La variation
interannuelle de la Chl-a montre l'influence des processus d'enrichissement saisonniers ainsi que les
tourbillons permanents de méso-échelle caractérisant le AB (Millot, 1999). La variabilité saisonnière
interannuelle de la Chl-a peut être expliquée par la stabilité des différentes sources d'enrichissement
annuels dans AB.
La concentration de Chl-a de 2003 à 2018 est dominée par la composante saisonnière. Cependant, les
tendances de Chl-a pendant 16 ans d'observations mensuelles augmententent le long de cette période.
86
D écomposition et analyse de la série temporelle de la Chl-a de MODIS
La Figure 33 représente les courbes de décomposition de la série temporelle de la concentration de la
Chl-a entre 2003 et 2018, de la côte à 120 km au large entre 2.2°W et 8.7°E. La décomposition STL
de la série temporelle de la Chl-a entre 2003-2018 dans le AB est scindée en 4 courbes (Figure 33) :
• La première contient l’ensemble des données brutes, c'est-à-dire toutes les données reportées
dans le temps.
• La deuxième comporte les données non expliquées qui montrent ce qui reste après que la
tendance et la composante saisonnière aient été écartées des données brutes.
• La troisième représente la composante saisonnière elle montre nettement la saisonnalité des
données et sa périodicité régulière au fil des saisons.
• La quatrième donne la tendance qui nous permet de voir s'il y a un changement global des
moyennes.
La tendance et les variations saisonnières sont constantes dans le temps (Figure 33), montrant un cycle
annuel fixe dans la série. La composante de tendance augmente brusquement jusqu'en 2007, elle est
relativement constante entre 2007 et 2013, puis diminue légèrement jusqu'en 2015 pour reprendre
entre 2016 et 2018 (Figure 33). La composante restante (non expliquée) a moins de variabilité à
l’origine d’un meilleur ajustement des séries chronologiques (Figure 33).
Une autre façon d'analyser la décomposition de la série temporelle est de calculer l’IQR (Interquartile
Range). La fonction de synthèse (sur le langage R) appliquée aux résultats de la méthode STL permet
d'identifier la composante qui contribue le plus aux changements observés au cours de la série
chronologique. Ceci est déduit du pourcentage de données représentées au sein de l’IQR de chaque
composante, qui est calculé à partir de l'IQR de chaque composante par rapport à l'IQR de la série
temporelle originale. L’IQR pour les données de la Figure 33 sont respectivement de : composante
saisonnière =108,7 %, tendance =15,8 %, et données non expliquées donc capturées par le modèle
=17,4 %.
Les données de la série chronologique MODIS dans le AB sont très significatives. La variation
interannuelle de la Chl-a montre l'influence des processus d'enrichissement saisonniers ainsi que les
tourbillons permanents de méso-échelle caractérisant le AB (Millot, 1999). La variabilité saisonnière
interannuelle de la Chl-a peut être expliquée par la stabilité des différentes sources d'enrichissement
annuels dans AB.
La concentration de Chl-a de 2003 à 2018 est dominée par la composante saisonnière. Cependant, les
tendances de Chl-a pendant 16 ans d'observations mensuelles augmententent le long de cette période.
86