L’étude “Optimisation de l’identification des cycles de Milankovitch à partir d’analyses spectrales de type Fourier” par Monna, F. ; Dagois, A. ; Jébrane, A.; Martinez, M. ; Pellenard, P. ; Laffont, R. ; Deconinck, J.-F. sera présentée à l’ASF 2011 la semaine prochaine. Télécharger le poster ici (attention pdf de 35 Mo).
Depuis les travaux de Hays et al., (1976), les sédimentologues utilisent la cyclostratigraphie afin d’estimer les durées minimales des séries sédimentaires. Classiquement, un proxy supposé gouverné par le climat est mesuré, puis traité par méthode de type Fourier. Les pics significatifs sont ensuite attribués aux périodes orbitales théoriques, permettant ainsi le calcul d’une durée. L’ajustement entre les périodes sédimentaires identifiées et les périodes orbitales théoriques s’effectue le plus souvent via la méthode dite des rapports de fréquences ou frequency ratios. Cette approche souffre d’une relative subjectivité compte tenu de l’absence de quantification de la qualité de l’ajustement retenu et de l’étendue des possibilités. Il est alors impossible de juger dans quelle mesure la solution proposée surpasse les autres, et encore moins d’évaluer en quoi une erreur d’attribution affecterait la durée de la série sédimentaire. Ici, nous proposons un jeu de fonctions programmées sous le logiciel libre R qui pallie ces faiblesses.
Il apparait que l’identification des cycles de Milankovitch dans les séries sédimentaires est loin d’être une tâche triviale, même si les spectres calculés sont clairs. L’application de la méthode classique des rapports de fréquences s’avère beaucoup plus ambiguë que généralement acceptée, et nécessite un traitement statistique à la hauteur des efforts importants entrepris pour le reste de l’analyse. Il existe plusieurs critères d’optimisation, et celui retenu devrait être au moins mentionné dans la littérature spécialisée, ce qui n’est pas toujours le cas.
Nous proposons plutôt d’envisager plusieurs options à l’aide du package R (qui sera proposé à la communauté courant 2012), et de comparer les résultats afin de voir si une solution optimale se dégage systématiquement. Si ce n’est pas le cas, mais si un groupe de solutions fournit des durées comparables, comme dans l’exemple traité ici, la meilleure approche pourrait consister à moyenner les durées calculées pour ce groupe afin de minimiser les erreurs liées à la sélection d’une combinaison en particulier.