Résumé
La croissance des arbres est supposée être principalement le résultat de trois composantes : (i) une composante endogène supposée être structurée en une succession de phases approximativement stationnaires, séparées par des ruptures franches, asynchrones entre individus, (ii) une composante environnementale variant dans le temps supposée prendre la forme de fluctuations synchrones entre individus, (iii) une composante individuelle correspondant principalement à l'environnement local de chaque arbre. Dans le but d'identifier et de caractériser chacune de ces composantes, nous proposons d'utiliser des combinaisons semi-markoviennes de modèles linéaires mixtes. La semi-chaîne de Markov sous-jacente représente la succession de phases de croissance et leurs longueurs (composante endogène) alors que les modèles linéaires mixtes attachés à chaque état de la semi-chaîne de Markov sous-jacente représentent - dans la phase de croissance correspondante - à la fois l'influence de covariables climatiques variant dans le temps (composante environnementale) comme effets fixes et l'hétérogénéité inter-individuelle (composante individuelle) comme effets aléatoires. Pour l'estimation des combinaisons markoviennes et semi-markoviennes de modèles linéaires mixtes, nous proposons un algorithme de type MCEM dont les itérations se décomposent en trois étapes : (i) simulation des séquences d'états sachant les effets aléatoires, (ii) prédiction des effets aléatoires sachant les séquences d'états, (iii) maximisation. La modélisation statistique proposée est illustrée par l'analyse de pousses annuelles successives de troncs de pins laricio influencées par des covariables climatiques. (Texte intégral)