, Deutscher Wetterdienst (DWD) en Allemagne, l'Institut Royal Météorologique (IRM) de Belgique. Les données DSCLIM nous ont été fournies par C. Pagé du CERFACS. Les données E-OBS proviennent du projet européen FP6 ENSEMBLES

B. J. Bibliographie, Changement global et cycle hydrologique : Une étude de régionalisation sur la France, vol.256, 2007.

. H. Burn-d and . A. Hagelnur-m, Detection of hydrological trends and variability, Journal of Hydrology, vol.255, pp.107-122, 2002.

. Commeaux-f, . Drogue-g.-et, and . François-d, Analyse prospective des débits mensuels d'étiage de la Meuse française à l'aide d'un modèle hydrologique : sensibilité aux méthodes de descente d'échelle spatiale et aux scénarios d'émission, vol.87, pp.178-193, 2010.

P. Deque-m.-et, High-Resolution climate simulation over Europe, Climate Dynamics, vol.11, pp.321-339, 1995.

D. E. Vogel-r and . N. Kroll-c, Trends in floods and low flows in the United States: impact of spatial correlation, Journal of Hydrology, vol.240, pp.90-105, 2000.

G. Drogue, O. Mestre, L. Hoffmann, J. F. Iffly, and . Pfister-l, Recent warming in a small region with semi-oceanic climate, 1949-1998: what is the ground truth?, Theoretical and Applied Climatology, vol.81, pp.1-10, 2005.

G. Drogue, C. Wagner, N. Mahr, and . Hoffmann-l.-et-pfister-l, Topography and recent winter rainfall regime change in temperate Western European areas: a case study in the Rhine-Meuse basin, International Journal of Climatology, vol.26, pp.785-796, 2006.
URL : https://hal.archives-ouvertes.fr/hal-00136566

G. Drogue, M. Fournier, . Bauwens-a, H. Buiteveld, F. Commeaux et al., Analysis of climate change, high-flows and low-flows scenarios on the Meuse basin, p.69, 2010.

. Efron-b.-et and . Tibshirani-r, An introduction to the bootstrap, vol.436, 1993.

. Fink-a, . Ulbrich-u.-et, and . Enge-h, Aspects of the January, vol.51, pp.34-39, 1995.

. François-d and C. Drogue-g.-et, Évolution des débits d'étiage de la Meuse en France au cours du XXI ème siècle, Revue Géographique de l'Est, vol.51, pp.3-4, 2012.

H. J. François-d.-et, Quantification spatiale des précipitations, 2000.

. B. Guerreiro-s, C. G. Kilsby, and . Serinaldi-f, Analysis of time variation of rainfall in transnational basins in Iberia: abrupt changes or trends?, International Journal of Climatology, 2013.

R. B. Giuntoli-i, . Vidal-j.-p, and . Bard-a, Low flows in France and their relationship to large-scale climate indices, Journal of Hydrology, vol.482, pp.105-118, 2013.

A. Habets-f, J. Boone, P. Champeaux, L. Etchevers, E. Franchistéguy et al., The SAFRAN-ISBA-MODCOU hydrometeorological model applied over France, Journal of Geophysical Research, p.6113, 2008.

. H. Hamed-k and . R. Rao-a, A modified Mann-Kendall trend test for autocorrelated data, Journal of Hydrology, vol.204, pp.182-196, 1998.

N. R. Haylock-m, A. M. Hofstra, E. J. Klein-tank, P. D. Klok, M. Jones et al., A European daily high-resolution gridded dataset of surface temperature and precipitation, Journal of Geophysical Research (Atmospheres), vol.113, p.20119, 2008.

. Hess-p.-et and . Brezowski-h, Katalog der Grosswetterlagen Europas, pp.1881-1976, 1977.

, Berichte des Deutschen Wetterdienstes, vol.113

. M. James-p, An objective classification method for Hess and Brezowsky Grosswetterlagen over, Europe. Theoretical and Applied Climatology, vol.88, pp.17-42, 2007.

P. P. Kastendeuch, Pressure gradient force, atmospheric circulation and climate in western Europe, International Journal of Climatology, vol.27, pp.2055-2067, 2007.
URL : https://hal.archives-ouvertes.fr/halsde-00230405

. G. Kendall-m, Rank correlation methods, 1975.

. E. Livezey-r and . Y. Chen-w, Statistical field significance and its determination by Monte Carlo techniques, Monthly Weather Review, vol.111, pp.46-59, 1983.

H. B. Mann, Non parametric tests against trend, Econometrica, vol.13, pp.245-259, 1945.

. B. Mann-h and . R. Whitney-d, On a test of whether one of two random variables is stochastically larger than the other, Annals of Mathematical Statistics, vol.18, issue.1, pp.50-60, 1947.

. Mestre-o, Méthodes statistiques pour l'homogénéisation de longues séries climatiques, vol.230, 2000.

C. Pagé, . Terray-l.-et, and . Boé-j, Dsclim: A software package to downscale climate scenarios at regional scale using a weather-typing based statistical methodology, CERFACS, vol.60, 2009.

. N. Pettitt-a, A non parametric approach to the change point problem, Applied Statistics, vol.28, pp.126-135, 1979.

. Pfister-l, G. Drogue, . El-idrissi-a, . Iffly-j.-f, . Poirier-c.-et et al., Spatial variability of trends in the rainfall-runoff relationship: a mesoscale study in the Mosel basin, vol.66, pp.66-87, 2004.

. Planton-s.-et and . Terray-l, Détection et attribution à l'échelle régionale : le cas de la France, La Météorologie, vol.58, pp.25-29, 2007.

R. B. , Détection et prise en compte d'éventuels impacts du changement climatique sur les extrêmes hydrologiques en France, INP Grenoble, vol.361, 2006.

R. B. Lang, M. Bois-p, . Dupeyrat-a, O. Mestre, H. Niel et al., Regional methods for trend detection: assessing field significance and regional consistency, Water Resources Research, vol.44, 2008.
URL : https://hal.archives-ouvertes.fr/meteo-00358520

. Saporta-g, Probabilités, analyse des données et statistique. Technip Editions, vol.496, 1990.

. Vidal-j.-p, . Martin-e, L. Franchistéguy, and S. Baillon-m.-et, A 50-year high-resolution atmospheric reanalysis over France with the Safran system, International Journal of Climatology, vol.30, issue.11, pp.1627-1644, 2010.

. Wilcoxon-f, Individual comparisons by ranking methods, Biometrics Bulletin, vol.1, pp.80-83, 1945.

. S. Wilks-d, On "Field Significance" and the False Discovery Rate, Journal of Applied Meteorolgy and Climatology, vol.45, pp.1181-1189, 2006.

. Yue-s and C. Pilon-p.-et, Power of the Mann-Kendall and Spearman's rho tests for detecting monotonic trends in hydrological series, Journal of Hydrology, vol.259, pp.254-271, 2002.

. Yue-s, . Pilon-p.-et, and . Phinney-b, Canadian streamflow trend detection: impacts of serial and cross-correlation, Hydrological Sciences Journal des Sciences Hydrologiques, vol.48, pp.51-63, 2003.

. D. Ziegler-a, . M. Edwin-p, J. Sheffield, B. N. Wood-e, and . P. Et-lettenmaier-d, Detection time for plausible changes in annual precipitation, evapotranspiration, and streamflow in three mississippi river sub-basins, Climatic Change, vol.72, pp.17-36, 2005.

, Annexe 1. Le test d'hypothèse de Pettitt, 1979.

?. , X. N-)-d&apos;une-variable-aléatoire, and X. , La séquence est censée contenir un point de rupture à ? si les X t pour t = 1, 2, ?, ? ont une distribution commune F 1 (X) et les X t pour t = ?+1,?, N ont une distribution commune F 2 (X) différente de F 1 (X). L'hypothèse nulle de stationnarité (non rupture) H 0 : ? = N contre l'hypothèse alternative de rupture H 1 : 1 ? ? < N est testée au moyen d'un test non paramétrique (i.e. libre de distribution), dérivé de celui de Mann-Whitney. La statistique du test notée U ?,N , considérée pour les valeurs de t comprise entre 1 et N est telle que : Par l'intermédiaire du calcul de cette statistique, on cherche donc à savoir si les couples de valeurs X i -X j sont rangés préférentiellement dans un sens (e.g. croissant) ou dans l'autre (e.g. décroissant) en appariant les valeurs de part et d'autre d'un point de rupture ?

, H 0 est rejetée si cette probabilité au dépassement est inférieure à ?. Dans ce cas, la série chronologique présente une rupture au temps ? définissant K N soit : Annexe 2. Le test U de Mann-Withney-Wilcoxon (Wilcoxon, 1945.

, On considère deux échantillons X 1 et X 2 de valeurs indépendantes (X 1 , X 2 , ?, X N1 ) d'une variable aléatoire X de distribution inconnue. Le but du test est de prendre une décision concernant l'hypothèse nulle suivante H 0 : la médiane de, Ce test peut être défini comme un test de symétrie des répartitions

, Si les échantillons X 1 et X 2 ont la même médiane, on s'attend à ce qu'ils se répartissent de façon homogène autour de cette médiane, autrement dit à ce que les rangs des deux échantillons regroupés soient bien mélangés

, On rassemble les N 1 observations X 1 , les N 2 observations X 2 et on range par ordre croissant les N 1 +N 2 observations. Dans ce classement, on note r 1 , ?, r N1 les rangs des N 1 observations

, Les valeurs de la statistique du test U s'écrivent

, Avec W 1 = r 1 + ? + r N1 , la somme des rangs du premier échantillon ; W 2 = r 2 + ? + r N2 , la somme des rangs du second échantillon

, Lorsque la taille des échantillons excède une dizaine d'observations, la loi de distribution de U est une Gaussienne centrée-réduite. La statistique du test s'écrit alors : On rejette l'hypothèse nulle si la plus petite des deux valeurs de Z est supérieure ou égale à la valeur critique donnée par la Gaussienne centrée-réduite au risque de première espèce ?. Dans le cas d'un test unilatéral, c'est U 1 (unilatéral à gauche) ou U 2 (unilatéral à droite) qui est utilisée

. Soit, La statistique du test, le S de Kendall se calcule par : On dénombre donc pour tous les couples X i -X j les cas où la différence est positive ou négative, puis on calcule la différence entre ces deux quantités. La statistique S varie donc entre ± n(n-1)/2. Sous l'hypothèse H 0 de stationnarité de la série chronologique, cette différence devrait tendre vers 0. A l'inverse, si les valeurs de la série temporelle ont tendance à croître, S devrait prendre des valeurs positives, et inversement en cas de décroissance des valeurs (Renard, 2006), N ) un échantillon de valeurs indépendantes d'une variable aléatoire X dont on cherche à tester la stationnarité

;. Sous-h-0-,-mann and . Kendall, , 1945.

, Dès que la taille de l'échantillon excède une dizaine d'observations, alors la loi de la statistique de test Z ci-dessous peut-être approchée par une Gaussienne centrée-réduite : Pour un risque ? de première espèce, H 0 est rejetée si la probabilité au dépassement de Z est inférieure à ? dans le cas d'une tendance positive