La reconstruction précise de champs de forçage hydrologique à haute résolution à partir d'observations éparses de stations demeure un défi, particulièrement dans les régions peu instrumentées. De plus, la plupart des méthodes d'interpolation existantes ignorent la cohérence temporelle, ce qui peut introduire un bruit artificiel se propageant sous forme d'erreurs significatives lorsqu'il est intégré dans les modèles hydrologiques. Pour répondre à ce problème, nous introduisons la régression de patrons spatiaux à contrainte temporelle (Temporally-constrained Spatial Pattern Regression, T-SPR), une extension du cadre de régression de patrons spatiaux (Spatial Pattern Regression, SPR) qui combine l'interpolation basée sur les anomalies avec une régularisation temporelle des champs de forçage reconstruits. Une variante intermédiaire basée sur les anomalies (A-SPR) est également considérée afin d'isoler la contribution de la décomposition climatologique. Ces trois variantes (SPR, A-SPR et T-SPR) sont évaluées à l'aide de simulations de modèle climatique régional à haute résolution et d'observations réelles de stations, pour les précipitations journalières, la température minimale et la température maximale sur le sud du Québec, Canada. Les résultats montrent que l'interpolation basée sur les anomalies améliore substantiellement la précision de la reconstruction en conditions d'observation éparses, en particulier pour les forçages de température. La régularisation temporelle renforce davantage la robustesse et la cohérence temporelle en réduisant la variabilité artificielle jour-à-jour et la sensibilité à la configuration des stations. Les bénéfices les plus importants sont observés aux densités de stations extrêmement faibles, là où l'information est la plus limitée. Ces résultats démontrent que la T-SPR, qui combine l'information climatologique et la cohérence temporelle, constitue une approche efficace et peu coûteuse en calcul pour la reconstruction de forçages hydrologiques dans des bassins versants pauvres en données.