Modèle de synthèse bts

36Malgré le fait que l`élévation est le principal facteur contrôlant la température de l`air, la corrélation statistique entre les valeurs de BTS et l`élévation n`est pas aussi bonne que dans les Alpes européennes (Boeckli et al., 2012), mais elle a été jugée acceptable. Une explication possible pour cela pourrait être la gamme limitée d`altitudinal des mesures de BTS (1900-2200 m). Selon des études antérieures, la limite inférieure du pergélisol dans les monts Retezat est d`environ 2000 m, comme dans notre modèle. Des taches isolées de pergélisol peuvent se produire encore plus bas, mais seulement dans les sites où des conditions favorables pour la préservation du pergélisol surviennent. En outre, le drainage de l`air froid (effet de cheminée) dans les surfaces couvertes de débris modifie la relation entre les valeurs de BTS et l`élévation, et certains incorrespondances peuvent se produire. Dans le cas du glacier rocheux de Lower Ana, cette circulation n`a pas été identifiée en 2010-2011, mais elle a été mise en évidence dans d`autres cas dans les Carpates méridionales (Popescu et al., 2015). Les deux autres variables prédictitrices, la pente et la courbure, n`ont pas été prises en compte dans le modèle de régression linéaire multiple en raison des corrélations faibles enregistrées entre les valeurs BTS et ces paramètres. Fig. 9 – comparaison des modèles de distribution du pergélisol pour la partie centrale des monts Retezat. Fig. 9 – comparaison des modèles de répartition du pergélisol dans la partie centrale du massif de Retezat. Frauenfelder R., Haeberli W., Hoelzle m., Maisch m. (2001) – utilisation de relique rockglaciers dans la modélisation basée sur les SIG pour reconstruire les modèles de distribution de pergélisol Dryas plus jeunes dans la zone Err-Julier, Swiss Alp.

Norsk Geografisk Tidsskrift 55, 195-202. 3Depuis les années 1990, plusieurs modèles ont été proposés pour estimer la répartition spatiale du pergélisol dans différentes chaînes de montagnes alpines (Boeckli et al., 2012), soit des modèles empiriques-statistiques ou à base physique (Etzelmüller et coll., 2001; Riseborough et coll., 2008). Des valeurs de BTS ont été utilisées pour l`étalonnage des modèles dans plusieurs documents (Hoelzle, 1992; Keller, 1992; Gruber et Hoelzle, 2001; Lewkowicz et Ednie, 2004; Julián et Chueca, 2007), tandis que l`approche empirique-statistique a mis en évidence le rôle des différents paramètres topo-climatiques (température de l`air, rayonnement solaire, pente, etc.) sur la probabilité de distribution du pergélisol (Etzelmüller et al., 2006). 12Les paramètres ponctuels individuels ont été extraits des cinq variables prédictitrices mentionnées ci-dessus pour évaluer la force de leurs corrélations linéaires avec les valeurs de données BTS. Les variables résultantes ont été initialement testées pour la normalité à un niveau de confiance de 95% en utilisant le test de normalité de Shapiro-Wilk (Shapiro et Francia, 1972). Une analyse de régression linéaire multiple a été effectuée à l`aide du package statistique SPSS pour modéliser les relations entre les valeurs de données BTS, utilisées comme variable dépendante, et les variables prédictifs (élévation, rayonnement solaire, pente, courbure du profil et NDVI), utilisés comme variables indépendantes.