mémoire - Centre National de Recherches Météorologiques

More documents

Recommendations

Info

48 De tels résultats sont conformes aux conclusions des premiers travaux portant sur l’influence de l’initialisation des sols sur la prévision saisonnière (ex : Fennessy et Shukla 1999). Ils indiquent que les effets sont essentiellement locaux et ne deviennent significatifs que si la perturbation initiale atteint une superficie et une amplitude suffisante. Il semble donc que l’HS ne puisse jouer en général qu’un rôle secondaire dans la prévisibilité à longue échéance. Des analyses sont en cours pour savoir si des signaux plus robustes apparaissent en terme d’occurrence d’événements climatiques « sévères » de type canicule, sécheresse ou inondation. C’est en effet notre capacité à anticiper ce type d’événements qui donne essentiellement du sens et de l’importance aux prévisions saisonnières. De ce point de vue, il semble que l’HS puisse jouer un rôle significatif. C’est en tout cas ce que soulignent non seulement nos résultats sur l’Amérique du Nord, mais également les travaux de Beljaars et al. (1996) ou de Sud et al. (2003) sur ce même continent, ainsi que ceux de Ferranti et Viterbo (2006) ou de Fischer et al. (2007) concernant la canicule de l’été 2003 sur l’Europe. Bien que l’origine de la canicule ne puisse être attribuée à une anomalie continentale, le déficit de précipitations qui a précédé l’été 2003 a largement contribué à amplifier le réchauffement associé à la persistance d’une situation anticyclonique sur l’Europe de l’Ouest. 3.2.3. Végétation Je passerai plus brièvement sur l’influence de la végétation sur la variabilité et la prévisibilité à l’échelle saisonnière car je n’ai pas travaillé sur cette question. Dans tous les systèmes de prévisions dynamiques à courte ou longue échéance, la végétation est à ma connaissance prescrite à partir d’une climatologie. Néanmoins, les mesures spatiales de NDVI disponibles depuis le début des années 80 montrent que la variabilité inter-annuelle du couvert végétal n’est pas négligeable dans certaines régions, en particulier dans les zones tropicales où la densité du couvert est largement influencée par les précipitations (Eklundh et Olsson 2003). La question est alors de savoir si cette variabilité est susceptible d’exercer une rétroaction significative sur l’atmosphère à l’échelle saisonnière ? Je ne discute pas ici des échelles de temps décennales à multi-décennales pour lesquelles une amplification de la variabilité climatique par la végétation a été suggérée par différentes études (Zeng et al. 1999, Wang et al. 2004) sur lesquelles nous reviendrons au chapitre 5. Quelques études statistiques basées sur des corrélations décalées ont cherché à mettre en évidence une influence du couvert végétal (caractérisé par un indice de type NDVI) sur les précipitations. C’est notamment le cas de l’article récent de Liu et al. (2006) portant sur la période 1982- 2000. Les résultats confirment l’influence prépondérante des précipitations sur la variabilité interannuelle de la végétation tropicale (tandis que la température joue un rôle dominant aux moyennes et hautes latitudes de l’hémisphère Nord), mais indiquent que la rétroaction de la végétation sur les précipitations est très faible puisqu’elle explique en général moins de 5% de leur variance totale, à l’exception de quelques régions isolées. En revanche, la végétation exerce une influence significative sur la variabilité inter-annuelle de la température de surface, notamment au printemps dans les hautes latitudes de l’hémisphère Nord. Globalement, le pourcentage de variance expliqué demeure malgré tout inférieur à 10%. Le couplage des modèles de circulation générale atmosphérique (MCGA) avec des modèles de végétation dynamique (MVD) a également permis de travailler sur cette question via la comparaison de simulations atmosphériques forcées par des TSM climatologiques (Delire et al. 2004) ou couplées à une couche de mélange océanique (Crucifix et al. 2005) dans lesquelles la végétation est soit interactive soit prescrite (cycle annuel climatologique). Les travaux de Delire et al. (2004) menés avec le couplage CCM3-IBIS indiquent que la végétation interactive tend à moduler le spectre des précipitations annuelles continentales, dont la variabilité augmente à basse fréquence (>10ans) mais diminuerait à haute fréquence. Le principal impact mis en évidence concerne donc la variabilité décennale à multi-décennale des précipitations (notamment sur le Sahel), mais les résultats suggèrent que le rôle de la végétation est plutôt faible à l’échelle inter-annuelle. La sensibilité des précipitations
49 aux rétroactions de la végétation est encore plus faible dans les simulations réalisées par Crucifix et al. (2005) avec le couplage HadSM3-TRIFFID. Aucune modification significative du spectre des précipitations annuelles n’est constatée, même à l’échelle régionale. Ce résultat est cohérent avec la faiblesse du couplage continent-atmosphère mise en évidence dans HadAM3 au cours du projet d’intercomparaison GLACE. Il peut également en partie s’expliquer par le caractère simpliste du modèle de végétation TRIFFID et/ou par le manque de variabilité basse fréquence des précipitations dans le modèle HadSM3 incluant une couche de mélange océanique. Quelques études de sensibilité consistant à modifier la végétation sans avoir recours à un MVD ont également été réalisées. On peut notamment citer les travaux Bounoua et al. (2000) consistant à prescrire les valeurs minimale et maximale des paramètres du couvert végétal déduites des NDVI observés sur la période 1982-1990 dans des simulations atmosphériques avec TSM climatologiques. Les résultats montrent une nouvelle fois une sensibilité limitée des précipitations, alors que les températures de surface répondent de manière plus significative. Concernant la prévision saisonnière, Sud et al. (2003) ont travaillé sur le contraste pluviométrique des étés 1987 et 1988 en Amérique du Nord (région du Midwest). Comparant des simulations forcées par les TSM observées dans lesquelles la végétation était prescrite soit en utilisant les NDVI observés soit en les inversant d’une année sur l’autre, ils conclurent à un effet très marginal de la variabilité inter-annuelle du couvert végétal sur les précipitations estivales, en tout cas très inférieur à celui de l’HS.
Page 1:
MEMOIRE POUR L’OBTENTION DU DIPLO
Page 6:
Préambule et remerciements 1. Intr
Page 9 and 10:
Préambule Lorsqu’en septembre 19
Page 11: Remerciements Je veux d’abord exp
Page 15 and 16: 1 Chapitre 1 Introduction En dépit
Page 18 and 19: 4 « J’aperçois un péril plus g
Page 20 and 21: 6 Fig. 2.1: Schématisation du cycl
Page 22 and 23: 8 comme étant proportionnel à la
Page 24 and 25: 10 2.1.3. Description du sol et de
Page 26 and 27: 12 2.2. Ma contribution au modèle
Page 28 and 29: 14 Fig. 2.3: Les principales source
Page 30 and 31: 16 de la maille. Elle a été calib
Page 32 and 33: 18 où Din est la somme du ruissell
Page 34 and 35: 20 Concernant la neige, on dispose
Page 36 and 37: 22 également des modèles de neige
Page 38 and 39: 24 pas été testé lors du projet
Page 40 and 41: 26 Fig. 2.7: Distributions cumulée
Page 42 and 43: 28 dans les modèles météorologiq
Page 44 and 45: 30 Fig. 2.9: Anomalies mensuelles d
Page 46 and 47: 32 La thèse de B. Decharme fut ég
Page 48 and 49: 34 « L’homme s’instruit sans c
Page 50 and 51: 36 provoqués par la perturbation d
Page 52 and 53: 38 suscite parfois la nature observ
Page 54 and 55: 40 disparition du manteau neigeux.
Page 56 and 57: 3.2.1. Neige 42 L’influence de la
Page 58 and 59: 44 de travaux distincts. Si l’inf
Page 60 and 61: 46 C’est en utilisant cette techn
Page 64 and 65: 50 3.3. Influence sur les scénario
Page 66 and 67: 52 Ainsi, la réduction globale de
Page 68 and 69: 54 simulations couplées océan-atm
Page 70 and 71: 3.3.3. Végétation 56 A l’échel
Page 72 and 73: 58 Une autre limite inhérente à c
Page 74 and 75: 60 ou plusieurs simulations couplé
Page 76: 62 notamment pour la paramétrisati
Page 79 and 80: 65 Chapitre 4 Dérive climatique de
Page 81 and 82: 67 Fig. 4.1 : Moyenne zonale de la
Page 83 and 84: 69 Fig. 4.2: Impact sur le rayonnem
Page 85 and 86: 4.2. Continents et prévision saiso
Page 87 and 88: 73 Ces travaux fondateurs ont néan
Page 89 and 90: 75 L’idée n’est cependant pas
Page 91 and 92: 77 Fig. 4.4: Scénario proposé pou
Page 93 and 94: 79 cependant s’attendre à un eff
Page 95 and 96: 81 TSM dans les conditions aux limi
Page 97 and 98: 83 Il faut noter par ailleurs que l
Page 99 and 100: 85 Fig. 4.9: En haut : Composites (
Page 101 and 102: 87 Concernant les scénarios climat
Page 103 and 104: 89 Chapitre 5 Conclusions Nous arri
Page 105 and 106: 91 suggèrent que les impacts des a
Page 107 and 108: 93 par A-L. Gibelin et A. Voldoire
Page 109 and 110: 95 préliminaires sur les limites d
Page 111 and 112: Biasutti M., Giannini A. (2006) Rob
Page 113 and 114:
Decharme B. (2005) Développement e
Page 115 and 116:
Ducoudré N., Laval K., Perrier A.
Page 117 and 118:
Hoerling M., Hurell J., Eisheid J.,
Page 119 and 120:
Manabe S. (1975) A study of the int
Page 121 and 122:
Royer J-F., Déqué M., Pestiaux P.
Page 123 and 124:
Yeh P.J-F., Swenson S.C., Famigliet
Page 125 and 126:
2006 Jury de thèse de Frédéric F
Page 127 and 128:
32. Douville H. (2006) Impact of re
Page 129 and 130:
Houser P., M.F. Hutchinson, P. Vite
Page 131 and 132:
certains problèmes (dérive, rétr
show all

mémoire - Centre National de Recherches Météorologiques

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?