Indice du printemps

L'indice du printemps indique le moment du développement de la végétation en Suisse par rapport à la moyenne déterminée pour la période allant de 1981 à 2010. Cet indice calculé annuellement intègre les phases phénologiques du printanière. La température étant un facteur clé pour la croissance des plantes, l'indice du printemps est particulièrement indiqué comme mesure de l'impact du changement climatique sur la végétation.

L'indice du printemps est un indicateur statistique. Il est calculé en fonction des dix premières phases phénologiques du printemps et actualisé chaque année à la fin du mois de mai. Il intègre les observations effectuées chaque année dans quelque 80 stations du réseau de surveillance phénologique qui disposent de séries suffisamment longues.

Le printemps 2019

En 2019, la végétation printanière s'est développée en avance, pour la sixième année consécutive. La végétation printanière a connu sa plus grande avance au cours de la première quinzaine d'avril. Les cerisiers et les pissenlits ont tous deux fleuri en dessous de 600 m d'altitude le 7 avril, soit 10 jours plus tôt que la moyenne de la période 1981-2010. Cela s'explique par les températures élevées de février et mars, qui ont été de 3 °C, respectivement 1,5 °C au-dessus de la normale. Dans l’ensemble, il s’agit du 14ème développement de la végétation printanière  le plus précoce depuis 1951.

Calcul de l'indice du printemps

Les dix phases phénologiques suivantes (entre janvier et mai) sont utilisées pour caractériser le printemps phénologique dans son ensemble: 

  • Floraison du noisetier
  • Floraison du pas d'âne
  • Floraison de l'anémone des bois
  • Floraison du cerisier
  • Déploiement des feuilles du marronnier d'Inde
  • Déploiement des feuilles du noisetier
  • Déploiement des aiguilles du mélèze
  • Floraison du pissenlit
  • Floraison de la cardamine des prés
  • Déploiement des feuilles du hêtre

L'écart à la date moyenne est déterminé par une analyse en composantes principales. Cette méthode est adéquate pour structurer de grands ensembles de données afin de les simplifier et d'illustrer ou de filtrer les dépendances spatiales et temporelles. Un des résultats de cette analyse, la première composante principale, illustre la variabilité d'une année à l'autre.

 

Informations complémentaires

Liens