Numéro
Climatologie
Volume 20, 2023
Changement climatique : les territoires acteurs des trajectoires d’adaptation et de transition écologique
Numéro d'article 3
Nombre de pages 11
DOI https://doi.org/10.1051/climat/202320003
Publié en ligne 24 octobre 2023

© J. Hidalgo, hosted by EDP Sciences 2023

Licence Creative CommonsThis is an Open Access article distributed under the terms of the Creative Commons Attribution License CC-BY-NC (https://creativecommons.org/licenses/by-nc/4.0), which permits unrestricted use, distribution, and reproduction in any medium, except for commercial purposes, provided the original work is properly cited.

Introduction

Face aux défis actuels d’adaptation au changement climatique, les collectivités territoriales cherchent de plus en plus à avoir des outils pour comprendre le microclimat urbain et en tenir compte à l’échelle opérationnelle dans la planification et/ou l’aménagement urbain. Dans le cadre du projet de recherche ANR-MApUCE (2015–2019), une analyse des approches exemplaires tant en France qu’à l’étranger avait permis d’analyser un panel de projets considérés comme des « bonnes pratiques » pour identifier les leviers qui ont permis à ces projets de voir le jour et d’aboutir, et pour capitaliser sur leurs acquis et leurs points de fragilité (Lopez, 2015). Dans la plupart des bonnes pratiques étudiées, on repère une même succession d’étapes pour la mise en œuvre de mesures et d’actions en faveur du confort climatique urbain : i) l’étude au travers de campagnes de mesures, de modélisation, d’approches historiques ou de diagnostic; ii) l’expérimentation sur des sites et opérations témoins, là encore au travers de campagnes de mesures et de modélisations avec un suivi dans le temps et les saisons; iii) la formalisation à travers la réglementation (dans le plan climat ou le plan local d’urbanisme) ou de simples recommandations (à travers des chartes par exemple); iv) et enfin, la mise en œuvre concrète et l’évaluation (bien que souvent, cette dernière étape est la moins aboutie). Cette analyse a montré que le facteur humain est fondamental pour réussir la prise en compte des données climatiques dans l’urbanisme. En effet, les enquêtes ont révélé le rôle fondamental que jouent des personnes-relais entre les sphères scientifiques et expertes qui produisent les connaissances climatiques, et celles des usagers auprès des collectivités locales. Ces personnes peuvent jouer un rôle de « passeurs » grâce à leur sensibilisation à l’intérêt de la démarche, leur implication et leur insertion dans les réseaux d’acteurs multiples.

La pérennité des réseaux locaux de recherche, une certaine masse critique et la circulation de savoirs entre structures semblent être gage d’un certain succès dans l’appropriation croisée des enjeux climatiques et opérationnels et leur implémentation. L’article de G. Bretagne dans ce même numéro retrace bien cet historique pour le cas toulousain. Néanmoins, on le sait, il ne sera pas possible de développer de telles expériences et expertises scientifiques approfondies pour tous les territoires. À partir d’un rapide état des lieux de la recherche en climatologie urbaine à l’échelle nationale, cet article a pour but, dans un premier temps, de discuter la disponibilité des méthodes, données et expertises dont la France dispose pour accompagner les collectivités locales, indépendamment de leur localisation et de leur taille, dans l’intégration de la question de la surchauffe urbaine dans les démarches d’urbanisme. Il s’agira dans un deuxième temps de proposer quelques pistes, non exhaustives, de travail futur autour de la structuration de la recherche et de la formation ainsi que de l’évolution réglementaire.

2. Un bref état des lieux de la recherche en climatologie urbaine en France

La climatologie urbaine est un champ de recherche interdisciplinaire qui implique des thématiques ainsi que des échelles spatiales et temporelles variées. Un état des lieux de la recherche en France effectué en 2021 (Hidalgo, 2022) illustre comment les études en climatologie urbaine se mettent en place petit à petit depuis les années 1990 et gagnent en ampleur et couverture territoriale. En effet, plusieurs campagnes de mesures à l’échelle urbaine sont effectuées à Paris en 1994, 2009-2010 et 2022 (ECLAP, novembre 1994 à mars 1995, Dupont et al., 1999; MEGAPOLI, l’été-hiver 2009-2010, Baklanov et al., 2010; PANAM, été 2022; figure 1), à Marseille (ESCOMPTE, été 2002, Cros et al., 2004; Mestayer et al., 2005) et finalement Toulouse en 2004 et 2021 (CAPITOUL, février 2004 à mars 2005, Masson et al., 2008; CAMCATT, été 2021). L’obtention de jeux de données sur l’atmosphère urbaine à une telle échelle spatiale est très coûteuse en termes de déploiement expérimental et humain, et répond souvent à divers objectifs expérimentaux et une mise en commun de moyens de plusieurs équipes de recherche. Historiquement, ont été couplées, par exemple, les études de qualité de l’air comme la formation et transformation des aérosols urbains et la dispersion de rejets industriels, et de météorologie urbaine avec l’étude des échanges d’énergie entre la surface urbaine et l’atmosphère, et l’impact de la ville sur l’écoulement de l’air au- dessus.

thumbnail Figure 1

Aperçu de la campagne expérimentale PANAME20221. À gauche : carte des sites; à droite : mesures de flux, instruments de télédétection et in-situ situés à l’université de Paris/ site Lisa, lancement du radiosondage à Paris intra-muros (CNRM), station météo sur lampadaire (CNRM). Source : CNRM/VILLE. Overview of the PANAME2022 experimental campaign.

L’îlot de chaleur urbain est le phénomène qui a attiré le plus d’attention et a été monitoré sur diverses villes françaises à partir de ces moyens expérimentaux éphémères ou à partir des réseaux d’observation pérennes (Rennes, 2006, figure 2; Dijon, 2014; Toulouse, 2017; et plus récemment, Grenoble, 2019).

thumbnail Figure 2

Suivi en temps réel de l’ICU de Rennes. Capture d’écran, le 16 décembre 2022 à 12 h sur le site https://run.letg.cnrs.fr/carte-interpolation-icu.html. Real-time monitoring of the Rennes Urban Heat Island. Screenshot, December 16, 2022 at 12 p.m. on the website https://run.letg.cnrs.fr/carte-interpolation-icu.html

Son amplitude et son intensité varient en fonction de la localisation, des caractéristiques de la ville et des conditions météorologiques à plus grande échelle. À Marseille, il n’excède pas 3°C à cause de l’effet rafraîchissant de la brise marine (Lemonsu et al., 2004), mais pour des villes continentales, ces valeurs sont plus fortes. Il atteint 6°C à Toulouse, avec une extension verticale de 2200 m (Hidalgo, Pigeon, et al., 2008a). Il est de 7,5°C à Strasbourg (Ficher, 2009) ou encore 10°C à Paris sous conditions favorables de ciel clair, mais seulement de 2,3°C les jours venteux et couverts (Cantat, 2004).

Des campagnes de mesures sur des périmètres spatiaux plus restreints (du quartier à la rue) ont également eu lieu sur différentes villes. Strasbourg a mis en place en 2002, dans le cadre du projet RECLUS, un échafaudage installé dans une rue qui a permis de documenter les différents processus physiques qui interviennent dans l’élaboration du microclimat à l’intérieur d’un canyon urbain (Najjar et al., 2004). L’étude du végétal en milieu urbain a fait l’objet de plusieurs études basées sur des mesures physiques. Tout d’abord, ECORURB avait permis d’étudier de 2003 à 2012, à Rennes et Angers, les effets de l’urbanisation et du climat sur la biodiversité locale et sur l’émergence de risques biologiques. Entre 2012 et 2015, Strasbourg a également fortement investi le sujet de l’évaluation et la modélisation des interactions entre le végétal et le milieu urbain. Pour cela, la végétation a été suivie sur deux sites sur trois saisons végétatives complètes. Vingt-trois sites de mesures complémentaires sur Strasbourg et alentours ont complété ce projet. Plus récemment, le projet de recherche TIR4STREEt a permis d’instrumenter et de suivre plusieurs espèces d’arbres au cours de l’année (figure 3).

thumbnail Figure 3

Aperçu de la campagne expérimentale du projet Thermal InfraRed for Street Trees (TIR4STREEt) à Strasbourg. En haut : composition du micocoulier (espèce méditerranéenne introduite à Strasbourg) avec une image dans le visible et son équivalent dans le thermique. En bas : site d’expérimentation. Source ICube/TRIO - INSA. Overview of the Thermal InfraRed for Street Trees (TIR4STREEt) experimental campaing in Strasbourg. Top: composition of the hackberry tree (Mediterranean species introduced to Strasbourg) with a visible image and its thermal equivalent. Bottom: experimental site. Source ICube/TRIO - INSA.

Sans pouvoir être exhaustif sur tous les projets effectués autour du couple climat-végétal en milieu urbain, il serait opportun de citer le projet ANR- VegDUD (2010-2014) qui a visé une évaluation des impacts de politiques urbaines de végétalisation des espaces privés et collectifs. Le lien entre microclimat urbain et ressenti humain a fait l’objet de diverses études à Toulouse : dès 2010 avec le projet PIRVE « Formes urbaines, modes d’habiter et climat urbain dans le périurbain toulousain. Projet exploratoire de recherche interdisciplinaire », et entre 2012 et 2016 à Paris, Marseille et Toulouse avec l’ANR-EUREQUA (Haouès-Jouve et al., 2021). Dans ces projets, des méthodes de mesure physique et des enquêtes ont été déployées simultanément afin d’évaluer la perception et le ressenti d’habitants et usagers des espaces publics en différents lieux du quartier (Lemonsu et al., 2019; Haouès-Jouve et al., 2021).

Plusieurs stratégies de modélisation ont également été développées ou adoptées par les équipes françaises :

  • 1)

    La modélisation géostatistique (figure 2) permet de spatialiser les valeurs d’un paramètre mesuré sur quelques postes météorologiques irrégulièrement répartis afin d’obtenir une valeur en tout point de l’espace en s’appuyant sur les caractéristiques de surface (topographie, occupation du sol, etc.). Plusieurs outils de spatialisation des données de température de l’air issues de moyens de mesure éphémères ou pérennes ont été développés par les équipes de Rennes, Dijon et Toulouse (Touati et al., 2020; Joly, 2018; Foissard, 2015).

  • 2)

    Des modèles physiques de dynamique de fluides permettent, quant à eux, de produire une représentation de la complexité des transferts entre le sol et l’atmosphère. Il existe plusieurs familles de modèles physiques qui permettent d’aborder les phénomènes météorologiques et climatiques à différentes échelles urbaines, de celle de toute la ville à celle d’un aménagement ou d’une rue. Cette stratégie est de plus en plus utilisée pour quantifier les effets de certaines stratégies d’adaptation comme l’introduction de végétation, la modification des formes urbaines ou encore l’utilisation de matériaux innovants. Plusieurs modèles français permettent d’effectuer une modélisation du bilan radiatif à l’échelle de la rue ou d’un aménagement comme le modèle SOLENE (Groleau, 1998) élaboré au CERMA de Nantes ou le modèle DART2 développé au CESBIO par exemple (figure 4).

thumbnail Figure 4

Illustration du modèle DART développé par le CESBIO. Capture d’écran, le 16 décembre 2022 à 12h10 sur le site : https://dart.omp.eu/#/. Illustration of the DART model developed by CESBIO. Screenshot, December 16, 2022 at 12:10 p.m. on the website: https://dart.omp.eu/#/.

Concernant les modèles numériques qui permettent de produire des diagnostics atmosphériques et de consommation d’énergie à l’échelle urbaine, Météo-France est à l’origine du modèle Town Energy Balance (TEB; Masson, 2000), modèle qui permet d’effectuer des simulations à l’échelle urbaine avec une résolution horizontale kilométrique voire hectométrique. Ce modèle a permis des avancées significatives dans la modélisation des processus de surface, du microclimat dans la rue, de la dynamique temporelle et de l’intensité de l’îlot de chaleur urbain.

Ce modèle urbain peut travailler de façon autonome mais il peut également être intégré à une plateforme de modélisation appelé SURFEX (Masson et al., 2013) qui permet de représenter la ville dans son environnement naturel. Quand SURFEX est en plus couplé à un modèle atmosphérique à méso-échelle (échelle régionale), il permet de représenter des interactions avec l’atmosphère au-dessous. Ceci est nécessaire, par exemple, sur des configurations orographiques complexes ou près des zones côtières où des brises générées ailleurs peuvent fortement modifier les conditions microclimatiques locales. En France, le modèle Méso-NH (Lac et al., 2018) est souvent utilisé mais d’autres modèles à méso-échelle comme WRF, également utilisés notamment par les équipes de Dijon et Strasbourg (Kholer et al., 2016 et 2017).

Le modèle TEB a été en constante évolution afin d’améliorer la prise en compte des interactions entre surfaces bâties et végétation (les processus physiques et l’évaluation de TEB-Veg sont décrits dans Lemonsu et al., 2012; pour les effets radiatifs des arbres de TEB-Tree voir Redon et al., 2017; pour les effets énergétiques et dynamiques, Redon et al., 2020); de la présence d’eau et de neige sur les routes et les toits (Stavropulos-Laffaille, 2018); pour tenir compte des matériaux et techniques constructives dans les différentes régions françaises (Tornay et al., 2017); ou encore pour tenir compte de la typologie des usagers et la consommation d’énergie des ménages dans leur résidence (Schoetter et al., 2017). Plusieurs projets de recherche ont utilisé ce modèle pour étudier :

  • La caractérisation de l’ICU et de la couche limite urbaine à Strasbourg (Kastendeuch et al., 2010).

  • Les interactions entre l’ICU et la brise marine (Lemonsu et al., 2006) ou encore la génération de la brise urbaine à Paris (Lemonsu and Masson, 2002) et Toulouse (Hidalgo et al., 2008a et 2008b).

  • L’évaluation de l’impact des scénarios climatiques et d’aménagement sur le confort d’été avec ou sans évolution dans le temps de la surface urbaine : EPICEA (2008-2010)3, CLIM2 (2009-2010)4, ANR-VURCA (2009-2012)5, ANR- MUSCADE (2009-2011)6, RTRA-ACCLIMAT (2010-2012)7.

  • La proposition par le projet RTRA-ACCLIMAT (2010-2012) d’une plateforme multi-modèles (évolution microclimatique en fonction de l’évolution du climat régional, de la tâche urbaine et de techniques constructives et de rénovation) nommée CLUE. La plateforme CLUE de Météo France est passée aujourd’hui en phase opérationnelle pour les bureaux d’études de Météo-France qui ont déjà proposé plusieurs projets aux villes de Strasbourg, Marseille et Lille.

  • Des simulations microclimatiques produites dans le cadre du projet de recherche ANR- MapUCE (2015-2019) pour une cinquantaine de villes en France (Schoetter et al., 2019; Gardes et al., 2020; Suher-Carthy et al., 2023; figure 5). Dans ce cadre, des informations concernant l’îlot de chaleur urbain pour deux situations météorologiques (types de temps) favorables à son développement et des informations sur la direction et l’intensité du vent ont été créées avec une visée opérationnelle en urbanisme (tableau 1). Plusieurs projets de recherche ont été depuis développés et ont permis d’améliorer certains de ces outils : le projet ADEME-PAENDORA (20172019), EU-URCLIM (2018-2020), ADEME- PAENDORA_2 (2022-2024).

thumbnail Figure 5

Relation entre l’intensité maximale nocturne de l’îlot de chaleur urbain et la population totale d’une agglomération urbaine. Med.-Pure (Oce.-Pure) est la région climatique méditerranéenne pure (océanique), Oce.-deg (Oce.-alt) la région climatique océanique dégradée (altérée). Source : Gardes et al. (2020). Relationship between the maximum nocturnal intensity of the urban heat island and the total population of an urban agglomeration. Med. -Pure (Oce.-Pure) is the pure Mediterranean (oceanic) climatic region, Oce.-deg (Oce.-alt) the degraded (altered) oceanic climatic region. Source: Gardes et al. (2020).

Tableau 1

Villes étudiées dans le projet MApUCE avec une classification par TTS disponible : UU - nom de l’unité urbaine; ID_obs - identifiant de la station d’observation de référence météorologique utilisée; nom - nom de la station d’observation de référence météorologique utilisée; nb_TTS - nombres de TTS définis. Source : Jougla et al., 2019. Cities studied in the MApUCE project with a Local Weather Type classification available: UU - name of the urban unit; ID_obs - identifier of the meteorological reference observation station used; name - name of the meteorological reference observation station used; nb_TTS - numbers of TTS defined. Source: Jougla et al., 2019.

Pour finir, les études à l’intersection entre les sciences du climat et de la santé commencent à être pilotées par notre communauté de recherche (par exemple, les projets ANR-H2C (2021-2025) ou ADEME-CASSANDRE (2022-2024).

3. Discussion

Les recherches précédemment citées peuvent être classées en trois catégories générales :

  1. les études qui ont eu pour objet de caractériser, par la mesure ou la modélisation, des processus intervenant dans les phénomènes microclimatiques (intensité et extension de l’îlot de chaleur urbain, création de brises, lien entre microclimat et confort humain, etc.);

  2. les études qui ont évalué le rôle des facteurs influençant le climat urbain et ont quantifié le potentiel des leviers d’action (végétalisation, forme urbaine, arrosage de la chaussée, matériaux innovants, etc.);

  3. finalement, les moins nombreuses, les études qui se sont concentrées sur les dimensions sociales, juridiques et/ou opérationnelles d’aide à la décision.

Ces travaux de recherche, bien que riches, diversifiés et complémentaires, ont permis d’étudier en vingt ans, avec plus ou moins de continuité, le microclimat urbain d’environ une douzaine de villes françaises (Dijon, Grenoble, Lyon, Marseille, Nancy, Nantes, Paris, Rennes, Saint Étienne, Strasbourg et Toulouse). Avec une réglementation qui impose aux pouvoirs publics la prise en compte de l’adaptation climatique à l’échelle locale pour toute ville de plus de vingt mille habitants, il sera nécessaire de mettre en place, dans un temps court, des actions complémentaires qui permettent un saut quantitatif dans la diffusion des savoirs et la production de données et expertises microclimatiques pour tous ces territoires.

Plusieurs pistes de travail peuvent être envisagées. i) La poursuite du développement de méthodes génériques de production de données spatiales, comme ce fût le cas de projets internationaux, comme WUDAPT, pour les Zones

Climatiques Locales, et nationaux comme MApUCE et PAENDORA, pour les données urbaines nécessaires aux simulations climatiques à méso-échelle. Une certaine généricité est ici recherchée du point de vue des méthodes et outils qui, idéalement, doivent s’appuyer sur des bases de données internationales ou nationales afin d’être applicables partout. C’est déjà le cas du logiciel GeoClimate8 qui produit des indicateurs de morphologie urbaine et d’occupation du sol; de la base de données architecturale DANUBE (Tornay et al., 2017) qui fournit des informations sur les matériaux urbains et les techniques constructives; et des outils de modélisation microclimatique existants.

ii) Le transfert de ces méthodes vers des acteurs économiques qui pourront fournir un service climatique aux collectivités. En effet, plusieurs actions de transfert vers des bureaux d’études ont eu lieu récemment. Météo-France propose à travers son bureau d’études des modélisations via la plateforme CLUE9 et des analyses par types de temps, outils développés initialement pendant les projets de recherche portés par le CNRM. La fondation de recherche CNRS GEOMANUM a pris en main la valorisation et la diffusion de GeoClimate, développé par le LabSTICC. Le bureau d’études SOLENOS propose ses services de modélisation par SOLENE microclimat développé au CERMA, etc. Mais, dans le champ de la gestion de la surchauffe urbaine, le développement d’outils d’aide à la décision n’est pas uniquement aux mains des laboratoires de recherche publics. De nombreux développements logiciels ou un accompagnement sont également proposés par des structures d’acteurs publics et privés comme Efficacity, ou privés comme Kermap E6 consulting, Cap Gemini, UTOPIES, TRIBU, Eco2initiative, … pour n’en citer que quelques-uns.

iii) La structuration de la communauté de recherche qui facilite la mise en réseau des chercheurs. L’initiative de séminaires récurrents portés par le LIED depuis 2019, qui sont en train de se structurer en Réseau thématique avec l’accompagnement du CNRS, est un bon exemple des dynamiques qui peuvent être mises en place dans ce sens. En effet, tous chercheurs, peu importe son statut, peut s’inscrire via l’adresse climat_urbain@listes.univparis-diderot.fr aux quatre groupes de travail existants à l’heure actuelle (moyens d’observation; modélisation; applications opérationnelles; formation) ou en proposer des nouveaux. Une autre initiative dans ce sens est le Service d’Observation National, SNO-Observil10, qui a été créé en 2020. Les données collectées par les réseaux d’observations météorologiques urbaines de Toulouse, Rennes et Dijon, sont intégrées dans cette plateforme, ce qui permet une certaine homogénéité des métadonnées et une mise en commun. Néanmoins, rien n’existe actuellement pour la mutualisation et la pérennisation des données issues des exercices de modélisation ou de campagnes d’observations qualitatives (des enquêtes, par exemple).

iv) On sait que la production de connaissances techniques (données, méthodes) n’est qu’un des aspects nécessaires à la mise en place des plans d’adaptation. Depuis une vingtaine d’années, l’évolution réglementaire a permis la création d’un contexte favorable à la prise en compte des enjeux climatiques et énergétiques à l’échelle locale. Des outils spécifiques comme le PCAET ont été créés et les outils de planification réglementaire, SCoT et PLU, ont aujourd’hui les fondements juridiques nécessaires pour encadrer cette prise en compte du climat local et les enjeux qui lui sont associés chaque fois qu’ils seront portés politiquement dans ce sens (Lambert et al., 2019). Il semble pertinent de continuer à développer et d’être au courant des travaux interdisciplinaires d’analyse du cadre réglementaire et du cadre opérationnel d’élaboration des outils d’urbanisme en lien avec les questions de surchauffe urbaine.


Références

  • Baklanov A., Lawrence M., Pandis S., Mahura A., Finardi S., Moussiopoulos N., Beekmann M., Laj P., Gomes L., Jaffrezo J.-L., Borbon A., Coll I., Gros V., Sciare J., Kukkonen J., Galmarini S., Giorgi F., Grimmond S., Esau I., Stohl A., Denby B., Wagner T., Butler T., Baltensperger U., Builtjes P., van den Hout D., van der Gon H.D., Collins B., Schluenzen H., Kulmala M., Zilitinkevich S., Sokhi R., Friedrich R., Theloke J., Kummer U., Jalkinen L., Halenka T., Wiedensholer A., Pyle J. and Rossow W.B., 2010. MEGAPOLI: concept of multi-scale modelling of megacity impact on air quality and climate. Adv. Sci. Res., 4, 115–120. [CrossRef] [Google Scholar]
  • Cantat O., 2004. L’îlot de chaleur urbain parisien selon les types de temps. Norois, 191, 2. https://doi.org/10.4000/norois.137. [Google Scholar]
  • Cros B., Durand P., Cachier H., Drobinski P., Fréjafon E., Kottmeier C., Perros P.-E., Peuch V.H., Ponche J.-L., Robin D., Saïd F., Toupance G., Wortham H., 2004. The ESCOMPTE Program: an overview. Atmospheric Research, Elsevier, 69 (34), 241–279. https://doi.org/10.1016/j.atmosres.2003.05.001. [CrossRef] [Google Scholar]
  • Dupont E., Menut L., Carissimo B., Pelon J., Flamant P. H., 1999. Comparison between the atmospheric boundary layer in Paris and its rural suburbs during the ECLAP Experiment. Atmospheric Environment, 33, 979–994. [CrossRef] [Google Scholar]
  • Fischer L., 2009. Phénomènes radiatifs et îlot de chaleur urbain dans l’agglomération de Strasbourg. Revue Géographique de l’Est, 45, 2. https://doi.org/10.4000/rge.473. [Google Scholar]
  • Foissard X., 2015. L’îlot de chaleur urbain et le changement climatique : application à l’agglomération rennaise. Thèse de doctorat, Univ. Rennes 2, 248 pages. [Google Scholar]
  • Gardes T., Schoetter R., Hidalgo J., Long N., Masson V., 2020. Statistical prediction of the nocturnal urban heat island intensity based on urban morphology and geographical factors - An investigation based on numerical model results for a large ensemble of French cities. Science of the total environment, 737, 139253. https://doi.org/10.1016/j.scitotenv.2020.139253. [CrossRef] [Google Scholar]
  • Groleau D., 1998. Solene, Guide d’utilisation. CERMA, 62 p. [Google Scholar]
  • Haouès-Jouve S., Lemonsu A., Gauvreau B., Amossé A., Can A., Carissimo B., Gaudio N., Hidalgo J., Lopez-Rieux C. X., Chouillou D., Richard E., Adolphe L., Berry-Chikhaoui I., Bouyer J., Challéat S., de Munck C., Dorier E., Guillaume G., Hoonaert S., Le Bras J., Legain D., Levy J.-P., Masson V., Marry S., Nguyen-Luong D., Rojas Arias J.-C., Gao Z., 2021. Cross-analysis for the assessment of urban environmental quality: An interdisciplinary and participative approach. Environment and Planning B: Urban Analytics and City Science, 49(3), 1024–1047. https://doi.org/10.1177/23998083211037350. [Google Scholar]
  • Hidalgo J., Masson V., Pigeon G., 2008b. Urban-breeze circulation during the CAPITOUL experiment: Numerical approach. Meteorology and Atmospheric Physics, 102(3–4), 243–262. [CrossRef] [Google Scholar]
  • Hidalgo J., Pigeon G., Masson M., 2008a. Urban-Breeze Circulation during the CAPITOUL Experiment: Experimental Data Analysis Approach. Meteorology and Atmospheric Physics, 102 (3–4), 223–241. http://link.snringer.com/article/10.1007%2Fs00703- 008-0329-0. [CrossRef] [Google Scholar]
  • Hidalgo J., 2022. Climat et urbanisme : Apports de la dimension cartographique de la climatologie urbaine à la mise en place des plans d’adaptation. Milieux et changements globaux. HdR. École Normale Supérieure de Paris - ENS Paris, <tel-038670341>. [Google Scholar]
  • Joly D., Castel T., Pohl B., Richard Y., 2018. Influence of spatial information resolution on the relation between elevation and temperature. Int. J. Climatol., 38, 5677–5688. https://doi.org/10.1002/joc.5771. [CrossRef] [Google Scholar]
  • Jougla R., Hidalgo J., Pouponneau B., 2019. Définition des situations météorologiques locales pour une cinquantaine de villes françaises. La Météorologie, 106, http://hdl.handle.net/2042/70370. [Google Scholar]
  • Kastendeuch P. P., Najjar G., Lacarrere P., Colin J., 2010. Modélisation de l’îlot de chaleur urbain à Strasbourg. Climatologie, 7, 21–36. [CrossRef] [Google Scholar]
  • Kohler M., Tannier C., Blond N., Clappier A., 2017. Can urban-sprawl countermeasures create energy-efficient cities? A case study of the Strasbourg-Kehl urban region, France- Germany. Urban Climate, http://doi.org/10.1016/j.udim2016.12.006. [Google Scholar]
  • Kohler M., Blond N., Clappier A., 2016. A city-scale degree- day method to assess building space heating energy demands in Strasbourg Eurometropolis (France). Applied Energy, 184, 40: 54, https://doi.org/10.1016/j.apenergy.2016.09.075. [CrossRef] [Google Scholar]
  • Lac C., Chaboureau J.-P., Masson V., Pinty J.-P., Tulet P., Escobar J., Leriche M., Barthe C., Aouizerats B., Augros C., Aumond P., Auguste F., Bechtold P., Berthet S., Bieilli S., Bosseur F., Caumont O., Cohard J.M., Colin J., Couvreux F., Cuxart J., Dauhut T., Delautier G., Ducrocq V., Filippi J.-B., Gazen D., Geoffroy O., Gheusi F., Honnert R., Lafore J.-P., Lebeaupin Brossier C., Libois Q., Lunet T., Mari C., Maric T., Mascart P., Mogé M., Molinié G., Nuissier O., Pantillon F., Peyrillé P., Pergaud J., Perraud E., Pianezze J., Redelsperger J.-L., Ricard D., Richard E., Riette S., Rodier Q., Schoetter R., Seyfried L., Stein J., Suhre K., Thouron O., Turner S., Verrelle A., Vié B., Visentin F., Vionnet V., Wautel P., 2018. Overview of the Meso-NH model version 5.4 and its applications. Geoscientific Model Development, 11, 1929–1969. https://doi.org/10.5194/gmd-11-1929-2018. [CrossRef] [Google Scholar]
  • Lambert M.-L., Hidalgo J., Masson V., Bretagne G., Haouès- Jouve S., 2019. Urbanisme et (micro-) climat. Outils et recommandations générales pour les documents de planification. Guide méthodologique issu du projet MapUCE. [Google Scholar]
  • Lemonsu A., Masson V., 2002. Simulation of a summer urban Breeze over Paris. Boundary-Layer Meteorol., 104, 463–490. [CrossRef] [Google Scholar]
  • Lemonsu A., Grimmond C.S.B., Masson V., 2004. Modelling the surface Energy Balance of an old Mediterranean city core. J. Appl. Meteorol., 43, 312–327. [CrossRef] [Google Scholar]
  • Lemonsu A., Masson V., Pigeon G., Moppert C., 2006. Sea- Town Interactions over Marseille: 3D Urban Boundary Layer and thermodynamic fields near the surface. Theoretical and Applied Climatology, 84(1–3), 171–178. [CrossRef] [Google Scholar]
  • Lemonsu A., Masson V., Shashua-Bar L., Erell E., Pearlmutter D., 2012. Inclusion of vegetation in the Town Energy Balance model for modelling urban green areas. Geosci. Model Dev., 5, 1377–1393. https://doi.org/10.5194/gmd-5-1377-2012. [CrossRef] [Google Scholar]
  • Lemonsu A., Amossé A., Gaudio N., Haouès-Jouve S., Hidalgo J., Le Bras J., Legain D., Marchandise S., 2019. Comparison of microclimate measurements and perceptions as part of a global evaluation of environmental quality at neighbourhood scale. International Journal of Biometeorology. https://doi.org/10.1007/s00484-019-01686-1. [Google Scholar]
  • Lopez X., Haouès-Jouve S., Hidalgo J., 2015. Integration of urban climate issues in urban planning: reflections on which are the keys of success. ICUC9, Toulouse, France. [Google Scholar]
  • Masson V., Gomes L., Pigeon G., Liousse C., Pont V., Lagouarde J.-P., Voogt J., Salmond J., Oke T.R., Hidalgo J., Legain D., Garrouste O., Lac C., Connan O., Briottet X., Lachérade S., Tulet P., 2008. The canopy and aerosol particles interactions in Toulouse urban layer (CAPITOUL) experiment. Meteorology and Atmospheric Physics 102 (3-4), 135–157. [CrossRef] [Google Scholar]
  • Masson V., 2000. A physically-based scheme for the Urban Energy Budget in atmospheric models. Boundary-Layer Meteorol., 94, 357–397. [CrossRef] [Google Scholar]
  • Masson V., Le Moigne P., Martin E., Faroux S., Alias A., Alkama R., Belamari S., Barbu A., Boone A., Bouyssel F., Brousseau P., Brun E., Calvet J.-C., Carrer D., Decharme B., Delire C., Donier S., Essaouini K., Gibelin A.L., Giordani H., Habets F., Jidane M., Kerdraon G., Kourzeneva E., Lafaysse M., Lafont S., Lebeaupin Brossier C., Lemonsu A., Mahfouf J.-F., Marguinaud P., Mokhtari M., Morin S., Pigeon G., Salgado R., Seity Y., Taillefer F., Tanguy G., Tulet P., Vincendon B., Vionnet V., Voldoire A., 2013. The SURFEXv7.2 land and ocean surface platform for coupled or offline simulation of Earth surface variables and fluxes. Geoscientific Model Development, 6, 929–960. https://doi.org/10.5194/gmd-6-929-2013. [CrossRef] [Google Scholar]
  • Mestayer P. G., Durand P., Augustin P., Bastin S., Bonnefond J.-M., Bénech B., Campistron B., Coppalle A., Delbarre H., Dousset B., Drobinski P., Druilhet A., Fréjafon E., Grimmond C.S.B., Groleau D., Irvine M., Kergomard C., Kermadi S., Lagouarde J.P., Lemonsu A., Lohou F., Long N., Masson V., Moppert C., Noilhan J., Offerle B., Oke T.R., Pigeon G., Puygrenier V., Roberts S., Rosant J.M., Saïd F., Salmond J., Talbaut M., Voog J., 2005. The urban boundary-layer field campaign in Marseille (ubl/clu-escompte): set-up and first results. Boundary-Layer Meteorolology, 114, 315–365. [CrossRef] [Google Scholar]
  • Najjar G., Kastendeuch P.P., Stoll M.P., Colin J.R., Nerry F., Ringenbach N., Bernard J., De Hatten A., Luhahe R., Viville D., 2004. Le projet Reclus, télédétection, rayonnement et bilan d’énergie en climatologie urbaine à Strasbourg. La Météorologie, 46, 44–50. [Google Scholar]
  • Redon E. C., Lemonsu A., Masson V., Morille B., Musy M., 2017. Implementation of street trees within the solar radiative exchange parameterization of TEB in SURFEX v8.0. Geosci. Model Dev., 10, 385–411. https://doi.org/10.5194/gmd-10-385-2017. [CrossRef] [Google Scholar]
  • Redon E., Lemonsu A., Masson V., 2020. An urban trees parameterization for modeling microclimatic variables and thermal comfort conditions at street level with the Town Energy Balance model (TEB-SURFEX v8.0). Geosci. Model Dev., 13, 385–399. https://doi.org/10.5194/gmd-13-385-2020. [CrossRef] [Google Scholar]
  • Schoetter R., Masson V., Amossé A., Bernard J., Bocher E., Bonhomme M., Bourgeois A., Faraut S., Gardes T., Goret M., Hidalgo J., Lévy J.-P., Long N., Pellegrino M., Petit G., Plumejeaud C., Poitevin C., Tornay N., 2019. Caractérisation du tissu urbain français pour la modélisation du climat urbain et de son interaction avec la consommation énergétique dans les bâtiments. La Météorologie, 105, 48–57. http://documents.irevues.mist.fr/handle/2042/70169. [Google Scholar]
  • Schoetter R., Masson V., Bourgeois A., Pellegrino M., Lévy J.-P., 2017. Parametrisation of the variety of human behaviour related to building energy consumption in the Town Energy Balance (SURFEX-TEB vol 8.2). Geosci. Model Dev., 10, 2801–2831. [CrossRef] [Google Scholar]
  • Stavropulos-Laffaille X., Chancibault K., Brun J.-M., Lemonsu A., Masson V., Boone A., Andrieu H., 2018. Improvements to the hydrological processes of the Town Energy Balance model (TEB-Veg, SURFEX v7.3) for urban modelling and impact assessment. Geoscientific Model Development, 11 (10), 4175–4194. [CrossRef] [Google Scholar]
  • Suher-Carthy M., Lagelouze T., Hidalgo J., Schoetter R., Touati N., Jougla R., Masson V., 2023. Urban heat island intensity maps and local weather types description for a 45 French urban agglomerations dataset obtained from atmopsheric numerical simulations. Data Brief, 50, 109437. https://doi.org/10.1016/j.dib.2023.109437. [CrossRef] [Google Scholar]
  • Tornay N., Schoetter R., Bonhomme M., Faraut S., Masson V., 2017. GENIUS: A methodology to define a detailed description of buildings for urban climate and building energy consumption simulations. Urban climate. https://doi.org/10.1016/i.uclim2017.03.002. [Google Scholar]
  • Touati N., Gardes T., Hidalgo J., 2020. A GIS plugin to model the Urban Heat Island from urban meteorological networks. Urban Climate, 34, https://doi.org/10.1016/j.uclim.2020.100692. [CrossRef] [Google Scholar]

Citation de l’article : Hidalgo J., 2023. Dépasser le développement d’expertise locale en climatologie urbaine pour accélérer et élargir sa prise en compte dans les politiques de gestion de la surchauffe urbaine. Climatologie, 20, 3.

Liste des tableaux

Tableau 1

Villes étudiées dans le projet MApUCE avec une classification par TTS disponible : UU - nom de l’unité urbaine; ID_obs - identifiant de la station d’observation de référence météorologique utilisée; nom - nom de la station d’observation de référence météorologique utilisée; nb_TTS - nombres de TTS définis. Source : Jougla et al., 2019. Cities studied in the MApUCE project with a Local Weather Type classification available: UU - name of the urban unit; ID_obs - identifier of the meteorological reference observation station used; name - name of the meteorological reference observation station used; nb_TTS - numbers of TTS defined. Source: Jougla et al., 2019.

Liste des figures

thumbnail Figure 1

Aperçu de la campagne expérimentale PANAME20221. À gauche : carte des sites; à droite : mesures de flux, instruments de télédétection et in-situ situés à l’université de Paris/ site Lisa, lancement du radiosondage à Paris intra-muros (CNRM), station météo sur lampadaire (CNRM). Source : CNRM/VILLE. Overview of the PANAME2022 experimental campaign.

Dans le texte
thumbnail Figure 2

Suivi en temps réel de l’ICU de Rennes. Capture d’écran, le 16 décembre 2022 à 12 h sur le site https://run.letg.cnrs.fr/carte-interpolation-icu.html. Real-time monitoring of the Rennes Urban Heat Island. Screenshot, December 16, 2022 at 12 p.m. on the website https://run.letg.cnrs.fr/carte-interpolation-icu.html

Dans le texte
thumbnail Figure 3

Aperçu de la campagne expérimentale du projet Thermal InfraRed for Street Trees (TIR4STREEt) à Strasbourg. En haut : composition du micocoulier (espèce méditerranéenne introduite à Strasbourg) avec une image dans le visible et son équivalent dans le thermique. En bas : site d’expérimentation. Source ICube/TRIO - INSA. Overview of the Thermal InfraRed for Street Trees (TIR4STREEt) experimental campaing in Strasbourg. Top: composition of the hackberry tree (Mediterranean species introduced to Strasbourg) with a visible image and its thermal equivalent. Bottom: experimental site. Source ICube/TRIO - INSA.

Dans le texte
thumbnail Figure 4

Illustration du modèle DART développé par le CESBIO. Capture d’écran, le 16 décembre 2022 à 12h10 sur le site : https://dart.omp.eu/#/. Illustration of the DART model developed by CESBIO. Screenshot, December 16, 2022 at 12:10 p.m. on the website: https://dart.omp.eu/#/.

Dans le texte
thumbnail Figure 5

Relation entre l’intensité maximale nocturne de l’îlot de chaleur urbain et la population totale d’une agglomération urbaine. Med.-Pure (Oce.-Pure) est la région climatique méditerranéenne pure (océanique), Oce.-deg (Oce.-alt) la région climatique océanique dégradée (altérée). Source : Gardes et al. (2020). Relationship between the maximum nocturnal intensity of the urban heat island and the total population of an urban agglomeration. Med. -Pure (Oce.-Pure) is the pure Mediterranean (oceanic) climatic region, Oce.-deg (Oce.-alt) the degraded (altered) oceanic climatic region. Source: Gardes et al. (2020).

Dans le texte

Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.

Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.

Le chargement des statistiques peut être long.