Extraction d'un signal commun pour un ensemble de séries de largeurs de cernes d'arbres avec un modèle bayésien hiérarchique

International audience; La dendrochronologie est une méthode scientifique de datation basée sur l'analyse des anneaux annuels de croissance ou cernes d'arbres. Elle a été fréquemment appliquée pour reconstruire les variations climatiques des derniers siècles. L'hypothèse fondamentale pour ces reconstructions est que les cernes d'arbres répondent (d'une manière à déterminer) aux variations du climat passé. L'objet de la dendroclimatologie est d'obtenir ces informations. D'un point de vue statistique, le problème de l'extraction d'une information climatique peut être vu comme la recherche d'une variable aléatoire cachée représentant un facteur commun aux cernes d'arbres d'une même espèce échantillonnée sur un site géoréférencé. Habituellement, des techniques classiques de moyenne sont appliquées pour estimer le comportement moyen de cette variable cachée "climatique". Les résultats obtenus avec ces techniques dépendent de l'espèce d'arbres, de la région d'étude et de la méthode statistique retenue. Cependant, il manque toujours une quantification précise de l'incertitude associée à la distribution de la variable cachée. Cette présentation propose, sous le paradigme bayïésien, un modèle statistique paramétrique impliquant cette variable cachée dans une structure hiérarchique. Nous l'appliquerons successivement à des données simulées et à des largeurs de cerne réellement observées provenant d'une base de données portant sur des arbres échantillonnés en Europe.