Description générale
Le rayonnement solaire (en J/cm²) est calculé à l’aide du modèle Hélios (Piedallu et al., 2007) et les données sont extraites de la base Digi-clim. Ce modèle combine les effets du rayonnement direct, diffus et réfléchi. Il prend en compte les effets topographiques (pente, exposition, effets de masque) et les effets à large échelle (latitude et nébulosité), qui varient en fonction de la date. Les valeurs fournies correspondent aux cumuls mensuels, moyennés pour une saison ou l’année entière.
Le rayonnement solaire a été simulé sous ciel clair pour chaque mois à l’aide du modèle numérique de terrain BD ALTI® de l’IGN, au pas de 50 m, puis agrégé par cellules de 1 km. Les données de nébulosité ont été intégrées dans le calcul à partir d’un jeu de données issues du CRU (CRU TS, Harris et al., 2020) et de formules permettant de pondérer le rayonnement en fonction de son intensité (Piedallu et al., 2007).
Limites d’utilisation
Ces données sont issues de modèles présentant des imprécisions non homogènes dans l’espace. À l’échelle de la France, une validation sur 88 postes de mesures de Météo-France donne un R² de 0,82 avec une RMSE de 227 MJ/m² (pour des valeurs variant principalement entre 2500 et 6800 MJ/m²) (Piedallu et al., 2008). Les meilleures prédictions sont obtenues en hiver (R² = 0,89 pour janvier et décembre), les valeurs les plus faibles étant obtenues en été. On a ainsi un R² de 0,82 pour mars, 0, 62 pour juin, et 0,73 pour septembre. La pertinence de ces données est évaluée à l’échelle de la France mais reste peu étudiée à des échelles plus locales, où elle est susceptible d’être plus importante. D’autre part, une forte variabilité des conditions peut exister au sein d’un pixel d’1 km, induites principalement par les changements de topographie. Elles ne sont pas adaptées pour des études très locales, pour lesquelles des données à plus fine résolution sont requises.
Les références bibliographiques
Harris, I., Osborn, T.J., Jones, P., Lister, D., 2020. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific Data, 7 (109)
Piedallu, C., Gégout, J.-C., 2008. Efficient assessment of topographic solar radiation to improve plant distribution models. Agricultural and Forest Meteorology, 148 (11), pp. 1696-1706.
Piedallu, C., Gégout, J.-C., 2007. Multiscale computation of solar radiation for predictive vegetation modelling. Annals of Forest Science, 64 (8), pp. 899-909.
Lebourgeois, F., Piedallu, C., 2005. Appréhender le niveau de sécheresse dans le cadre des études stationnelles et de la gestion forestière ? Revue forestière française, 57 (4),
pp.331-356.