Résumé
La reconstruction climatique classique, basée sur la méthode statistique, suppose implicitement que la concentration atmosphérique en C02, qui a considérablement fluctué pendant le Quaternaire, n'a aucune influence sur la végétation. Afin de tempérer ce postulat, nous proposons d'utiliser un modèle fonctionnel de végétation (BIOME 3.5) en mode inverse pour reconstruire, à partir des données polliniques, le climat le plus probable sous faible concentration de C02 dans la biosphère. Des outils adaptés permettant de faire coïncider les sorties des modèles avec les données polliniques sont développés afin d’établir une distribution de probabilité associée à la reconstruction (échantillonnage de Monte Carlo et réseaux neuronaux). La méthode est validée avec les données polliniques actuelles d'Europe et d'Eurasie du nord : il est possible de reconstruire le climat actuel, avec parfois une marge d'erreur importante, à partir des données polliniques. L'erreur dépend en fait de la tolérance de la végétation à la variable climatique correspondante. L'application à 71 assemblages polliniques de ces mêmes régions représentant le dernier maximum glaciaire (DMG : 18,000 ans 14C B.P.) est réalisée au travers de deux expériences : concentration en C02 actuel et glaciaire. Nous montrons qu'il y a une bonne concordance entre les résultats précédents basés sur les méthodes statistiques et la modélisation inverse, dans la partie nord de la région étudiée. En région méditerranéenne et en Sibérie méridionale, les températures estivales et les paramètres de disponibilité de l'eau pourraient être plus élevés que ceux reconstruits précédemment en raison de l'effet du C02. Classical climate reconstruction based on statistical method implicitly assumes that the atmospheric C02 concentration, which has greatly fluctuated during the Quaternary, has no influence on the vegetation. In order to attenuate this assumption, we propose to use a process-based vegetation model (BIOME 3.5) in inverse mode to reconstruct from pollen data the most probable climate under lowered C02 concentration in the biosphere. Appropriate tools to match the model outputs with the pollen data are developed to generate a probability distribution associated with the reconstruction (Monte Carlo sampling and neural network techniques). The method is validated with modern pollen data from Europe and Northern Eurasia : it is able to reconstruct modern climate with a sometimes large error bar from pollen data. The error bar depends in fact on the tolerance of the vegetation to the corresponding climatic variable. The application to 7 1 pollen assemblages from these regions, representing the last glacial maximum (LGM : 18,000 14C-yr B.P.), is done through two experiments : modem and LGM C02 concentration. We show that there is a good agreement between previous results based on statistical methods and inverse modelling in the northern part of the studied region. In the Mediterranean region and southern Siberia, the summer temperatures and the water availability parameters could be higher than previously reconstructed, because of the C02 effect.