Variabilité de la circulation thermohaline en Atlantique Nord - LMD

Variabilité de la circulation
thermohaline en Atlantique Nord
Virginie Guemas
Rapport de stage de Master2 OASC
Février-Juin 2006
Encadrant : David Salas
1

Remerciements
Avant tout, je tiens à présenter toute ma gratitude à David Salas, qui m’a encadré au
cours de ce stage, pour sa disponibilité et son aide précieuse. Ses nombreuses explications, son
suivi assidu de mon travail et ses conseils fructueux ont fait de ce stage une expérience très
enrichissante. Je lui suis très reconnaissante de m’avoir offert l’opportunité de vivre ces
quelques mois parmi l’équipe UDC du CNRM.
Mes vifs remerciements s’adressent également à tous les membres des équipes UDC,
MEMO et EAC pour leur accueil chaleureux et la convivialité des moments passés autour
d’une tasse de café. Cette sympathie et cette bonne humeur m’ont permis de passer un séjour
agréable.
Je tiens notamment à remercier Aurore Voldoire pour sa serviabilité et son renfort pour
affronter l’adversité informatique.
Merci tout particulièrement à Hervé Douville et Martin Ménégoz pour leur participation
à l’amélioration de ce rapport, et Sophie Belamari pour ses nombreux conseils lors de la
préparation de mon oral.
Remerciements également à Fabrice Chauvin, Sébastien Conil, Mathieu Joly, Anna
Pirani, Florence Sevault, pour leur aide précieuse ainsi que Samuel Somot pour l’organisation
de mon prochain séminaire.
Je souhaite exprimer ma reconnaissance à Sophie et Michel Tyteca et Claude Cheruy
pour contribution au bon fonctionnement de mon ordinateur récalcitrant.
Mes remerciements s’adressent aussi à Marie Minvielle pour avoir partagé son savoir
sur la circulation thermohaline en Atlantique Nord.
Merci enfin à Pascal Terray et Eric Maisonnave pour la mise à disposition de leur outil
statistique Statpack.
3

Résumé :
La circulation thermohaline est une circulation océanique d’échelle globale contrôlée
par les gradients de densité. Sa branche atlantique est responsable d’un important transport de
chaleur vers le continent européen ayant un impact notable sur le climat. Une meilleure
compréhension de son fonctionnement et de sa variabilité pourrait donc contribuer à
l’amélioration de la qualité des prévisions décennales. Ce sujet est étudié à partir des données
de la simulation de contrôle IPCC du modèle couplé global CNRM-CM3 de Météo-France.
La variabilité de la circulation thermohaline en Atlantique Nord se caractérise par
l’apparition d’anomalies de circulation méridienne aux hautes latitudes qui semblent se
propager ensuite vers le sud. Ces anomalies sont générées par des évènements de convection
profonde intenses, en mer du Labrador, en mer d’Irminger et mers GIN (Groenland, Islande,
Norvège). Des anomalies de température ou de salinité dans ces zones induisent une
densification des eaux de surface, et une intensification de la convection. Le forçage
atmosphérique local est principalement responsable de cette variabilité de la convection
profonde, cette dernière influençant directement la circulation thermohaline en Atlantique
Nord.
Une phase positive de la NAO est à l’origine d’anomalies de vents d’ouest sur la mer du
Labrador. Il se produit alors un refroidissement des eaux de surface au niveau du site de
convection et une augmentation du taux de formation d’eaux profondes.
De plus, des évènements convectifs simultanés en mers GIN et en mer d’Irminger sont
générés par une anomalie dipolaire du champ de pression atmosphérique entre le Groenland et
la Scandinavie. En conditions moyennes, le site de convection des mers GIN, situé au niveau
de la limite de la banquise, subit un apport d’eau douce en surface par la fonte de glace mise en
contact avec une mer relativement chaude. L’intensification des vents de nord qui apparaît sur
les mers GIN lors de cette anomalie dipolaire du champ de pression est responsable d’un retrait
de glace vers la côte groenlandaise et donc d’une diminution de ce flux d’eau douce.
L’augmentation de salinité qui en découle provoque une intensification de la convection.
Simultanément, cette même anomalie de vent de nord, par le biais des flux océan/atmosphère,
entraîne une augmentation de la salinité à l’ouest de la mer d’Irminger et un refroidissement à
l’est. Ainsi, les eaux de surface en mer d’Irminger se densifient ce qui provoque une
augmentation du taux de formation d’eaux profondes. L’anomalie du champ de pression
atmosphérique responsable de cette anomalie de vent de nord présente une structure qui
s’apparente à une phase négative de la NAO.
La génération d’une anomalie de circulation thermohaline au niveau des sites de
convection induit une augmentation du transport de chaleur méridien par l’océan. Un
réchauffement des moyennes et hautes latitudes est constaté ainsi qu’une structure d’anomalies
du champ de pression associée à une anomalie de vent de sud. Cette série d’évènements
pourrait traduire une rétroaction de l’océan vers l’atmosphère qui se met en place en 4 ans
environ. Cette rapidité est liée au confinement du mécanisme aux moyennes et hautes latitudes.
L’interaction océan/glace/atmosphère présentée ici constituerait donc un mode couplé à une
période de 7-8ans.
5

Abstract :
North Atlantic thermohaline circulation is a global density driven oceanic circulation.
Its Atlantic branch accounts for a large heat transport toward western Europe, hence
influencing its climate. A better understanding of the mean state and variability of this
circulation could help to improve the quality of decadal forecasts. This topic is investigated
from the IPCC control run of the Meteo France global coupled model CNRM-CM3.
North Atlantic thermohaline circulation variability consists of anomalies generated at
high latitudes that seem to propagate towards the south. These anomalies appear during intense
deep ocean convection events in the Labrador, the Irminger and the GIN seas (Greenland,
Norvegian, Island). Surface salinity or temperature anomalies in these sites create a
densification of surface waters and enhance convection. Local atmospheric forcing plays a key
role in the variability of this convective activity, that in turn impacts the North Atlantic
thermohaline circulation.
A positive NAO phase intensifies the westerlies over Labrador sea. It causes a strong
cooling of sea surface waters in these convection sites, increasing the deep water formation
rate.
Moreover, dipolar atmospheric pressure anomalies between Greenland and Scandinavia
create simultaneous convective events in Irminger and GIN seas. During mean condition years,
the GIN seas convection site is located just near the ice edge, and at the ice edge, the melting of
the ice due to relatively warm SST yields large freshwater fluxes towards the ocean. The
intensification of northerly wind associated with this dipolar atmospheric pressure pattern
drives sea ice towards the eastern coast of Greenland and freshwater flux is reduced over the
GIN seas convection site. The surface salinity rises which implies an increase in deep waters
formation rate. At the same time, due to this northerly wind anomaly, ocean/atmosphere heat
and water fluxes anomalies over the Irminger sea lead to a cooling in its eastern part and an
increase in salinity in its western part. The corresponding increase in sea surface density create
an intensification of convection. The atmospheric pattern that forces these convective events
resembles a negative phase of the NAO.
The generation of a positive MOC anomaly induces an increase in meridional heat
transport. Then, a warming of the sea surface occurs in the northern part of the North Atlantic
along with a pressure pattern corresponding to a southerly wind anomaly. These events suggest
a retroaction from ocean towards the atmosphere about four years after the initial northerly
winds anomaly. This short time-period is due to the restriction of the mechanism to middle and
high latitudes. This interaction would imply a coupled atmosphere/ice/ocean mode with a
timescale of about 7-8 years.
7

Sommaire
I. Introduction
1. Etat moyen de la circulation thermohaline
2. Rôle climatique
3. Comprendre la variabilité naturelle de la circulation thermohaline
11
11
13
14
II.
Le modèle couplé global CNRM-CM3 : Description et
évaluation
1. Description
2. Etat moyen dans le modèle CNRM-CM3 : comparaison avec les
observations disponibles
3. Variabilité simulée : la North Atlantic Oscillation (NAO) et l’Artic
Oscillation (AO)
16
16
18
32
III.
Caractérisation de la variabilité de la circulation méridienne
moyenne en Atlantique Nord
1. Décomposition en modes de variabilité indépendants
2. Relation entre les modes de variabilité
3. Lien avec la convection profonde
35
35
38
40
IV.
Rôle de l’atmosphère
1. Impact de la NAO sur la variabilité de la MOC
2. Forçage atmosphérique d’anomalies simultanées de convection en mer
d’Irminger et en mer nordiques
3. Bilan de l’interaction variabilité atmosphérique/variabilité de la MOC :
Mode forcé ou mode couplé ?
45
45
55
67
Conclusion
Glossaire
Annexes
Liste des figures
Bibliographie
70
72
86
97
102
9

Pour faciliter la compréhension de ce document à des lecteurs non spécialistes, il a été
jugé utile de rappeler la définition de certains termes dans le glossaire, en page 72. Ces mots
sont signalés par une astérisque.
I. Introduction
La circulation thermohaline* est une circulation océanique d’échelle globale qui
participe au transport de chaleur de l’équateur vers les pôles et favorise ainsi un climat doux sur
l’Europe. L’étude de sa variabilité peut donc permettre de mieux appréhender la variabilité du
climat dans nos régions et contribuer à sa prévision décennale. Cette première partie propose
une description de la circulation thermohaline* et de son implication dans le climat, puis un
exposé des théories actuelles expliquant sa variabilité. Les données utilisées au cours de ce
travail sont tirées de simulations du modèle CNRM-CM3, présentées dans la partie II. Puis, la
partie III aborde les différents aspects de la variabilité de la circulation thermohaline* en
Atlantique et met en évidence ses liens avec la convection* profonde aux hautes latitudes.
Enfin, les principaux résultats quant au rôle de l’atmosphère dans la variabilité de l’océan
profond seront exposés en partie IV.
1. Etat moyen de la circulation thermohaline
Comme son nom l’indique, la circulation thermohaline* est la circulation océanique induite par
des gradients de température ou de salinité qui créent des gradients de densité. Les premières
théories sur la circulation abyssale ont été développées par Stommel (1958) et Stommel et
Aarons(1960a,b). Puis, Gordon (1986) et Broecker (1987) en ont proposé les premières
descriptions complètes. D’après Broecker (1987), cette circulation profonde est la conséquence
de la plongée d’eaux très denses aux hautes latitudes de l’Océan Atlantique. Ces eaux de
surface plongent du fait de leur température très basse et de leur salinité très élevée. En effet,
l’Océan Atlantique possède la salinité moyenne la plus élevée du globe. Cela est lié à un déficit
de précipitations par rapport à l’évaporation (Tomczak et Godfrey, 1994). Ainsi, des eaux
atlantiques particulièrement salées peuvent être transportées vers les hautes latitudes par le Gulf
Stream* prolongé par la dérive Nord-Atlantique*, en rose sur la figure I-1. Par ailleurs, le
faible flux solaire atteignant les pôles est responsable des températures très froides dans ces
régions. Les eaux de la dérive Nord-Atlantique* se refroidissent alors au cours de leur trajet
pour atteindre des densités très élevées, qui vont leur permettre de plonger. C’est la
combinaison d’une salinité très importante dans l’Océan Atlantique (Tomczak et Godfrey,
2003) et de la possibilité pour les courants de surface d’atteindre des latitudes élevées où la
température est très basse qui permet la convection* dans cet océan. Cette circulation de
surface constitue la branche supérieure atlantique de la circulation thermohaline*.
Puis, les eaux profondes formées par cette plongée, appelées Eaux Profondes Nord-
Atlantique (NADW), se déplacent en profondeur via un courant de bord ouest : le « Deep
Western Boundary Current » (DWBC), représenté en bleu sur la figure I-1. L’existence de ce
courant a été découverte par Wüst, en 1935, puis justifiée par la théorie de Stommel en 1958 et
enfin observée pour la première fois par Swallow and Worthington, en 1961. Le transport
associé a été plus récemment estimé à 20% du transport du Gulf Stream*, c’est-à-dire 13Sv
(1Sv=10 6 m 3 /s) en Atlantique subpolaire (McCartney and Talley, 1984; Schmitz and
McCartney, 1993).
11

Figure I - 1 : Schéma de la circulation thermohaline globale, tiré de Broecker (1987) et adapté par Maier-
Reimer. La branche de surface est représentée en rose, la branche profonde en bleu.
Ces eaux profondes rejoignent ensuite le Courant Antarctique Circumpolaire (CCA)
dans l’Océan Austral, qui fait le tour du continent Antarctique vers l’est. La découverte de ce
courant est due à Edmond Halley au cours de l’expédition Paramore de 1699-1700. Il s’étend
de la surface jusqu’à 2000 à 4000m de profondeur et peut être large de 2000km par endroits. Il
assure le transport d’eaux le plus important sur la planète (Klinck and Nowlin, 2001). Au sein
de cet océan aux températures très basses, se trouvent d’autres sites de formation d’eaux
profondes où le rejet de sel lors de la formation de glace favorise la densification des eaux de
surface. Ces sites se situent en mer de Weddell, en mer de Ross et le long de la Terre Adélie.
Les eaux les plus denses du monde y sont d’ailleurs formées. L’ensemble de ces eaux
profondes subit des recirculations autour de l’Antarctique jusqu’à se répandre en profondeur
dans l’Océan Pacifique, l’Océan Indien et l’Océan Atlantique sous le nom d’Eaux Antarctiques
de Fond (AABW). Les eaux AABW qui s’étalent en profondeur dans l’Océan Atlantique sont
en partie mélangée aux eaux NADW, décrites plus haut.
La branche de retour des eaux vers l’Atlantique Nord est encore actuellement très
controversée. La théorie la plus généralement admise suppose une remontée lente et homogène
des eaux sur tous les océans. Les eaux du Pacifique rejoignent ensuite l’Atlantique par
l’archipel indonésien et par le sud de l’Afrique. La durée moyenne que met une particule d’eau
à effectuer cette boucle est d’environ 1000ans. La partie atlantique de cette circulation est
également appelée circulation méridienne moyenne ou MOC* Atlantique (Meridional
Overturning Circulation).
La plongée des eaux de surface en Atlantique Nord, moteur de cette circulation
d’échelle globale, et le retour des eaux profondes vers le sud via le DWBC entraîne
nécessairement, par conservation de la masse, un transport d’eaux en surface vers les hautes
12

latitudes. Ce transport se fait principalement, via le Gulf Stream* et la dérive Nord-
Atlantique*, mentionnés plus haut, qui amènent des eaux salées mais aussi très chaudes depuis
l’équateur. Ce transport de chaleur méridien par la circulation thermohaline* favorise un climat
doux sur la façade ouest de l’Europe.
2. Rôle climatique
La répartition des différents
climats à la surface du globe résulte d’un
bilan complexe de divers facteurs parmi
lesquels l’acteur principal est le
rayonnement solaire qui induit un
gradient de température de l’équateur
jusqu’aux pôles. Sans aucun autre
facteur climatique, ce gradient de
température atteindrait une valeur
d’environ 85°C (James, 1994). L’apport
de chaleur différentiel selon la latitude
combiné à la rotation de la Terre est à
l’origine de la mise en place de la cellule
de Hadley, représentée sur la figure I-2,
et du développement des tempêtes aux
moyennes latitudes, qui assurent un
transport de chaleur vers les plus hautes
latitudes. Ces deux éléments permettent
une réduction du gradient méridien de
température d’environ 50°C (James,
Figure I – 2 : Schéma de la circulation générale
atmosphérique
(http://www.ux1.eiu.edu/~cfjps/1400/circulation.html)
1994). Le troisième acteur est la circulation thermohaline* globale qui permet un transport de
chaleur trans-équatorial avec des conséquences particulièrement importantes dans le bassin
atlantique. L’étude de Vellinga et Wood (2002) a mis en évidence qu’un d’arrêt de la
circulation thermohaline* induirait un refroidissement atteignant 8°C au-dessus de l’Océan
Atlantique Nord et environ 2°C sur le continent européen tandis qu’un réchauffement de
l’hémisphère sud se produirait. Une carte des modifications de températures de surface
moyennes en cas d’arrêt de cette circulation est montrée en figure I-3. En parallèle, des
modifications importantes du cycle
hydrologique et de la couverture de
végétation persisteraient pendant une
centaine d’années. Enfin, le
positionnement géographique et la
proximité d’un océan peuvent également
jouer un rôle sur l’apport d’humidité et
l’aridité du climat dans une région, de
même que l’altitude.
Bien que l’impact de la circulation
thermohaline* sur les températures
moyennes soit très faible par rapport à
celui de la circulation atmosphérique, un
Figure I - 3 : Modifications locales de la
température de surface moyenne 30 ans après un
arrêt de la circulation thermohaline globale (tiré
de Vellinga et Wood, 2002)
refroidissement de 2°C sur l’Europe n’est
pas négligeable comparé au
refroidissement de 8°C qui s’est produit au
13

cours du dernier maximum glaciaire, il y a 20 000 ans. La circulation thermohaline* semble
d’ailleurs y avoir joué un rôle (Clark et al., 2002). On perçoit ainsi le rôle potentiellement
important de la variabilité de cette circulation sur le climat. L’apport de chaleur conséquent
qu’elle induit semble être d’ailleurs en partie responsable du climat plus doux sur la façade
ouest de l’Europe que sur le bord ouest de l’Amérique du Nord.
Des programmes de recherche tels que PREDICATE ou COPES ont été mis en place
dans le but d’améliorer la prévision climatique en Europe à des courtes échéances de temps. La
circulation thermohaline* étant impliquée dans cette évolution, une meilleure compréhension
de son fonctionnement et de sa variabilité pourrait contribuer à l’amélioration de la qualité des
prévisions décennales.
3. Comprendre la variabilité naturelle de la circulation thermohaline
Le lien entre la variabilité de la circulation thermohaline* en Atlantique Nord et la
variabilité de la convection*, ou plongée des eaux, aux hautes latitudes a été démontré par
Mauritzen et Häkkinen (1999). Des anomalies de température ou de salinité au niveau des sites
de convection* peuvent donc provoquer une intensification de la MOC* (Meridional
Overturning Circulation). L’advection d’anomalies de salinité depuis les tropiques peut, par
exemple, être responsable d’une densification des eaux de surface aux hautes latitudes
(Vellinga et Wu, 2004). De façon similaire, certaines études ont suggéré l’influence
d’advection d’anomalies de salinité vers les sites de convection* depuis l’Océan Arctique
(Delworth, 1997 ; Goosse et al., 2002). La variabilité du flux de glace de l’Arctique vers
l’Atlantique pourrait également être impliquée dans la variabilité de la MOC* (Holland et al.,
2001 ; Mauritzen et Häkkinen, 1997). Une densification des eaux de surface au niveau des sites
de convection* peut donc être la conséquence d’une advection d’anomalie de salinité ou d’eau
douce provenant des tropiques ou de l’Arctique.
Ces anomalies de salinité ou de flux de glace peuvent d’ailleurs apparaître suite à un
forçage atmosphérique au niveau des tropiques (Vellinga et Wu, 2004) ou dans l’Océan
Arctique (Goosse et al., 2002 ; Holland et al., 2001). D’autre part, de nombreuses études
suggèrent une densification forcée localement par des flux océan/atmosphère de chaleur (Curry
et al., 1998 ; Delworth et Graetbach, 2000 ; Eden et Jung, 2001 ; Marshall et al., 2001) ou
d’eau douce (Timmermann et al., 1998). La variabilité atmosphérique joue donc un rôle
fondamental dans la variabilité de la convection* océanique et par suite, la variabilité de la
MOC*, via le forçage local ou par téléconnections d’anomalies de densité.
Cependant, la variabilité de la MOC* peut elle-même influencer la variabilité
atmosphérique du fait des anomalies de température de surface océanique qui l’accompagnent
(Bjerknes et al., 1964 ; Rodwell et al., 1999) ou bien par le biais de l’interaction avec la
couverture de glace (Holland et al. 2001 ; Mysak et Venegas, 1998). La présence de modes
couplés océan/atmosphère (Vellinga et Wu, 2004 ; Timmermann et al., 1998 ; Delworth et
Graetbach, 2000), océan/glace/atmosphère (Goosse et al., 2002) ou de modes forcés (Griffies et
Tziperman, 1995) est actuellement source de débat.
Il est donc proposé, au cours de ce travail, de vérifier dans un modèle s’il apparaît un
forçage atmosphérique local ou via des téléconnections de la variabilité de la MOC* et
d’étudier les mécanismes mis en jeu. Puis, la présence de mode couplés ou forcés sera testée.
Les zones d’études, que sont l’Océan Atlantique et l’Océan Arctique, sont décrites en figures
I-4 et I-5. Les données utilisées au cours de ce travail sont présentées dans la partie suivante.
14

Figure I - 2 : Carte de l’Arctique
Figure I - 5 : Carte de l’Atlantique
15

II.
Le modèle couplé global CNRM-CM3
Le travail présenté ici est basé sur des données issues de simulations climatiques
fournies par le modèle couplé global CNRM-CM3.
Dans cette partie, ce modèle et la simulation sur laquelle reposent les résultats obtenus
sont décrits. Le climat moyen simulé ainsi que sa variabilité sont ensuite comparés avec les
observations disponibles.
1. Description
Le modèle global CNRM-CM3 est le résultat du couplage du modèle de circulation
générale atmosphérique ARPEGE-Climat version 3 (Déqué et al., 1999 et Gibelin et Déqué,
2003), du modèle de circulation générale océanique OPA 8.1 (Madec et al., 1998), du modèle
d’évolution de banquise GELATO2 (Salas-Mélia, 2002) et du schéma d’écoulement des
rivières TRIP (Oki et Sud, 1998; Chapelon et al., 2002). Il comprend également le schéma de
Grille
horizontale
Nombre de
niveaux
vericaux
III. ARPEGE OPA-GELATO TRIP
Grille gaussienne T63
Représentation spectrale
128*64
2.8° * 2.8°
45
Grille irrégulière
182*152
Grille Arakawa-C
2° en longitude
0.5 à 2° en latitude
31 niveaux
océaniques (10 dans
les 100 premiers
mètres, # =K
fond)
4 niveaux dans la
glace et 1dans la
neige recouvrant la
glace
Grille régulière
1°*1°
Pas de temps ∆T = ½ h ∆T = 1h36 ∆T= 3h
OPA :
• Turbulence
ECT
ordre 1,5
• advection semi- • Diffusion
lagrangienne
horizontale
• intégration semi- isopycnale
Caractéristiques
implicite
GELATO :
principales
• paramétrisation de • Dynamique et
l’ozone et des processus de
surface
thermodynamique :
rhéologie EVP
( Hunke et
Dukowicz, 1997)
• 4 catégories
d’épaisseur de glace
• Calcul du
routage des fleuves
• Vitesses
constante
d’écoulement :
0.5m/s
Tableau II - 1 : Données principales concernant les composantes du modèle CNRM-CM3 (Salas-Mélia et al.,
2005)
16

paramétrisation des processus de surface ISBA (Noilhan et Planton, 1989), un modèle de
chimie homogène et hétérogène (MOBIDIC), et enfin une paramétrisation de l’ozone (Cariolle
et Déqué, 1986). La résolution spatiale et temporelle ainsi que les caractéristiques principales
de ces composantes sont fournis en tableau II-1. Salas-Mélia et al. (2005) donne une
description plus détaillée de ces composantes. Trois grilles différentes interviennent dans ce
couplage : la grille ARPEGE-climat, la grille OPA8.1-GELATO2, et la grille TRIP, ce qui
justifie l’utilisation du logiciel OASIS version 2.2 (Terray et al., 1998) pour permettre le
transfert de données entre les différentes composantes. Ce logiciel permet l’interpolation des
champs aux interfaces entre les différentes grilles ainsi que leur synchronisation temporelle. Le
transfert de données entre les composantes a lieu avec un pas de temps de 24h. Aucune
correction de flux n’est appliquée. La figure II-1 montre un schéma du couplage permettant le
fonctionnement du modèle CNRM-CM3.
Figure II - 1 : Schéma du couplage entre les différentes
composantes du modèle CNRM-CM3
Ce modèle a fourni les
différentes simulations requises
pour le quatrième rapport de
l’IPCC* (Intergovernmental
Panel on Climate Change),
prévu pour 2007, sur les
changements climatiques, ses
risques et ses enjeux. Ces
expériences comprennent
notamment une simulation de
contrôle du climat non perturbé
par les facteurs anthropiques,
une simulation historique de la
période 1860-2000 ainsi que
des simulations suivant divers
scénarios de l’IPCC à partir de
2000. Dans le travail qui suit, la
variabilité de la circulation
méridienne océanique moyenne en Atlantique Nord, représentative de la circulation
thermohaline*, sera étudiée à partir des données de l’expérience de contrôle d’une durée de
500ans. Son état initial est l’année 70 d’une simulation de mise à l’équilibre du modèle. Cette
expérience de mise à l’équilibre est décrite dans Salas-Mélia (2005). Elle permet de limiter la
dérive du modèle au cours de la simulation de contrôle et d’obtenir un climat moyen et une
variabilité proches des observations disponibles comme nous le montrerons dans les
paragraphes suivants.
17

2. Etat moyen dans le modèle CNRM-CM3 : comparaison avec les
observations disponibles
a) Circulation atmosphérique et pression de surface
a) b)
Figure II - 2 : Champ de pression atmosphérique de surface en moyenne annuelle, en hPa. a) au cours de
la simulation de contrôle du modèle CNRM-CM3. b) dans les réanalyses du CEPMMT couvrant la période
1958-2001 (http://www.ecmwf.int/products/data/technical/ index.html). Contours espacés de 2hPa.
a) b)
La figure II-2 représente les champs de pression de surface en moyenne annuelle au
cours de la simulation de contrôle du modèle CNRM-CM3 ainsi que dans les données de
réanalyses du Centre Européen pour les Prévisions Météorologiques à Moyen Terme ou
CEPMMT (http://www.ecmwf.int/products/data/technical/index.html), couvrant la période
1958-2001. Deux structures anticycloniques* sont visibles l’une centrée sur 30°N en Atlantique
et l’autre sur l’Océan Arctique, ainsi qu’une structure cyclonique centrée sur 60°N en
Atlantique. Ce champ de pression de surface moyen est cohérent avec la présence des alizés*
d’est à l’équateur, des vents d’ouest aux moyennes latitudes et enfin des vents polaires aux
hautes latitudes. Le champ moyen modélisé présente une structure générale proche de celui des
réanalyses. Les alizés* et les vents d’ouest sont correctement positionnés, la circulation étant
cependant trop zonale. Les vents polaires sont en revanche moins bien modélisés. Aux hautes
latitudes, l’intensité de l’anticyclone est fortement surestimée et son extension vers le
Groenland est exagérée. De plus, l’intensité de la structure cyclonique* centrée sur 60°N ainsi
que son extension vers le nord-est sont trop faibles. Enfin, le gradient de pression au-dessus des
mers de Norvège et du Groenland est trop marqué. Il en résulte des vents de nord-est trop forts
dans cette région. Nous verrons les conséquences de ce biais par la suite.
18

) Flux d’évaporation
Figure II - 3 : Flux d’évaporation en moyenne annuelle, en mm/mois a) dans la simulation de contrôle
du modèle CNRM-CM3 b) dans les analyses de champs météorologiques du SOC (Southampton
Oceanography Centre) couvrant la période 1980-1993 (http://www.noc.soton.ac.uk/JRD/MET/
jyg_netcdf.php). Intervalle entre les contours : 20mm/mois.
La figure II-3 montre les flux d’évaporation sur l’océan en moyenne annuelle dans la
simulation de contrôle du modèle CNRM-CM3 et dans les résultats d’analyse de champs
météorologiques in-situ du SOC (Southampton Oceanography Centre)
(http://www.noc.soton.ac.uk/JRD/MET/jyg_netcdf.php) couvrant la période 1980-1993. Ces
flux ont été déduits des flux de chaleur latente par division par la chaleur latente de
vaporisation à 273.15K et 1.013bar, avec une erreur maximale de 5%. La structure générale du
champ d’évaporation dans le modèle est proche de celle des données du SOC, malgré une
surestimation générale. On constate une évaporation particulièrement intense au-dessus du Gulf
Stream* du fait du passage des vents d’ouest sur une surface océanique très chaude. De même,
il apparaît une évaporation forte aux latitudes subtropicales liée au passage des alizés*.
c) Précipitations
La figure II-4 représente les précipitations en moyennes annuelle dans le modèle
CNRM-CM3 et dans les données combinées d’observations satellites, de données
pluviométriques et de modèles fournies par CMAP (Climate diagnostics Center Merged
Analysis of Precipitation) couvrant la période 1979-2001
(http://www.cdc.noaa.gov/cdc/data.cmap.html). Le champ de précipitations modélisé est
réaliste. Dans la zone équatoriale, l’apport d’humidité par les alizés* et la convection profonde
atmosphérique sont à l’origine des fortes précipitations. Aux moyennes latitudes, les
précipitations importantes sont situées sur la trajectoire des perturbations. Le modèle a
tendance à produire des précipitations trop intenses sur le passage des perturbations des
moyennes latitudes ainsi qu’aux latitudes subtropicales et des précipitations trop faibles dans la
bande équatoriale. La comparaison avec les champs d’évaporation montrés au paragraphe
précédent (figure II-3) met en évidence un excès d’évaporation par rapport aux précipitations
aux latitudes subtropicales ainsi qu’un excès de précipitations dans la bande équatoriale. Le
transport d’humidité par les alizés* est responsable de ce bilan d’eau positif pour l’océan à
l’équateur et négatif à l’ouest de l’Afrique. De même, un excès d’évaporation a lieu au niveau
du Gulf Stream* et un excès de précipitations apparaît plus à l’est le long de la trajectoire des
19

perturbations des moyennes latitudes. Le transport d’humidité par les perturbations explique ce
bilan d’eau positif vers 60°N, au centre du bassin et négatif le long de la côte américaine.
Figure II - 4 : Précipitations en moyenne annuelle, en mm/mois. a) dans la simulation de contrôle du
modèle CNRM-CM3. b) dans les données combinées d’observations satellites, de données
pluviométriques et de modèles tirées de la base de données CMAP (Climate diagnostics Center Merged
Analysis of Precipitation) couvrant la période 1979-2001
(http://www.cdc.noaa.gov/cdc/data.cmap.html). Intervalle entre les contours : 20mm/mois.
d) Circulation océanique de surface
Figure II - 5 : Fonction de courant
barotrope* en moyenne annuelle au cours
de la simulation de contrôle du modèle
CNRM-CM3, exprimée en Sv
(1Sv=10 6 m 3 .s -1 ) Contours espacés de
10Sv.
La figure II-5 représente la fonction de
courant barotrope* en moyenne annuelle au cours
de la simulation de contrôle du modèle CNRM-
CM3. Le modèle reproduit de façon satisfaisante
la gyre* subtropicale de circulation
anticyclonique* dont le transport atteint environ
60Sv, la gyre* subpolaire de circulation
cyclonique* dont le transport maximal est
d’environ 30Sv ainsi que la circulation
anticyclonique* arctique de transport faible :
environ 5Sv. Le transport du Gulf Stream*, donné
par le modèle, est plus faible que l’estimation de
70Sv fournie par Schmitz et McCartney (1993).
De plus, sa trajectoire ne s’éloigne de la côte
américaine qu’à partir de 40°N, latitude trop
élevée par rapport à la réalité. Ces deux défauts,
partagés par de nombreux modèles couplés
globaux sont liés à la basse résolution du modèle
dans cette région (Salas-Mélia et al., 2005). Ce
courant, prolongé par la dérive Nord-Atlantique*, assure un transport conséquent de chaleur et
de sel vers le Nord-Est du bassin.
e) Concentration de glace
20

)
Figure II - 6 : Concentration moyenne de glace. En haut : dans la simulation de contrôle du modèle
CNRM-CM3. En bas : dans les données du Hadley Center (http://badc.nerc.ac.uk/data/hadisst/)
couvrant la période 1870-2002. A gauche, au mois de septembre. A droite, au mois de février.
La figure II-6 représente les concentrations de glace moyennes simulées par le modèle
CNRM-CM3 en a) en septembre et en b) en février. Pour comparaison, le bord de glace moyen
tiré des réanalyses du Hadley Center, basées sur des données satellites et in-situ
(http://badc.nerc.ac.uk/data/hadisst/) et couvrant la période 1870-2002 est représenté en c) au
mois de février et en d) au mois de septembre. Le champ simulé est réaliste. La couverture de
glace présente une structure très dissymétrique autour du pôle : sur les bords ouest des océans,
la banquise s’étend jusqu’à des latitudes très basses, comme en mer du Labrador où elle atteint
50°N en hiver, tandis que sur les bords est, la surface peut rester libre jusqu’à des latitudes
élevées même en hiver, comme en mer de Norvège où la limite de la banquise est située à
75°N. Cette dissymétrie est la conséquence du transport de chaleur à l’est des océans par les
circulations atmosphérique et océanique des latitudes moyennes vers les latitudes polaires. Ce
transport est assuré, d’une part, par les perturbations des moyennes latitudes, d’autre part, par la
21

dérive Nord-Atlantique* et le courant d’Alaska constituant le prolongement vers le nord-est des
gyres* subpolaires. Inversement, la descente d’air polaire induit une tension de vent vers le sud
et un refroidissement des eaux de surface à l’ouest des océans favorisant la formation de glace
et sa dérive vers le sud. De plus, l’Oyashio dans le Pacifique, ainsi que la courant du Labrador
et le courant du Groenland en Atlantique, amènent des eaux d’origine arctique sur les bords
ouest des océans et favorisent la dérive de la banquise. Ainsi des conditions plus rudes règnent
à l’ouest des océans et la couverture de glace y est plus importante.
L’extension de la banquise à la fin de l’été simulée par le modèle CNRM-CM3 présente
les mêmes caractéristiques générales que celle des réanalyses. Cependant les mers de Chukchi,
Laptev et Kara, au nord de la Sibérie sont encore recouvertes alors que la surface est libre dans
les réanalyses. De plus, l’avancée de la banquise vers la mer de Barents au nord de la
Scandinavie et vers le détroit de Béring est trop importante tandis qu’elle est trop faible en mer
de Beaufort au nord du Canada. La position du bord de glace est en revanche réaliste en mer du
Groenland. De même, à la fin de l’hiver, l’étendue de la banquise simulée par le modèle
CNRM-CM3 présente une structure générale proche de celle des réanalyses. Cependant, la
couverture de glace est surestimée dans certaines régions, telles que la mer de Béring à l’ouest
de l’Alaska, la mer de Barents au nord de la Scandinavie et la mer de Norvège. Ce biais est
particulièrement important dans la mer d’Okhotsk et la mer du Japon et peut être expliqué par
le décalage du centre de basse pression des îles Aléoutiennes qui induit une dérive zonale trop
marquée de la glace (Salas-Mélia et al., 2005). En revanche, dans la mer du Labrador, on
remarque un retrait de la banquise par rapport aux données du Hadley Center. Le déficit de
glace en mer du Labrador et l’excédent en mer de Norvège ont des conséquences climatiques
qui seront précisées par la suite.
Figure II - 7 : Evolution de la concentration de glace annuelle dans les mers de Groenland, de
Norvège et d’Islande au cours de la simulation de contrôle du modèle CNRM-CM3
Les remarques présentées ci-dessus sont cohérentes avec les conclusions de Salas-Mélia
et al. (2005) : la surface moyenne totale de glace en Arctique est surestimée par le modèle
CNRM-CM3 par rapport aux données satellites couvrant la période 1979-1987 de Gloersen et
al. (1987), avec une surestimation plus marquée en fin d’hiver. D’autre part, la figure II-7
représente l’évolution au cours du temps de la concentration de glace annuelle dans les mers de
Norvège, de Groenland et d’Islande. On constate au cours des 400 dernières années une forte
dérive de la limite de la banquise qui recouvre progressivement une partie des mers nordiques.
22

Cette progression de la glace de mer est à l’origine d’un arrêt progressif de la convection* dans
cette zone, comme nous le verrons par la suite.
Enfin, d’après Salas-Mélia et al. (2005), l’épaisseur de glace modélisée est plus faible
d’environ 1,5m que l’épaisseur fournie par les expéditions sous-marines de Rothrock et al.
(1999), cette différence étant particulièrement marquée en Arctique central. Cependant, les
données de Rothrock et al. (1999) ne concernent qu’une vingtaine d’années et peuvent donc
être fortement biaisées par la variabilité interdécennale. Combinée à la sous-estimation du
courant océanique vers le sud, cette épaisseur de glace probablement trop faible conduit à une
dérive de la glace à travers le détroit de Fram sous-estimée par rapport aux observations de
Vinje (2000).
f) Salinité de surface
La figure II-8 représente les champs de salinité de surface en moyenne annuelle dans le
modèle CNRM-CM3 et dans les observations du Polar Science Center Hydrographic
Climatology (Steele et al., 2001). Cette base de données est une combinaison de la climatologie
World Ocean Atlas 98 (WOA) de la période 1900-1994 construite grâce à des instruments de
mesure variés (bouteilles, sondes…) et des données issues de prélèvements in-situ, de capteurs
et de bouées dérivantes de l’Arctique Ocean Atlas couvrant la période 1950-1989. La structure
générale du champ simulé est similaire à celle du champ observé. On constate la présence d’un
Figure II - 8 : Salinité de surface en moyenne annuelle (SSS=Sea Surface Salinity), en psu (g sel/kg
eau) : A gauche : dans la simulation de contrôle du modèle CNRM-CM3. A droite : dans les données
du Polar Science Center Hydrographic Climatology (Steele et al., 2001). Contours espacés de 1psu.
23

maximum subtropical de SSS (Sea Surface Salinity) à 20°N, tandis que la salinité est plus
faible au niveau de l’équateur et aux moyennes latitudes. Les valeurs de salinité dans les
subtropiques sont légèrement sous-estimées par le modèle CNRM-CM3. A l’équateur et aux
moyennes latitudes, le champ modélisé est en revanche réaliste. Les valeurs les plus basses
sont présentes en Arctique surtout à l’embouchure des fleuves et sont globalement trop
importantes dans le modèle. Le fort gradient de salinité visible dans les observations au niveau
du Gulf Stream* est mal représenté du fait de la faible résolution dans cette zone, déjà
mentionnée plus haut.
Le maximum subtropical de salinité est lié au bilan d’eau négatif pour l’océan dans
cette région, fait mentionné précédemment. Sa sous-estimation par le modèle provient des
précipitations trop importantes. L’apport d’eau respectivement par les alizés* et par les
perturbations des moyennes latitudes sont principalement responsables des faibles salinités
dans la bande équatoriale et sur la trajectoire des perturbations. La fonte des glaces issues de
l’Arctique est également impliquée dans la faible salinité à l’est du bassin aux moyennes
latitudes tandis que le transport d’eau douce de l’embouchure du fleuve Amazone par le contrecourant
équatorial contribue à la faible salinité équatoriale (Mignot, 2003). Le modèle simule
des précipitations trop faibles dans la bande équatoriale ainsi qu’un flux d’évaporation
surestimé, comme souligné précédemment. La salinité équatoriale moyenne dans le modèle
n’est pourtant pas influencée par ce biais du flux d’eau vers l’atmosphère.
La très faible salinité dans l’Océan Arctique est liée au déversement de nombreux
fleuves. Les concentrations hivernales de glace trop importantes près du détroit de Béring et en
mers de Chukchi, Laptev, Kara, et Barents remarquées précédemment sont probablement à
l’origine de la forte surestimation de la salinité dans ces zones. En revanche, la salinité au
niveau de la mer du Labrador est surestimée par le modèle, du fait d’un transport d’eau douce
et de glace arctique trop faible vers cette région tandis que celle des mers de Norvège et du
Groenland est sous-estimée. Nous verrons l’importance de ces deux zones par la suite.
Figure II - 9 : Terme d’advection de salinité par les courants d’Ekman*, en moyenne annuelle,
converti en mm/mois. Un flux d’eau positif correspond à un apport d’eau salées. Contours espacés de
50mm/mois. a) dans la simulation de contrôle du modèle CNRM-CM3 b) obtenu à partir de la tension
de vent des réanalyses du CEPMMT (http://www.ecmwf.int/ products/data/technical/index.html) et des
données de salinité du Polar Science Center Hydrographic Climatology (Steele et al., 2001).
24

La figure II-9 représente le terme d’advection par les courants d’Ekman* dans la couche
de mélange* en moyenne annuelle au cours la simulation de contrôle du modèle CNRM-CM3.
Ce terme a également été calculé à partir des données de SSS du Polar Science Center
Hydrographic Climatology (Steele et al., 2001) et des données de tension de vent des
réanalyses du CEPMMT couvrant la période 1957-2001
(http://www.ecmwf.int/products/data/technical/index.html) pour comparaison. Les valeurs
atteintes sont du même ordre de grandeur que celles associées aux termes de précipitation et
d’évaporation, voire supérieures dans les zones de forts gradients de salinité telles que près de
l’embouchure de l’Amazone, au niveau du Gulf Stream* ou encore en mer du Labrador. Dans
la zone tropicale où les alizés* constituent les vents dominants, on constate d’une part un terme
d’advection de salinité négatif au sud du maximum de salinité subtropical, où les eaux
équatoriales peu salées sont advectées vers les subtropiques, d’autre part une advection positive
au nord de 20°N, où les eaux subtropicales très salées sont advectées vers les moyennes
latitudes où règne une faible salinité. Dans les moyennes latitudes, où les vents d’ouest
dominent, les eaux peu salées d’origine arctique sont advectées vers le sud, avec pour
conséquence un terme d’advection d’Ekman* négatif. La mer du Labrador constitue une
exception car le nord du bassin présente une salinité plus importante que le sud, du fait du
transport de glace et de sa fonte au sud du bassin. Enfin, aux très hautes latitudes, les vents
d’est sont responsables de l’advection vers le nord d’eaux plus salées provenant des moyennes
latitudes. Le terme d’advection par les courants d’Ekman* au niveau du Gulf Stream* est
fortement amoindri dans le modèle car le gradient de salinité est trop faible dans cette région,
cela étant lié à la faible résolution du modèle. De même, le faible gradient de salinité entre le
nord et le sud de la mer du Labrador réduit l’influence du terme d’advection d’Ekman* dans
cette zone. Cette mauvaise représentation du gradient est liée au transport trop faible qui
apparaît surtout dans le sud de la mer du Labrador ; ainsi le biais positif de salinité en mer du
Labrador concerne surtout le sud de la zone, réduisant le gradient nord-sud. Au contraire, dans
la mer d’Irminger et la mer du Groenland, le modèle surestime le terme d’advection d’Ekman*
du fait du gradient nord-sud exagéré. En effet, la salinité est plus faible dans le modèle que
dans les observations au niveau de la mer du Groenland. Les biais mentionné dans les mers du
Groenland, d’Irminger et du Labrador sont importants à noter pour la suite de cette étude.
Enfin, le terme d’advection positif au nord du maximum subtropical est fortement surestimé,
atteignant des valeurs jusqu’à deux fois plus importantes que les estimations à partir
d’observations. En effet, le maximum subtropical étant moins étendu vers le nord dans le
modèle que dans les observations, le gradient de salinité est surestimé au nord de ce maximum
dans la zone d’influence des alizés*.
g) Température de surface océanique
La figure II-10 représente la température de surface océanique en moyenne annuelle
dans le modèle CNRM-CM3 et dans les observations du Polar Science Center Hydrographic
Climatology (Steele et al., 2001). Le modèle simule un champ de SST (Sea Surface
Temperature) présentant la même structure générale que le champ observé, avec une
décroissance quasi-zonale de la température avec la latitude conditionnée au premier ordre par
le flux de chaleur solaire qui diminue de l’équateur vers les pôles. Aux latitudes élevées,
l’inclinaison des isothermes par rapport aux cercles de latitudes est la conséquence d’une part
du fort albédo en cas de présence de la banquise et d’autre part du transport de chaleur par les
circulations océanique et atmosphérique. Malgré la cohérence globale du champ modélisé avec
les observations, il apparaît un biais négatif sur l’ensemble du bassin, variant d’environ 1°C
dans l’Océan Arctique jusqu’à 3°C environ dans la zone tropicale. Par ailleurs, le gradient de
température au niveau du Gulf Stream* est trop faible, du fait de la trop faible résolution du
25

modèle dans cette zone, comme déjà expliqué précédemment. Enfin, il est important de noter
que la température moyenne dans les mers de Norvège, du Groenland et d’Islande et
d’Irminger est sous-estimée par le modèle, tandis que la température moyenne en mer du
Labrador est surestimée par le modèle, du fait du transport d’origine arctique trop faible, déjà
mentionné plus haut. Ces biais auront d’importantes conséquences pour la suite de cette étude.
a) Mean SST in the model b) Mean SST from observations
Figure II - 10 : Température de surface en moyenne annuelle (SST = Sea Surface Temperature), en
degrés celsius. A gauche : dans la simulation de contrôle du modèle CNRM-CM3. A droite : dans les
données du Polar Science Center Hydrographic Climatology (Steele et al., 2001). Contours espacés de
1°C.
La figure II-11 représente le flux de chaleur* non solaire total en moyenne annuelle,
d’une part dans la simulation de contrôle du modèle CNRM-CM3, d’autre part tiré des données
de flux de chaleur latente et sensible fournies par les réanalyses du CEPMMT
(http://www.ecmwf.int/products/data/technical/index.html) et de flux infrarouge fourni par
l’ISCCP (International Satellite Cloud Climatology Project) (http://isccp.giss.nasa.gov/). Les
valeurs simulées dans les tropiques et au-dessus de la gyre* subtropicale sont réalistes. En
revanche, la valeur du flux de chaleur* non solaire atteint –450 W/m 2 au-dessus du Gulf
Stream* dans le modèle le long de la côte américaine alors qu’elle n’est que de –350W/m 2 dans
les estimations à partir d’observations. Cette différence est liée à la température trop élevée le
long de la côte américaine et cette remarque est cohérente avec l’évaporation trop importante
notée au paragraphe précédent. Ce biais négatif du flux de chaleur* est également présent audessus
de la dérive Nord-Atlantique* et peut expliquer en partie un transport de chaleur trop
faible vers la mer de Norvège. Enfin, ce terme de flux de chaleur* vers l’atmosphère est
également trop fort au-dessus de la mer du Labrador, du fait de la température trop élevée dans
cette zone.
26

Figure II - 11 : Flux de chaleur* non solaire total en moyenne annuelle en W/m 2 . Les valeurs
négatives correspondent à une perte de chaleur pour l’océan. Contours espacés de 50W/m 2 .
a) dans la simulation de contrôle du modèle CNRM-CM3. b) calculé à partir des flux de chaleur
latente et sensible fournis par les réanalyses du centre européen
(http://www.ecmwf.int/products/data/technical/index.html) et du flux infrarouge net fourni par
l’ISCCP (International Satellite Cloud Climatology Project) (http://isccp.giss.nasa.gov/)
Le transport de chaleur par les courants géostrophiques au sein des gyres* subpolaire et
subtropicale (non montré) atteint des valeurs de l’ordre de 100W/m 2 dans les zones de forts
courants, le long du Gulf Stream* et de la dérive Nord-Atlantique*. Ce terme est faiblement
négatif, le long du courant du Groenland, le long du courant de bord ouest dans la mer du
Labrador et le long du courant de bord est dans la gyre* subtropicale. Il est faiblement positif
dans la partie est de la mer du Labrador et sous l’Islande car la gyre* subpolaire transporte des
eaux chaudes vers ces régions. Excepté dans la zone du Gulf Stream*, ce terme d’advection de
chaleur joue un faible rôle dans le bilan de chaleur océanique. La figure II-12 représente le
terme d’advection de chaleur par les courants d’Ekman* dans la couche de mélange*, en
moyenne annuelle, d’une part dans la simulation de contrôle du modèle CNRM-CM3, d’autre
part déduit des données de SST du Polar Science Center Hydrographic Climatology (Steele et
al., 2001) et des données de tension de vent des réanalyses du CEPMMT couvrant la période
1957-2001 (http://www.ecmwf.int/products/data/technical/index.html). Le champ de SST,
contrairement au champ de SSS présente un gradient monotone des tropiques jusqu’aux pôles.
Ainsi, le terme d’advection d’Ekman* est positif dans la zone où règnent les alizés*, du fait de
l’advection des eaux équatoriales chaudes vers le Nord. Il est ensuite négatif dans la zone des
vents d’ouest où les eaux froides des hautes latitudes sont advectées vers le sud. Enfin, il est à
nouveau positif dans la zone des vents polaires. La structure spatiale de ce terme est
correctement représentée par le modèle. Cependant, le protocole de couplage entre OPA et
ARPEGE est à l’origine d’oscillations numériques du champ de SST (Salas-Mélia et al., 2005),
ce qui entraîne des variations spatiales très discontinues du gradient de température de surface
océanique et du terme d’advection de chaleur par les courants d’Ekman*. Le terme d’advection
d’Ekman* est fortement sous-estimé dans la zone du Gulf Stream*, du fait de la faible
résolution. De plus le gradient nord-sud de température trop faible en mer du Labrador, pour
les mêmes raisons que le gradient trop faible de salinité, entraîne une sous-estimation du terme
d’advection d’Ekman* dans cette zone.
27

Figure II - 12 : Idem figure II-8 mais pour l’advection de chaleur, exprimée en W/m 2 . Contours
espacés de 20W/m 2 . Un flux de chaleur positif correspond à un apport local de chaleur.
h) Profondeur de couche de mélange
Figure II - 13 : Profondeur de couche de mélange* moyenne hivernale (décembre à avril) en mètres.
a) dans la simulation de contrôle du modèle CNRM-CM3. Contours espacés de 250m b) dans la
climatologie de De Boyer Montegut et al. (2004). Contours espacés de 100m.
La figure II-13 représente la profondeur de couche de mélange* moyenne au cours de la
période décembre-avril simulée par le modèle CNRM-CM3 et tirée de la climatologie de de
Boyer Montégut et al. (2004) sur la période 1941-2002. Le critère utilisé pour déterminer la
profondeur de couche de mélange* dans les données du CNRM-CM3 est une différence de
densité de 0.01kg/m 3 avec la surface. De Boyer Montégut et al. (2004) ont sélectionné un
critère de 0.03kg/m 3 de différence de densité ou 0.02°C de différence de température avec le
niveau de référence situé à 10m. Le mélange convectif dans OPA8 est géré par le processus
d’ajustement convectif non-pénétrant de Madec et al. (1991). Le modèle reproduit bien la
présence de trois zones de convection* situées dans la mer du Labrador conformément aux
observations de Clarke et Gascard (1983), dans la mer d’Irminger, zone répertoriée par les
travaux de Pickart et al. (2003) et Bacon et al. (2003) et enfin dans les mers nordiques, zone de
convection* observée par Schott et al. (1993) et Marshall et Schott (1999). La résolution fine
28

du modèle comparée à celle des observations induit une profondeur de couche de mélange*
beaucoup plus importante au niveau des sites de convection*. Cependant, les profondeurs
estimées par de Boyer Montégut et al. (2004) sont plus faibles que les estimations fournies par
d’autres travaux pour deux raisons. D’une part, le choix de leur critère est plus restrictif car
selon leurs arguments, les autres critères couramment utilisés repèrent les mouvements de la
thermocline profonde plutôt que ceux de la couche de mélange*. D’autre part, les outils utilisés
au cours de leur travaux ont une profondeur de mesure limitée.
Malgré la bonne représentation de l’allure générale du champ, la zone de convection*
de la mer du Labrador est légèrement déplacée vers la côte groenlandaise et plus étendue vers
le détroit de Davis. La mer d’Irminger contient deux zones de convection* distinctes au sud de
l’Islande. Le modèle place la zone de convection* ouest plus au large de la côte groenlandaise
que les observations et la zone de convection* est moins étendue vers la trajectoire des
perturbations des moyennes latitudes. Enfin, la zone de convection* des mers nordiques est
déplacée vers le sud-est par rapport à la zone indiquée par de Boyer Montégut et al. (2004). Ce
déplacement est certainement lié à la trop forte extension hivernale de la banquise qui stoppe la
convection* dans le nord de la zone.
Par ailleurs, la figure II-14 représente l’évolution de la profondeur de couche de
mélange* hivernale (décembre à avril) moyenne dans les mers de Norvège, du Groenland et
d’Islande au cours la simulation. On constate une diminution progressive de la profondeur de
convection* au cours des 400 dernières années du fait de l’extension de la banquise qui
recouvre peu à peu la zone, fait déjà mentionné plus haut. La profondeur moyenne est divisée
par trois à la fin de la simulation. En réalité, la convection* s’arrête au cours de la simulation,
d’abord dans le nord des mers du Groenland et de Norvège puis de plus en plus au sud. Cela
permet également d’expliquer la profondeur de couche de mélange plus faible dans cette zone
que dans les zones de convection* de la mer du Labrador ou de la mer d’Irminger dans la
climatologie présentée précédemment. Pour s’affranchir au mieux de cette dérive, nous ne
considèrerons pas les 200 dernières années de simulations lorsque nous étudierons cette zone
dans la suite de cette étude.
Figure II - 14 : Evolution de la profondeur de couche de mélange* hivernale (décembre à avril)
moyenne dans les mers du Groenland, d’Islande et de Norvège au cours de la simulation de
contrôle du modèle CNRM-CM3. La profondeur est exprimée en mètres.
29

i) Circulation méridienne moyenne en Atlantique Nord
Figure II - 15 : Fonction de courant méridienne annuelle en moyenne zonale dans le
bassin Atlantique au cours de la simulation de contrôle du modèle CNRM-CM3, en
Sverdrups, (1Sv=10 6 m 3 .s -1 ) Contours espacés de 1Sv.
La circulation océanique méridienne moyenne (MOC) en Atlantique Nord au cours de
la simulation de contrôle du modèle CNRM-CM3 est représentée sur la figure II-15 par la
fonction de courant méridienne en moyenne zonale et annuelle. La cellule de formation d’eaux
profondes décrite par Broecker (1987) et Gordon (1986) est bien représentée par le modèle.
Dans les 1500 premiers mètres sous la surface, le transport est globalement orienté vers le
Nord, ce transport étant assuré principalement par le Gulf Stream* et la dérive Nord-
Atlantique*. Une plongée des eaux de surface se produit entre 50°N et 70° N, conformément à
la localisation des zones de convection* profonde mentionnées au paragraphe précédent. Le
Deep Western Boundary Current assure le transport vers le sud en profondeur des eaux formées
aux plus hautes latitudes. La fonction de courant méridienne moyenne présente une valeur
maximale de 26Sv localisée à 45°N et 1400m de profondeur. Cette valeur est élevée comparé à
l’estimation de 18Sv fournie par Talley et al. (2003) à partir de données hydrographiques. De
plus, les observations de Limpkin et Speer (2003) donnent une estimation de 15.6±1.3Sv du
maximum de la fonction de courant à 24°N alors qu’elle atteint 23Sv dans le modèle. Cette
dernière valeur se situe à la limite supérieure de l’intervalle de 8Sv à 23SV des variations au
cours du 20 ème siècle du maximum de fonction de courant à 24°N obtenues par Schmitter et al.
(2005) lors d’une étude comparative de 9 modèles couplés globaux. Le modèle CNRM-CM3
surestime donc l’intensité de la MOC*. Par ailleurs, la cellule profonde associée au
déplacement des Eaux Antarctique de Fond (AABW) vers le Nord est absente. Enfin, le zoom
sur les 1000 premiers mètres de profondeur de la figure II-14 permet de mettre en évidence la
bonne représentation de la circulation de grande échelle prévue par la théorie de Sverdrup
(1947). En effet, le transport de surface, forcé par la tension de vent, est orienté vers les pôles
aux latitudes inférieures à 30°, vers le sud entre 30°N et 50°N et enfin vers le Nord aux
latitudes comprises entre 50°N et 65° N, ceci étant associé à la présence d’un upwelling* de
grande échelle au niveau de l’équateur, un downwelling* à 30°N et un upwelling à 50°N.
30

Figure II - 16 : En bleu, évolution au cours de la simulation de contrôle de
la fonction de courant méridienne annuelle moyennée entre 1000m et 3000m
de profondeur et entre 40°N et 55°N, et exprimée en Sv. En rouge, tendances
associées respectivement aux 100 premières années et aux 400 dernières
années de la série temporelle.
Par ailleurs, la figure II-16 représente l’évolution au cours du temps de la fonction de
courant méridienne annuelle moyennée entre 40°N et 55°N et entre 1000m et 3000m de
profondeur. Cette zone a été sélectionnée car elle correspond aux valeurs les plus élevées de la
fonction de courant méridienne moyenne au cours de la simulation (voir figure II-15). Ont été
également représentées les tendances associées d’une part aux 100 premières années de
simulation, d’autre part aux 400 dernières. La tendance marquée présente au cours des 100
premières années de simulation est associée à une dérive initiale de la MOC*. Dans toute la
suite de cette étude, nous ne considèrerons donc que les 400 dernières années de simulation,
pour lesquelles la dérive du modèle est limitée. Notons que toutes les climatologies présentées
dans cette partie ont la même structure générale si l’on considère seulement ces 400 années. La
durée de la simulation n’étant pas suffisante pour étudier des phénomènes dont l’échelle de
temps est supérieure à 100ans, tous les champs subiront un filtrage point par point des échelles
de temps très longues en soustrayant en chaque point de grille un polynôme d’ordre 3 ajusté par
moindres carrés à sa série temporelle. Dans les cas où nous nous intéresserons à la convection*
en mers nordiques, la durée de simulation n’étant plus que de 200ans, il sera ôté en chaque
point la tendance linéaire de sa série temporelle plutôt qu’un polynôme d’ordre 3.
31

3. Variabilité simulée : la North Atlantic Oscillation (NAO) et l’Arctic
Oscillation (AO)
La NAO (North Atlantic Oscillation) constitue le mode de variabilité dominant de la
pression atmosphérique de surface en Atlantique Nord et en Europe (Hurrell, 1995a). Elle se
caractérise par une oscillation en opposition de phase entre la pression au niveau des Açores et
celle en Islande. Elle est détectable tout au long de l’année dans des données mensuelles mais
est plus prononcée en hiver (Barnston et Livezey, 1987). Une analyse basée sur des EOF*
(Empirical Orthogonal Functions, voir Annexe 2) est appliquée aux données de pression de
surface moyennées sur l’hiver (décembre à mars), dans le domaine géographique 20°N-80°N,
90°W-40°E, correspondant à la région sur laquelle la signature de la NAO est la plus marquée
selon Hurrell (1995a). Elle révèle un mode dominant expliquant 45,7% de la variabilité. Cette
variance* expliquée se situe dans l’intervalle des valeurs trouvées par Cohen et al. (2005) à
partir d’une étude des performances de 14 modèles couplés. La figure II-17a) représente la
structure spatiale des anomalies de pression associées à ce mode dominant. On y distingue
aisément le centre de hautes pressions des Açores ainsi que le centre de basses pressions
d’Islande correspondant à la NAO. Cette structure est très similaire à celle obtenue en opérant
le même traitement sur les données de réanalyses du CEPMMT, représentée sur la figure II-
17b). Les localisations des centres d’action sont les mêmes et les intensités des structures
anticycloniques* sont comparables. Le centre dépressionnaire est cependant moins marqué
dans le modèle CNRM-CM3. De plus, une phase positive de NAO dans le modèle induit des
anomalies de vent plutôt du nord-ouest que d’ouest sur la mer du Labrador par rapport à la
NAO des réanalyses. Au contraire, dans les réanalyses, une phase positive de NAO crée des
anomalies de vent de nord sur la mer du Groenland qui n’apparaissent pas dans la NAO du
modèle.
Figure II - 17 : Structure spatiale des anomalies de pression associées la NAO, en hPa. Contours
espacés de 1hPa. a) dans les 400 dernières années de la simulation de contrôle du modèle CNRM-
CM3. b) dans les données de réanalyses du CEPMMT
(http://www.ecmwf.int/products/data/technical/index.html)
La composante principale* associée au mode de variabilité décrit ci-dessus constituera
notre indice NAO dans l’étude qui suit, un indice positif correspondant à une anomalie
anticyclonique* au niveau des Açores et une anomalie cyclonique* sur l’Islande. L’indice
NAO peut également être construit par différence entre la pression entre Lisbonne au Portugal
32

et Stykkisholmur/Reykjavik, comme l’a fait Hurrell (1995a) qui a travaillé sur les données
entre 1864 et 2005 mais cette technique de construction d’indice présente le désavantage de ne
pas tenir compte du déplacement éventuel des structures de hautes et basses pressions.
L’estimation du spectre* de cette composante principale* avec son intervalle de confiance à
80% sont représentés sur la figure II-18a). Ce spectre* est quasi-blanc*. Il est comparé au
spectre* théorique d’un processus autorégressif* d’ordre 2 (voir Annexe 3). Un tirage aléatoire
de 1000 processus autorégressif* d’ordre 2 et le calcul de leurs spectres* respectifs permet de
tester la significativité* des pics de variance* observés sur le spectre* de la NAO. Ce test de
Monte-Carlo n’indique aucune période préférentielle de variabilité significative à 80%. Il
apparaît cependant une variabilité plus concentrée à des périodes d’environ 2-3ans, 4ans, 7ans
et 10ans. Le spectre* obtenu à partir des données du modèle CNRM-CM3 est très proche du
spectre* de l’indice NAO de Hurrell, représenté également sur la figure II-18 b). Il est
également quasi-blanc* et présente une variabilité plus concentrée entre 2 et 3ans ainsi qu’entre
7 et 10ans environ. Le modèle CNRM-CM3 reproduit donc de façon satisfaisante les
principales caractéristiques de la NAO. La variabilité importante de la NAO à des échelles
temporelles comprises entre 7 et 10ans sera impliquée dans le mécanisme proposé dans la suite
de cette étude.
Figure II - 18 : Spectres* de l’indice NAO, calculés par la méthode « Thompson multitaper » avec
leurs intervalles de confiance à 80% obtenus par l’approche « chi-squared ». Sur chaque spectre est
ajusté le spectre idéal d’un processus autorégressif* d’ordre 2 (AR2), avec son niveau de confiance à
80%, obtenu par tirage de Monte-Carlo de 1000 occurrences. Puissance spectrale en unités de
variance par unité de fréquence, c’est-à-dire en années. a) Indice NAO tiré d’une Analyse en
Composantes Principales* des données de pression de surface du modèle CNRM-CM3 (400
dernières années). b) Indice NAO calculé par Hurrell entre 1864 et 2005 comme la différence de
pression entre Lisbonne au Portugal et Stykkisholmur/Reykjavik en Islande
Notons que la NAO présentée ici est considérée par certains auteurs comme un aspect
régional de l’Oscillation Arctique (Thompson et Wallace, 1998). Ce dernier mode de variabilité
est caractérisé par une structure annulaire des anomalies de champ de pression avec une
anomalie dépressionnaire centrée sur l’Océan Arctique et des anomalies anticycloniques* sur
l’Atlantique et le Pacifique. Une analyse du champ de pression hivernal (décembre-avril) dans
le domaine situé au nord de 20°N révèle un mode dominant expliquant 33% de la variabilité.
Sa structure spatiale, représentée en figure II-19a), correspond à celle de l’AO (Oscillation
Arctique) de Thompson et Wallace (1998) et se rapproche de l’AO obtenue à partir des
données de réanalyses du CEPMMT (voir figure II-19 b)). Comme pour la NAO, son centre
33

dépressionnaire est sous-estimé par le modèle. De plus, l’étalement vers les mers GIN de ce
centre d’action est moins marquée que dans les réanalyses. L’intensité de l’anticyclone
atlantique est également sous-estimée. La variabilité des vents d’ouest associée à l’Oscillation
Arctique est ainsi trop faible dans le modèle. Enfin, les caractéristiques temporelles de l’AO
sont proches de celles de la NAO.
Figure II - 19 : Idem figure II-16 mais pour l’Oscillation Arctique obtenue à partir des données de
décembre à avril
Les comparaisons des données du modèle CNRM-CM3 avec différentes sources
mettent en évidence le réalisme de l’ensemble des champs physiques simulés. Les données de
la simulation de contrôle pourront donc être employées par la suite pour explorer les causes de
la variabilité de la circulation méridienne moyenne en Atlantique Nord. La caractérisation de
cette variabilité constitue une étape préliminaire à cette étude.
34

IV. Caractérisation de la variabilité de la circulation méridienne
moyenne en Atlantique Nord
L’étude des mécanismes à l’origine de la variabilité de la circulation méridienne
moyenne nécessite une première étape d’analyse et de caractérisation de cette variabilité. Cette
partie traite de sa décomposition en modes spatiaux et du lien temporel entre ces différents
modes. Puis, le dernier paragraphe aborde le rôle de la convection* aux hautes latitudes sur la
variabilité de l’océan intérieur.
1. Décomposition en modes de variabilité indépendants
Figure III - 1 : Structure spatiale
des trois premières EOF*
(Empirical Orthogonal
Functions) de la fonction de
courant méridienne en moyenne
annuelle. Valeurs exprimées en
Sv (1SV=10 6 m 3 .s -1 ). Contours
espacés de 0.05Sv pour l’EOF1
et l’EOF3 et de 0.1Sv pour
l’EOF2.
L’analyse en composantes principales* ou décomposition en EOF* (Empirical
Orthogonal Functions) est une technique couramment utilisée afin de décomposer la structure
de variabilité associée à un champ physique en différents modes indépendants et expliquant un
pourcentage de variabilité décroissant avec l’ordre du mode (voir Annexe2 et Björnsson and
Venegas, 1997; Von Storch and Zwiers, 1999). Appliquée aux données annuelles de circulation
océanique méridienne moyenne en Atlantique Nord, cette technique permet de mettre en
évidence trois modes principaux expliquant respectivement 40%, 15% et 14% de variabilité. La
structure spatiale associée à chacun de ces modes est représentée sur la figure III-1. Les
anomalies montrées correspondent aux variations locales de la fonction de courant méridienne
35

associées à une variation d’un écart-type* de la composante principale*, chaque composante
principale* ayant un écart-type* égal à 1.
Figure III - 2 : Fonctions d’autocorrélation*
des trois premières PC (Composantes
Principales) de la fonction de courant
méridienne annuelle. Niveau de
significativité* à 95%, donné par un test
Student T.
Le premier mode est caractérisé
par une cellule étendue sur l’ensemble du
bassin avec une plongée des eaux aux
hautes latitudes et présente un maximum,
de 2Sv (1Sv = 10 6 m 3 /s), situé à 20°N et
2000m de profondeur. Cette structure est
similaire à celle obtenue par Mignot
(2003), Bentsen et al. (2002) et Holland et
al. (2001). La localisation du maximum
est très proche de celle de l’étude de
Mignot (2003) : 17.5°N et 1800m de
profondeur et le pourcentage de variance*
expliquée est identique. La figure III-2
représente la fonction d’autocorrélation*
des trois composantes principales* (PC).
On y remarque un temps
d’autocorrélation* de la PC1 de 3ans,
correspondant au temps de persistance
d’une anomalie. Ce tracé met également
en évidence sa période caractéristique
d’environ 8 à 10ans. L’estimation du
spectre* associé à la PC1 est représenté sur la figure III-3, avec son intervalle de confiance à
80%. La variabilité est concentrée aux longues échelles de temps, ce qui est caractéristique
d’un spectre* rouge*, résultat également obtenu par Mignot (2003), Bentsen et al. (2002) et
Holland et al. (2001). A ce spectre* a été ajusté le spectre* idéal d’un processus autorégressif*
d’ordre 2 (voir Annexe 3 et Von Storch et Zwiers, 1999) dont la série temporelle est donnée
par :
X(t) = α X(t-1) + β X(t-2) + Z(t) pour t
Avec X(0) = Z(0) et X(1) = α X(0) + Z(1)
Z(t) est un bruit blanc* de variance* déduite à celle de la PC1 et représente le terme de forçage
du processus. Les paramètres α et β sont déterminés à partir de l’autocorrélation* décalée d’un
an et de deux ans de la première composante principale*. Le processus autorégressif* d’ordre 2
ajusté à la première composante principale* présente un mode propre oscillatoire à une période
de 10ans, cette période étant fonction des paramètres α et β. Ainsi, ce processus, forcé par un
bruit blanc*, réagit préférentiellement par des oscillations d’amplitude et de phase fonction du
forçage Z(t) et de période 10ans. Cette période préférentielle est la conséquence de son
autocorrélation* à l’ordre 1 et à l’ordre 2. Sur la figure III-3, le niveau de confiance à 80% du
spectre* du processus autorégressif* a également été représenté. Ce niveau de confiance a été
obtenu par un tirage de Monte-Carlo de 1000 occurrences. On remarque que la première
composante principale* présente une variabilité plus concentrée que celle du processus
autorégressif* à une période d’environ 10ans. Par conséquent, non seulement la première
composante principale* réagit préférentiellement avec une période de 10ans si elle est forcée
par un bruit blanc*, mais encore le forçage qu’elle subit présente une variabilité
particulièrement concentrée à une période d’environ 10ans.
36

Figure III - 3 : Spectres* des deux premières PC de la fonction de courant méridienne annuelle.
Description des courbes identique à la figure II-17
Le second mode de variabilité de la circulation méridienne moyenne, représenté sur la
figure III-1, est caractérisé par deux cellules de sens de rotation opposés avec un maximum
marqué, de 2.15Sv à 44°N et 2500m de profondeur et une structure négative beaucoup plus
faible et s’étendant de 30°S à 25°N. La structure de ce second mode de variabilité est similaire
à celle obtenue par Mignot (2003), bien que le contraste d’intensité entre les deux cellules soit
plus intense que celui de Mignot (2003) et le pourcentage de variance* expliqué de 5% plus
faible. Le temps de persistance d’une anomalie de la seconde composante principale* est de
deux ans (voir figure III-2). Sa période caractéristique est d’environ 7ans. Son spectre*,
représenté sur la figure III-3 avec son intervalle de confiance à 85%, est également rouge*. Le
processus autorégressif* d’ordre 2 ajusté à la seconde composante principale* présente un
mode propre d’oscillation à 7ans. Ainsi, du fait de son autocorrélation* à l’ordre 1 et à l’ordre
2, la seconde composante principale*, forcée par un bruit blanc*, réagit préférentiellement avec
une période d’oscillation de 7ans. Par ailleurs, le niveau de confiance à 85% du spectre* du
processus autorégressif* ajusté permet de mettre en évidence le forçage de la seconde
composante principale* à une période préférentielle d’environ 25ans.
Enfin, le troisième mode de variabilité, représenté sur la figure III-1, est constitué de
trois cellules. Sa structure est similaire à celle obtenue par Mignot (2003) mais la variance*
expliquée par ce mode est plus importante de 4% que celle de l’étude de Mignot (2003). Ce
mode de variabilité présente un temps d’autocorrélation* d’environ 1an (voir figure III-2).
Notons que les deuxième et troisième modes de variabilité dans le modèle CNRM-CM3 sont
faiblement séparés du fait de leur pourcentage de variance expliqué proche.
L’analyse en composantes principales* permet de séparer spatialement les structures de
variabilité. Mais ces structures peuvent être reliées temporellement. C’est ce qu’il est proposé
d’étudier dans le paragraphe suivant.
37

2. Relation entre les modes de variabilité
Figure III - 4 : Corrélations* décalées entre les
trois premières PC de l’AMOC*. Le décalage est
négatif quand le premier indice précède. Niveau
de significativité* à 95% en tireté, déduit d’un
test Student T.
La figure III-4 représente les
corrélations* décalées entre les trois
composantes principales* présentées
précédemment. On remarque une
corrélation* de 0.48 entre la PC1
(Première Composante Principale*) et la
PC2 (Seconde Composante Principale*)
lorsque la PC2 précède de 2 à 3ans, ce qui
suggère une propagation vers le sud des
anomalies de fonction de courant
méridienne, l’anomalie positive de PC2
centrée sur 45°N atteignant 20°N au bout
de 2ans. De même, la PC2 est corrélée
significativement à la PC3 (Troisième
Composante Principale*) lorsque la PC3
précède de 1 à 2ans, l’anomalie positive
de PC2 centrée sur 45°N atteignant 25°N
et l’ anomalie négative de PC2 étendue de
15°S à 25°N se déplaçant vers 15°S en 1 à
2ans environ. La PC3 est aussi corrélée significativement à la PC1 lorsque la PC3 précède de
1an, du fait de l’étalement vers le sud de la structure positive de la PC3 en 1an environ. Enfin,
la PC3 est anticorrélée significativement à la PC1 lorsque la PC1 précède de 3 à 4ans, ce qui
indique que l’anomalie positive centrée sur 20°N se déplace vers les sud pour atteindre 15°S en
3 à 4ans laissant place à une anomalie négative. Le caractère oscillatoire des corrélations* entre
les différentes composantes principales* suggère une propagation continue depuis les hautes
latitudes d’anomalies de fonction de courant méridienne de signes alternés, au cours de la
simulation. Cette propagation d’anomalies expliquerait également la caractère oscillatoire des
fonctions d’autocorrélation* des composantes principales* présentées au paragraphe précédent
(voir figure III-2).
La figure III-5 permet de visualiser cette propagation grâce à des cartes de régression*
des anomalies de fonction de courant méridienne sur la PC1 avec différents décalages
temporels. Les anomalies représentées correspondent à une augmentation d’un écart-type* de
la PC1. Une anomalie positive apparaît aux hautes latitudes 7 à 8ans avant un maximum de la
PC1. L’anomalie se déplace progressivement vers le sud pour présenter une structure similaire
à la PC2 2 à 3ans avant le maximum de la PC1. Puis l’anomalie s’étend sur l’ensemble du
bassin et s’intensifie pour enfin se disperser vers le sud tandis qu’une anomalie négative la
remplace en 4 à 5ans environ. Cette propagation des anomalies de MOC* vers le sud a
également été constatée par Mignot (2003). Notons que les anomalies de PC1 naissent d’une
part de la propagation vers le sud d’anomalies apparues aux hautes latitudes, d’autre part de
l’intensification de ces anomalies vers 20°N, 1 à 2ans avant le maximum de la PC1. Le
spectre* de cohérence des deux premières composantes principales*, représenté sur la
figure III-6, donne le pourcentage de variabilité de la PC1 reliée aux variations de la PC2 pour
chaque échelle temporelle. Ce pourcentage atteint 80% pour une période d’environ 7ans, 70%
pour une période d’environ 3ans, 55% pour une période d’environ 10ans et 50% pour une
période d’environ 15ans. Nous approfondirons le lien entre les deux premières composantes
principales* à ces périodes préférentielles par la suite. La cohérence entre les deux premières
composantes principales* n’étant pas significative à toutes les échelles de temps, les anomalies
38

de la PC1 ne peuvent pas être totalement expliquées par la propagation depuis les hautes
latitudes. Mauritzen et Häkkinen (1999) considèrent également que la variabilité de la MOC*
n’est pas complètement due à la variabilité de la convection*.
a) 6 years before PC1 anomaly b) 4 years before PC1 anomaly c) 2 years before PC1 anomaly
d) During PC1 anomaly e) 2 years after PC1 anomaly
e) 5 years after PC1 anomaly
Figure III - 5 : Régression des anomalies de fonction de courant méridienne annuelle, en Sv, sur la PC1
de l’AMOC* à divers décalages temporels : 6, 4, et 2ans avant, pendant l’anomalie de PC1, 2 et 5ans
après. Délimitation en blanc des zones où la corrélation entre la fonction de courant méridienne et la
PC1 est significative à 95%. Niveau de significativité* donné par un test Student T. Contours espacés de
0.1Sv.
Figure III - 6 : Spectre* de cohérence des
PC1 et PC2 de l’AMOC*. Niveau de
significativité* à 95% en noir tireté,
obtenu par un tirage de Monte-Carlo de
1000 occurrences.
Ces anomalies de fonction de courant
méridienne induisent des anomalies de
transport méridien de chaleur par l’océan. La
figure III-7 représente des courbes de
régression* des anomalies de transport de
chaleur associées à une augmentation d’un
écart-type* de la PC1 à diverses latitudes et à
divers décalages temporels. 7 à 8ans avant un
maximum de la PC1, les anomalies sont faibles
et non significatives aux hautes latitudes. Le
transport méridien de chaleur augmente
progressivement aux hautes latitudes avec
l’amplification de l’anomalie de fonction de
courant méridienne. 4ans avant le maximum de
PC1, les anomalies s’élèvent à 10TW 1 et
s’étendent de 30°N jusqu’aux zones de
convection*. Puis 2ans avant le maximum de
39

PC1, elles atteignent 35TW 1 . Enfin, en phase avec le maximum de PC1, elles s’étendent sur
tout le bassin atlantique avec un maximum de 60TW 1 localisé à 20°N. Cette anomalie
représente 1/10 du transport moyen annuel à cette latitude, qui est de l’ordre de 800TW 1 . Ces
anomalies s’estompent ensuite avec la dissipation de l’anomalie de fonction de courant
méridienne. Ces résultats sont cohérents avec ceux de Mignot (2003), autant qualitativement
que quantitativement.
Figure III - 7 : Régression* des anomalies de
transport océanique méridien annuel de chaleur,
en TW, associées à une augmentation d’un écarttype
de la PC1 de l’AMOC*, à divers décalages
temporels : -7ans (noir continu), -4ans (rouge
continu), -2ans (bleu), pendant l’anomalie de PC1
(noir tireté), +1an (rouge tireté).
Croix : limites des intervalles au sein desquelles le
niveau de significativité* est supérieur à 95%. La
courbe bleue continue et la courbe noire tiretée
possèdent chacune deux de ces intervalles tandis
que les trois autres n’en possèdent qu’un. Niveau
de significativité déduit d’un test Student T.
Ainsi, les anomalies de transport de chaleur méridien par l’océan sont fortement
corrélées aux anomalies de fonction de courant méridienne et semblent subir de même, une
propagation vers le sud en parallèle avec une intensification. Elles ont d’ailleurs été utilisées
par Häkkinen (2002) pour caractériser la variabilité de la MOC*. Par le biais de ces anomalies
de transport de chaleur, la circulation méridienne moyenne en Atlantique Nord influe sur la
variabilité du climat en Europe. La propagation des anomalies de circulation méridienne vers le
sud étant la conséquence de leur génération aux hautes latitudes, il est maintenant proposé de
s’intéresser aux mécanismes responsables de la génération d’anomalies de MOC*.
3. Lien avec la convection profonde
Le chapitre précédent a permis de mettre en évidence l’existence de trois zones de
convection* dans le modèle CNRM-CM3, situées dans la mer du Labrador, dans la mer
d’Irminger et dans les mers GIN (voir figure II-13). La formation d’eaux profondes aux hautes
latitudes constitue l’un des forçages de la MOC* (Mauritzen et Häkkinen, 1999). En effet, la
figure III-8 souligne l’influence de la convection* en mer du Labrador sur la variabilité de la
circulation méridienne moyenne en Atlantique Nord. Une convection* intense est à l’origine
d’une anomalie négative de la PC3 l’année suivante et une anomalie positive de la PC3, trois
ans après, ce qui est cohérent avec l’apparition d’une anomalie positive de fonction de courant
méridienne vers 50°N qui se propage ensuite vers le sud pour atteindre 25°N en 3ans environ.
De même, une anomalie positive de la PC2 est présente au cours des deux années consécutives
à un événement de convection* intense en mer du Labrador. Celle-ci se propage vers le sud et
une anomalie positive de la PC1 apparaît trois à quatre ans après l’événement. Ce temps de
réaction de la MOC* à la convection* en mer du Labrador se situe dans l’intervalle de 3 à 6ans
donné par Mignot (2003) entre un approfondissement de la couche de mélange* et un
40

maximum de la fonction de courant méridienne. Enfin, l’année précédant la convection*, un
downwelling* de grande échelle particulièrement intense a lieu à 45°N environ tandis que des
upwellings* de grande échelle importants se produisent à 15°N et 65°N (non montrés). Cela
explique la corrélation* positive avec la PC3 et la corrélation* négative avec la PC2. Ce
phénomène sera expliqué par la suite.
Figure III - 8 : Corrélations* décalées entre
la profondeur de couche de mélange*
annuelle en mer du Labrador et les trois
premières PC de l’AMOC*. Le décalage est
négatif quand la profondeur de couche de
mélange précède. Niveau de significativité*
à 95%, en tireté, déduit d’un test Student T.
La convection* en mer d’Irminger est
également à l’origine d’anomalies de
circulation méridienne moyenne,
représentées sur la figure III-9 à divers
décalages temporels. Au moment de
l’événement de convection* intense, une
anomalie positive de la MOC* apparaît au
niveau de la mer d’Irminger. Elle se propage
vers le sud pour former une anomalie intense
de la PC2 au bout de 3ans, puis une anomalie
de la PC1 au bout de 6ans. Cette anomalie se
dissipe ensuite au cours de sa traversée de
l’équateur. Le temps de réaction de la MOC*
à la convection* en mer d’Irminger est
cohérent avec le résultat de Mignot (2003) :
un maximum de la MOC* suit d’environ 4 à
6ans un fort approfondissement de la couche
de mélange* en mer d’Irminger.
Figure III - 9 : Régression* des anomalies annuelles de fonction de courant méridienne, en Sv, sur la
profondeur de couche de mélange* en mer d’Irminger à divers décalages temporels.
Espacement des contours : en phase : 0.05Sv jusqu’à 0.1Sv puis 0.1Sv
3ans après : 0.05Sv jusqu’à 0.2Sv puis 0.1Sv
6ans après : espacés de 0.05Sv
Code des contours blancs identique à la figure III-5.
41

Figure III - 10 : Idem figure III-9 mais pour la profondeur de couche de mélange* en mers GIN et
avec un espacement des contours de 0.05Sv jusqu’à 0.3Sv puis de 0.1Sv.
Enfin, l’impact de la convection* dans les mers GIN sur la variabilité de la circulation
méridienne moyenne est illustré par la figure III-10. Au moment de l’événement de
convection* intense, une anomalie positive de la MOC* apparaît entre 60°N et 65°N au niveau
de la zone de convection*. Cette anomalie entraîne une augmentation de l’overflow* de part et
d’autre de l’Islande qui conduit à l’apparition d’une anomalie positive de la MOC* entre 55°N
et 60°N. Cette anomalie se propage ensuite vers le sud pour générer une anomalie positive de la
PC2 au bout de 3ans et une anomalie positive de la PC1 au bout de 7 à 8ans, puis se dissipe
rapidement. Ce temps de réaction de la MOC* à la convection* en mers GIN correspond à
celui de 7ans constaté par Mignot (2003). Notons cependant que les anomalies de MOC*
générées par la convection* profonde en mers GIN sont deux fois plus faibles que celles
générées par la convection* en mer du Labrador et en mer d’Irminger. Selon Mauritzen et
Häkkinen (1999), la formation d’eaux profondes dans les mers GIN ne joue aucun rôle sur la
variabilité basse fréquence de la MOC*. Le résultat présenté ici s’oppose donc avec ceux de
Mauritzen et Häkkinen (1999) mais la convection* dans les mers GIN joue un rôle secondaire
dans la variabilité de la MOC*. D’autre part, l’étude de Mignot (2003) met en évidence une
influence prépondérante de la convection* en mer d’Irminger sur la variabilité de la MOC*, ce
qui est cohérent avec les résultats présentés ici.
La convection*, à l’origine des anomalies de MOC*, est elle-même liée à une
densification des eaux de surface, que l’on peut visualiser sur la figure III-11 représentant les
corrélations* décalées des conditions de surface avec la profondeur de couche de mélange*
dans chacune des zones de convection*. Lors de l’intensification de la convection*, il se
produit une augmentation de la densité de surface et l’anomalie de densité apparue persiste
pendant un an dans les mers GIN et pendant quatre ans dans la mer du Labrador. La persistance
particulièrement importante des anomalies de densité en mer du Labrador a également été notée
par Mignot (2003) et atteint 7ans dans son étude. Cette persistance d’un hiver sur l’autre est la
conséquence du stockage des anomalies dans la couche de mélange* hivernale sous la
thermocline estivale, qui permet la résurgence lors de l’érosion de la thermocline saisonnière
(DeCoëtlogon et Frankignoul, 2003). Notons également les anomalies positives de densité
présentes 8 ans avant et 7 à 8 ans après l’événement de convection* intense en mer d’Irminger.
Ce caractère cyclique des anomalies en mer d’Irminger avec une période d’environ 7 ans sera
expliqué par le mécanisme proposé dans la partie suivante.
42

Correlations between mixed layer depth in the Labrador sea and
surface conditions
Correlations between mixed layer depth in the Irminger sea and
surface conditions
Correlations between mixed layer depth in GIN seas and surface
conditions
Figure III - 11 : Corrélations* décalées
de la densité de surface (en noir), la
salinité de surface (en bleu) et la
température de surface (en rouge)
hivernales (décembre à avril) avec la
profondeur de couche de mélange*
hivernale dans les trois zones de
convection : En haut, à gauche, en mer
du Labrador ; En haut, à droite, en mer
d’Irminger ; En bas : dans les mers
nordiques. Niveau de significativité*
déduit d’un test Student T.
L’augmentation de densité permettant la convection* est liée à des anomalies de SSS
(Salinité de surface océanique) ou de SST (Température de surface océanique). En mer du
Labrador et en mer d’Irminger, la diminution de température est le facteur prépondérant
expliquant les évènements convectifs intenses, les anomalies de salinité jouant un rôle
secondaire. D’après les observations de Lazier et al. (2002) et les simulations numériques de
Visbeck et al. (1996) et Legg et al. (1996), l’intensité de la convection* en mer du Labrador est
dépendante du bilan entre l’apport de chaleur par les courants océaniques et le flux de chaleur
vers l’atmosphère, ce qui est cohérent avec le contrôle des anomalies de convection* par les
anomalies de température constaté ici. Au contraire, dans les mers GIN, les évènements
convectifs intenses sont fortement liés à des anomalies positives de salinité. Ces anomalies
apparaissent un à deux ans avant l’évènement convectif intense et s’amplifient
progressivement. Simultanément, un réchauffement des eaux de surface ce produit, ce que nous
expliquerons par la suite. Ce contrôle des anomalies de convection* par la salinité dans les
mers GIN s’oppose aux résultats de Mignot (2003) pour qui les anomalies de température
constituent le facteur prépondérant.
D’autre part, la figure III-11 met en évidence un réchauffement des eaux de surface
accompagné d’une augmentation de salinité au bout de 2ans en mer du Labrador et en mer
d’Irminger après des évènements convectifs intenses. Cette rétroaction de la convection* sur la
température de surface est due à l’augmentation du transport méridien de chaleur par l’océan
suite à l’apparition d’une anomalie de MOC*, qui a été discuté au paragraphe précédent. Des
43

anomalies de transport de sel (non montrées) sont aussi engendrées par les anomalies de MOC*
(Rahmstorf, 1996) et sont responsables de l’augmentation de la salinité.
Figure III - 12 : Schéma-bilan de la génération et propagation
vers le sud des anomalies de circulation méridienne moyenne.
Ainsi, des anomalies de température ou de salinité aux hautes latitudes initient des
évènements convectifs intenses. Des anomalies de MOC* apparaissent alors et se propagent
vers le sud. Elles sont à l’origine d’anomalies de la seconde composante principale* au bout de
1 à 5ans et d’anomalies de la première composante principale* au bout de 3 à 8ans puis se
dissipent rapidement. Simultanément, les anomalies de MOC* rétroagissent sur les conditions
de surface océanique et sur le climat via des anomalies de transport méridien de chaleur et de
sel. La figure III-12 montre un schéma-bilan de ces résultats. Les évènements convectifs
intenses constituant la base de ce mécanisme, le chapitre suivant traitera des situations
atmosphériques responsables de la modification des conditions de surface et de la génération
de ces évènements.
44

V. Rôle de l’atmosphère
La NAO constitue le mode dominant de variabilité atmosphérique en Atlantique Nord.
La contribution du forçage atmosphérique à la variabilité océanique sera donc étudiée dans un
premier temps par l’évaluation de l’impact de la NAO. L’indice NAO qui sera utilisé dans cette
partie a été calculé selon la méthode exposée au chapitre II.
1. Impact de la NAO sur la variabilité de la MOC
Les anomalies de pression de surface atmosphérique liées à la NAO créent des
anomalies de vent qui elles-mêmes induisent des anomalies de flux de chaleur et d’eau douce
(Hurrell, 1995a ; Cayan, 1992a,b) pouvant modifier les conditions de surface océaniques. La
NAO peut ainsi jouer un rôle important sur la variabilité de la MOC* (Meridional Overturning
Circulation), par le biais des flux océan-atmosphère qui lui sont associés (Dickson et al., 1996;
Timmerman et al., 1998 ; Curry et al., 1998 ; Delworth et Greatbach, 2000).
a) Anomalies de SSS (Sea Surface Salinity) liées à la NAO
La figure IV-1 représente une carte de régression* des anomalies de SSS moyennes sur
la période décembre-mars, lors d’une augmentation d’un écart-type* de l’indice NAO.
Rappelons que cette situation correspond à une intensification de la dépression islandaise et de
l’anticyclone des Açores. On observe une amplification du maximum de salinité subtropical,
ainsi qu’une désalinisation des eaux au nord de 50°N, excepté dans le sud de la mer du
Labrador. En ce qui concerne les zones de convection* (voir figure II-13 pour la localisation),
une phase positive de NAO conduit à des anomalies négatives de salinité dans les trois sites
mais ces anomalies ne sont significatives à 95% qu’en mer d’Irminger. La structure générale du
champ de SSS obtenue ici est similaire à celle de Mignot (2003). Une divergence apparaît
cependant en mer du Labrador, où la salinité de surface augmente dans l’étude de Mignot
(2003). Les anomalies constatées sont le résultat d’anomalies de flux vertical d’eau douce et
d’anomalies d’advection de salinité par les courants d’Ekman*.
Figure IV - 1 : Régression des anomalies de
salinité de surface hivernale (décembre-mars)
associées à une augmentation d’un écart-type
de l’indice NAO, exprimées en psu. Contours
espacés de 0.1psu. Code des contours blancs
identique à la figure III-5.
En effet, la figure IV-2 a) montre une
carte de régression* des anomalies
d’évaporation moyenne de décembre à mars
sur l’indice NAO. Le déplacement du flux
d’ouest vers le Nord de l’Europe (Rogers,
1990; Hurrel, 1995b) est à l’origine d’une
diminution de l’évaporation à 40°N, latitude à
laquelle se situe la trajectoire du flux d’ouest
en phase négative ainsi qu’une augmentation
de l’évaporation à 60°N, latitude vers laquelle
celui-ci est déplacé. Par ailleurs,
l’intensification des alizés* à 20°N en phase
positive de la NAO provoque une
augmentation de l’évaporation à l’ouest du
continent africain. Enfin, en mer de Norvège,
une diminution de l’évaporation se produit du
fait d’un affaiblissement des vents et de
l’apport de chaleur et d’humidité par les
45

perturbations. Ces flux d’évaporation induisent une salinisation des eaux de surface en mer du
Labrador et une désalinisation en mer d’Irminger et en mers GIN.
c)
Figure IV - 2 : Régression* des anomalies de flux
d’eau douce hivernales (décembre-mars), en
mm/mois, sur l’indice NAO. Un flux négatif
représente un apport d’eau douce à l’océan.
a) Flux d’évaporation. Contours :
5mm/mois.
b) Précipitations. Contours : 5mm/mois.
c) Flux lié au bilan production/fonte de
glace. Contours : 10mm/mois.
d) Flux total de l’océan vers l’atmosphère ou
la glace. Contours : 10mm/mois.
e) Advection par les courants d’Ekman.
Contours : 10mm/mois.
Flèches noires : anomalies de tension de vent, en
N/m 2
Code des contours blancs identique à la figure III-
5. Les zones masquées ne sont pas significatives à
95%.
46

Une carte de régression* des anomalies de précipitation moyennes de décembre à mars
est également représentée sur la figure IV-2b). Notons qu’une augmentation des précipitations
est représentée par une valeur négative pour faciliter la comparaison avec les autres cartes de
régression*. Il apparaît une augmentation des précipitations dans le nord de l’Europe et une
diminution dans le sud. Ce résultat est cohérent avec le déplacement des trajectoires des
perturbations vers le Nord de l’Europe en phase positive et vers le sud en phase négative
(Rogers, 1990 ; Hurrell, 1995b). L’augmentation des précipitations dans les zones de
convection* entraîne une désalinisation des eaux de surface et compense en partie l’effet de
l’évaporation en mer du Labrador.
Par ailleurs, une carte de régression* des anomalies de flux d’eau moyennes de
décembre à mars liées à la production et fonte de glace sur l’indice NAO est montrée sur la
figure IV-2 c), avec la tension de vent à l’origine de ces anomalies. La dérive de la glace est
orientée à 20° environ à droite du stress de vent, selon la théorie d’Ekman*. L’anomalie de
vents d’ouest en mer du Labrador provoque une dérive de glace vers l’Atlantique et une
anomalie de flux d’eau vers l’océan dans la partie sud de la mer du Labrador. Dans les mers
GIN, l’affaiblissement des vents est à l’origine d’une trajectoire de la glace vers le sud de la
mer de Norvège. De même, en mer d’Irminger, l’anomalie de vents de sud-ouest est à l’origine
du déplacement de la glace vers l’est envahissant ainsi la zone de convection*. Les anomalies
de flux d’eau induites sont donc responsables d’une désalinisation des eaux de surface en mer
d’Irminger mais ne concernent que faiblement les autres sites de convection*, par une
désalinisation en mer du Labrador et une salinisation dans la zone de convection* des mers
GIN.
Le bilan des flux décrits ci-dessus est présenté sur la figure IV-2 d) par une carte de
régression* des anomalies de flux d’eau douce perdu par l’océan moyenné sur la période
décembre-mars. On observe un flux net d’eau douce vers l’atmosphère au sud de 50°N, en
particulier à l’est du bassin conduisant à une salinisation des eaux, et un flux net vers l’océan
au nord de 50°N induisant une désalinisation des eaux de surface. Cette tendance de la salinité
de surface est principalement liée au déplacement de la trajectoire des perturbations. Ces
anomalies de flux d’eau douce associées à une phase positive de la NAO sont tout à fait
cohérentes avec les résultats de Hurrell (1995a) et de Bojiaru et Reverdin (2002). D’autre part,
sur la mer du labrador, l’intensification de l’évaporation étant compensée par l’augmentation
des précipitations et de la fonte de glace, le flux total d’eau douce a un impact faible sur la
salinité. L’anomalie positive de salinité présente dans l’étude de Mignot (2003) est donc
probablement liée à un flux de glace moins intense que dans les résultats présentés ici. Enfin, la
dérive de la glace issue du détroit de Fram joue un rôle important sur la désalinisation des eaux
de surface en mer d’Irminger.
Cependant, les anomalies de salinité, contrairement aux anomalies de température sont
fortement influencées par les termes d’advection excepté dans les zones de faible courants
(Spall, 1993). En effet, la persistance des anomalies de salinité est plus importante que celle des
anomalies de température car les flux de chaleur subissent un feedback et non les flux d’eau
douce (Frankignoul et al., 2002). Ainsi, les anomalies liées au terme d’advection d’Ekman*
sont conséquentes et dominent le bilan dans certaines zones telles que la mer du Labrador.
C’est ce que l’on observe sur la figure IV-2e) représentant une carte de régression* des
anomalies d’advection de salinité par les courants d’Ekman* moyen de décembre à mars sur
l’indice NAO. Au nord du maximum de salinité subtropical, situé à 20°N, l’advection vers le
nord du fait de l’intensification des alizés* favorise des anomalies positives de salinité. Au
nord de 40°N, l’advection vers le sud du fait du renforcement des vents d’ouest d’eaux polaires
plus douce favorise l’apparition d’anomalies négatives de SSS. Enfin, dans la mer du Labrador,
le gradient nord-sud de salinité, mentionné en partie II (eaux plus douces au sud) explique
l’advection d’eaux salées vers le sud sous l’effet du renforcement des vents d’ouest. Les
47

ésultats obtenus ici sont conformes à ceux de Mignot et Frankignoul (2003). Ces anomalies
d’advection favorisent à nouveau une désalinisation des eaux de surface en mers GIN et en mer
d’Irminger, tandis qu’en mer du Labrador, elles sont responsables d’une anomalie positive
confinée au sud et d’une anomalie négative au nord.
En phase positive de la NAO, il apparaît donc des anomalies de SSS qui défavorisent la
convection* en mers GIN et en mer d’Irminger tandis que la convection* en mer du Labrador
n’est que faiblement influencée par un légère désalinisation des eaux de surface.
b) Anomalies de SST (Sea Surface Temperature) liées à la NAO
a)
Figure IV - 3 : Idem figure IV-1 mais pour a) la SST. Contours espacés de 0.1°C et b) la température
de surface atmosphérique. Contours espacés de 0.2°C. Code des contours blancs identique à la
figure III-5. Les zones masquées ne sont pas significatives à 95%.
La figure IV-3 a) représente une carte de régression* des anomalies de température de
surface océanique sur l’indice NAO. Il apparaît une anomalie froide au nord de 50°N,
particulièrement marquée sur la mer du Labrador. Une anomalie chaude s’étend de la mer des
Caraïbes jusque vers les pays scandinaves et une anomalie froide est présente à l’ouest du
continent africain. Cette structure tripolaire des anomalies de SST correspond à la structure
observée par Cayan (1992a), Kuhnir (1994) et Marshall et al. (2001), constituant le mode
dominant de variabilité interannuelle de SST.
Cette figure IV-3 représente également, en b), une carte de régression* des anomalies
de température de surface atmosphérique sur l’indice NAO. Les deux champs présentent une
structure spatiale proche. En effet, les anomalies de température de surface océanique
réagissent quasi-instantanément aux anomalies de température atmosphérique. Les anomalies
de SST sont principalement pilotées par les flux de chaleur océan-atmosphère (Spall, 1993;
Frankignoul et al., 2002), eux-mêmes fortement dépendants des températures atmosphériques.
Ainsi, au nord de 50°N, on note une anomalie de température atmosphérique négative sur la
mer du Labrador associée à la descente d’air froid plus marquée depuis l’Arctique ainsi qu’une
anomalie de température positive sur la mer de Norvège associée à l’intensification du
transport de chaleur depuis les moyennes latitudes de l’Atlantique. Aux plus basses latitudes,
une anomalie positive de température se développe à l’ouest du bassin en association avec
l’augmentation du transport de chaleur des tropiques vers les moyennes latitudes tandis qu’une
48

anomalie négative de température apparaît à l’est du bassin liée à une descente d’air des
moyennes latitudes vers les tropiques.
Figure IV - 4 : Idem figure IV-2 mais pour les flux de chaleur, en W/m 2 . Un flux positif correspond à
un apport de chaleur à l’océan.
a) Flux total non solaire
b) Advection de chaleur par les courants d’Ekman
Contours espacés de 10W/m 2 .
Ces anomalies de température atmosphérique présentent une structure spatiale proche
de celle des anomalies de flux de chaleur* non solaire vers l’océan comme le montre la
figure IV-4 a). En effet, on constate une anomalie de flux de chaleur* de l’océan vers
l’atmosphère sur la mer du Labrador et à l’ouest du continent africain ainsi qu’une anomalie de
flux de chaleur* de l’atmosphère vers l’océan qui s’étend de la mer des Caraïbes jusqu’à la mer
de Norvège. La structure générale de ces anomalies est cohérente avec celle de l’étude de
Cayan (1992b). Ces flux de chaleur* sont donc bien pilotés en grande partie par les anomalies
de température atmosphérique et sont principalement responsables des anomalies de SST. Le
flux de chaleur latente lié à la fonte des glaces, commentée au paragraphe précédent, joue
également un rôle dans ce flux de chaleur* total non solaire au niveau des zones de
convection*. Il contribue au refroidissement dans la mer du Labrador et au réchauffement dans
les mers GIN et atténue le réchauffement en mer d’Irminger.
Enfin, malgré le rôle primordial du flux de chaleur* non solaire total, l’advection de
chaleur par les courants d’Ekman* influence également le champ de SST. En effet, ce terme,
représenté sur la figure IVb) contribue au réchauffement des subtropiques, du fait de
l’intensification des alizés* et favorise le refroidissement au nord de 50°N du fait de
l’intensification des vents d’ouest, excepté dans la mer du Labrador où des eaux chaudes sont
advectées vers le sud. En particulier, dans les mers GIN et la mer d’Irminger, il compense le
réchauffement par le flux de chaleur vertical. L’advection de chaleur par les courants
d’Ekman* est donc responsable des anomalies froides constatées en mers GIN et en mer
d’Irminger. Notons également que les anomalies d’intensité du vent sont responsables
d’anomalies d’entraînement des eaux plus froides sous la couche de mélange* par forçage
mécanique (Luksch et al., 1990; Alexander, 1990). Ces anomalies favorisent donc un
refroidissement vers 60°N et un réchauffement vers 40°N.
49

Il est important de souligner ici l’anomalie froide conséquente constatée en mer du
Labrador en réponse à une phase positive de la NAO (voir figure IV-3 a)), point crucial dans la
suite de cette étude. Par ailleurs, il apparaît simultanément de faibles anomalies froides dans les
zones de convection* de la mer d’Irminger et des mers GIN.
Les anomalies de salinité et de température de surface induites par la NAO dans les
sites de convection* peuvent être à l’origine de modifications de la densité de surface. La NAO
peut donc créer des variations de l’intensité de la convection* profonde, et ainsi de l’intensité
de la MOC*. C’est ce qu’il est proposé de vérifier dans les paragraphes suivants.
c) Conséquences sur la convection profonde
Mixed layer depth regressed onto NAO
Figure IV - 5 : Idem figure IV-1 mais pour la
profondeur de couche de mélange*, en mètres.
Contours espacés de 100m. Code des contours
blancs identique à la figure III-5.
La figure IV-5 représente les
anomalies de profondeur de couche de
mélange* en moyenne hivernale
(décembre-avril) induites par une phase
positive de la NAO. Celle-ci est
responsable d’un approfondissement de la
couche de mélange* atteignant 350m en
mer du Labrador, du fait de l’intense
refroidissement dans cette zone. La NAO
semble donc constituer un facteur essentiel
de la variabilité de la convection* dans
cette région. Par ailleurs, il se produit
simultanément une atténuation de la
convection* en mer d’Irminger et dans les
mers GIN. En effet, nous avons constaté au
paragraphe précédent l’apparition de
faibles anomalies négatives de salinité dans
ces deux zones lors d’une phase positive de
la NAO. Ce mode de forçage
atmosphérique de la convection* présent
dans le modèle CNRM-CM3 est cohérent avec les résultats de Dickson et al. (1996) : la NAO
induit des anomalies de convection* en opposition de phase entre la mer du Labrador et les
mers GIN. Cependant, le forçage de la convection* dans les mers GIN est moins marqué ici
que dans l’étude de Dickson et al. (1996).
La figure IV-6 représente les anomalies de température et de salinité de surface
moyennées sur la période décembre à avril en phase avec une augmentation d’un écart-type* de
la convection* en mer du Labrador. Ces conditions de surface sont similaires à celles associées
à une phase positive de la NAO (voir figures IV-3 et IV-1) et sont caractérisées par une
anomalie froide marquée dans la zone de convection*. D’autre part, la circulation
atmosphérique en phase positive de la NAO est à l’origine d’un forçage cyclonique* sur la
zone du Labrador et du détroit de Davis (voir figure II-16) ce qui permet un
préconditionnement de la convection* (Marshall et Schott, 1999). Ainsi, la NAO apparaît-elle
comme le facteur essentiel contrôlant la variabilité de la convection* dans cette région, via le
préconditionnement cyclonique* et les anomalies de température de surface qu’elle génère. Ce
rôle clé de la NAO sur la variabilité de la convection* en mer du Labrador a également été mis
en évidence par Dickson et al.(1996) et Curry et al. (1998).
50

a) SSS regressed onto Labrador mixed layer depth b) SST regressed onto Labrador mixed layer depth
Figure IV - 6 : Régression* des anomalies moyennes hivernales (décembre-avril) a) de salinité de
surface, en psu. Contours espacés de 0.02psu b) de température de surface océanique sur la couche
de mélange hivernale (décembre-avril ) en mer du Labrador. A comparer avec les figures IV-3 et IV-
1. Code des contours blancs identique à la figure III-5.
Le chapitre précédent a permis de mettre en évidence de rôle de la convection* dans
cette zone sur la variabilité de la MOC*. La NAO explique donc en partie la variabilité de la
circulation méridienne moyenne en Atlantique Nord. Le spectre* de cohérence entre la NAO et
la convection* en mer du Labrador est représenté sur la figure IV-7. On observe une cohérence
dépassant 50% sur pratiquement l’ensemble du spectre*, leurs variations étant toujours en
phase (non montré). Du fait de la réponse quasi-instantanée de la température de surface et de
la convection* au forçage par la NAO, la variabilité atmosphérique pilote la convection* en
mer du Labrador à toutes les échelles temporelles. En revanche, la PC2 ne répond au forçage
par la convection* profonde qu’à certaines périodes préférentielles : à 3ans, entre 5 ans et
6.5ans, et entre 12 et 14ans environ, comme l’on peut le constater sur le spectre* de cohérence
de la PC2 et la convection* en mer du
Labrador représenté en figure IV-8. La
période de 6ans est proche de la période
préférentielle de réponse de la PC2 à un
forçage blanc* qui a été soulignée au
chapitre précédent : 7ans. Le spectre* de
phase met en évidence un retard de 1 à 2ans
de la PC2 sur la convection* en mer du
Labrador, quelque soit la période, ce qui est
cohérent avec le retard constaté au chapitre
précédent. La réponse de l’océan intérieur
au forçage par la NAO est ainsi favorisée à
ces échelles temporelles, comme l’on peut
le constater sur la spectre* de cohérence
Figure IV - 7 : Spectre* de cohérence entre
l’indice NAO et la convection* hivernale en
mer du Labrador (décembre-avril) en bleu.
Les courbes en pointillés noir et rouge
donnent les niveaux de significativité*
respectivement à 95% et à 90%, obtenus par
un tirage de Monte-Carlo de 1000
occurrences.
51
entre la NAO et la PC2 de la figure IV-9.
La cohérence entre les deux variables est
importante aux trois périodes mentionnées
ci-dessus. La PC2 répond au forçage par la
NAO avec un retard de 2 à 3ans, visible sur
le spectre* de phase. Enfin, l’anomalie de

MOC* générée au niveau du site de convection* se propage vers le sud et il apparaît une
anomalie de la PC1 environ 4ans après. La NAO et la PC1 présentent une cohérence de 50%
environ autour de 3ans et 14ans (non montré) mais aucune cohérence à 7ans malgré la
cohérence entre la PC1 et la PC2 à 7ans. La NAO explique donc une partie de la variabilité de
la MOC*, en particulier à des périodes d’environ 3ans, 7ans et 13ans, via son influence sur la
convection* dans la mer du Labrador.
Figure IV - 8 : A gauche : Spectre* de cohérence entre la profondeur de couche de mélange*
annuelle en mer du Labrador et la PC2 de la fonction de courant méridienne annuelle, en bleu. Code
des courbes rouges et noires identique à la figure IV-7. A droite : Spectre de phase. Une phase
négative correspond à un retard de la PC2.
Figure IV - 9 : Idem figure IV-8 entre la NAO hivernale et la PC2 de la fonction de courant
méridienne annuelle. Une phase nulle signifie que les mois de janvier à mars sont communs à
l’année de l’anomalie de PC2 et l’hiver de l’indice NAO positif. Une phase négative correspond à un
retard de la PC2.
52

Ainsi, la NAO exerce un forçage thermohalin sur la variabilité de la MOC*, via des
modifications de la convection* profonde en mer du Labrador. D’autre part, il lui est possible
d’exercer un forçage mécanique sur la MOC*, via les courants d’Ekman* qu’elle induit. Les
zones de convergence et de divergence de ces courants entraînent des upwellings* et
downwellings* de grande échelle, affectant ainsi l’océan intérieur.
d) NAO et pompage d’Ekman
Figure IV - 10 : Régression des anomalies de
pompage d’Ekman en moyenne hivernale
(décembre à mars), en -1 , sur l’indice NAO.
Contours espacés de 0.01s -1 . Code des masques
blancs identique à la figure IV-2.
Les anomalies de courant
d’Ekman* générées en phase par la NAO
sont à l’origine d’une anomalie de
pompage d’Ekman* positive entre 40°N
et 60°N et d’une anomalie de pompage
d’Ekman* négative entre 60°N et 80°N,
et au sud de 40°N représentée sur la
figure IV-10. Il se met ainsi en place une
remontée des eaux profondes entre 60°N
et 80°N et au sud de 40°N et une plongée
des eaux de surface entre 40°N et 60°N.
Ce résultat est cohérent avec ceux de
Häkkinen (1999), Eden et Willebrand
(2001) et Mignot (2003). Une réponse
barotrope de la MOC* apparaît alors,
présentant des anomalies maximales en
surface et dont l’amplitude décroît avec la
profondeur. Cette réponse est représentée
sur la figure IV-11 par une carte de
régression* des anomalies de fonction de
courant méridienne en phase avec un indice de NAO positif. Les anomalies induites sont
conséquentes atteignant 60% de la
variabilité en surface entre 55°N et
60°N. Au sein de la cellule formée entre
40°N et 70°N par le forçage barotrope,
on constate la présence en profondeur
d’une cellule liée à la plongée des eaux
au niveau du site de convection*. La
structure des anomalies barotropes
induites par la NAO est cohérente avec
celle obtenue par Mignot (2003). Elles
se rapprochent également des anomalies
correspondant à la PC3, ce qui permet
d’expliquer la corrélation* entre la PC3
et la profondeur de couche de mélange*
en mer du Labrador lorsque la PC3
précède, fait constaté au paragraphe
précédent. Ces anomalies se dissipent
rapidement conformément à la faible
persistance de anomalies de courants
d’Ekman*.
Figure IV – 11 : Régression* des anomalies
de fonction de courant méridienne annuelle,
en Sv, sur de l’indice NAO. Les mois de
janvier à mars sont communs aux deux
variables. Contours espacés de 0.1Sv. Code
des contours blancs identique à la figure III-
5.
53

Cette étude a permis de mettre en évidence le rôle important de la NAO sur la
variabilité de la MOC* à des échelles de temps interannuelles et décennales. En effet, d’une
part, ce mode dominant de variabilité atmosphérique est à l’origine d’un forçage mécanique
entraînant une réponse barotrope en phase. D’autre part, le forçage thermohalin sur le site de
convection* de la mer du Labrador crée une anomalie de MOC*, qui se propage par la suite
vers le sud. L’impact de la NAO sur la variabilité de la circulation méridienne moyenne est
résumé en figure II-12. La convection* en mer d’Irminger et en mers GIN étant également à
l’origine d’anomalies de MOC*, il est maintenant proposé de s’intéresser aux situations
favorisant particulièrement la convection* dans ces deux zones.
Figure IV – 12 : Schéma-bilan de l’impact de la NAO sur la
variabilité de la circulation méridienne moyenne
54

2. Forçage atmosphérique d’anomalies simultanées de convection* en mer
d’Irminger et en mer GIN
Les anomalies de salinité sont les premières responsables de la densification des eaux
de surface et de la convection* dans les mers GIN et jouent également un rôle en mer
d’Irminger, comme nous l’avons vu au chapitre précédent. Pour déterminer le mécanisme
générant ces anomalies, un composite* des évènements convectifs intenses pour lesquels se
produisent les plus fortes anomalies de salinité est réalisé. Dans un premier temps, les 30
évènements pour lesquels la profondeur de couche de mélange* moyenne hivernale en mers
GIN est supérieure d’un écart-type* à sa moyenne ont été sélectionnés. Selon le même procédé,
36 évènements ont été choisis pour analyser les évènements de convection* intense en mer
d’Irminger. Ensuite, les 8 évènements dont la salinité hivernale en mers GIN (décembre-avril)
dépasse d’un écart-type* sa moyenne sont conservés parmi les 30 présélectionnés. Le même
procédé est appliqué en mer d’Irminger et 7 évènements sont conservés parmi les 36 initiaux.
Les structures atmosphériques présentes dans les deux composites* formés sont très similaires
et les différentes variables impliquées dans la convection* dans ces deux zones ont des
structures proches entre les deux composites*. Par conséquent, il a été choisi de réaliser un seul
composite* à partir de tous ces évènements. Notons que 3 hivers sont communs aux hivers
sélectionnés concernant la convection* en mer d’Irminger, d’une part et en mers GIN d’autre
part. L’étude a été réalisée sans tenir compte des 200 dernières années de simulation pour
lesquelles la banquise recouvre le site de convection* des mers GIN. Ce problème a été soulevé
en partie II.
de salinité
a) Densification des eaux de surface : rôle des anomalies de température et
La figure IV-13a) représente le champ d’anomalies de profondeur de couche de
mélange* hivernale moyenne pendant ces évènements. La localisation des sites où l’on observe
les anomalies les plus intenses coïncide avec celle des zones où la variabilité de la profondeur
de couche de mélange* est la plus marquée, cette variabilité étant représentée par le champ
d’écart-type* sur la figure IV-13b). Le mécanisme étudié au moyen de ces composites*
explique donc une part importante de la variabilité de la convection* profonde.
a) Mixed layer depth anomalies b) Mixed layer depth variability
Figure IV- 13 : a) Composite des anomalies de profondeur de couche de mélange hivernale
(décembre-avril), en m, formé à partir des 12 évènements sélectionnés selon la méthode décrite
dans le texte.
b) Pour comparaison, écart-type de la profondeur de couche de mélange hivernale (décembre à
avril), en m, au cours des 200 ans de la simulation de contrôle du modèle CNRM-CM3 utilisés
Contours espacés de 100m en a), 50m en b)
55

L’intensification de la convection* constatée est le résultat d’une déstabilisation de la
colonne d’eau, principalement du fait d’anomalies de salinité ou de température de surface. Les
conditions de surface au moment de la convection* sont représentées sur la figure IV-14. De
fortes anomalies de salinité apparaissent au niveau du site de convection* des mers GIN ainsi
que dans la zone ouest de convection* de la mer d’Irminger. L’anomalie en mer d’Irminger est
présente depuis un an et celle des mers GIN est apparue trois ans avant l’évènement et s’est
progressivement intensifiée (non montré). En revanche, l’intensification de la convection* dans
la partie est de la mer d’Irminger n’est pas liée à une augmentation de la salinité, aucune
anomalie n’étant présente, mais plutôt à une diminution de la température de surface. La
température de surface étant en moyenne plus élevée à l’est de la mer d’Irminger qu’à l’ouest,
la densité de surface est plus sensible aux variations de température dans la partie est tandis
qu’elle est plus sensible aux variations de salinité dans la partie ouest, ce qui est cohérent avec
les résultats présentés ici. Par ailleurs, le réchauffement de eaux de surface en mers GIN qui
s’est amorcé 3 à 4ans avant (non montré) ainsi que le réchauffement en mer d’Irminger qui se
produit l’année même s’opposent à la densification. Ce sont donc bien les anomalies de salinité
de surface dans ces deux zones qui expliquent l’intensification de la convection*.
a) b)
Figure IV – 14 : Idem figure IV-13 a) mais pour a) les anomalies de salinité de surface, en psu.
Contours espacés de 0.04psu. b) les anomalies de température de surface, en degrés. Contours
espacés de 0.1°C.
Une diminution de la densité des eaux de subsurface peut également être responsable de
la déstabilisation de la colonne. Il n’a été remarqué aucune modification des conditions de
subsurface en mer d’Irminger précédant la convection*. En revanche, dans les mers GIN, la
température en profondeur commence à augmenter 3ans avant l’évènement, ce que l’on peut
voir sur la figure IV-15, sans variations notables de salinité. La diminution de densité en
profondeur qui en est la conséquence favorise donc la convection*. Cependant, les anomalies
de température qui apparaissent sont plus faibles en profondeur qu’en surface. De plus, aucune
augmentation du transport de chaleur méridien ne se produit avant l’évènement convectif. Les
transports océaniques ne peuvent donc pas expliquer ce réchauffement de la colonne d’eau. Les
anomalies de température de subsurface sont plutôt dues à une propagation vers le fond des
anomalies de surface par le mélange* vertical hivernal. Malgré la diminution de densité en
profondeur antérieure à la convection* induite par ce mécanisme, le facteur clé dans la
déstabilisation de la colonne dans les mers GIN est donc l’apparition d’anomalies de salinité de
surface. Ce graphe met également en évidence l’atténuation de l’anomalie positive de
température dans les couches supérieures au moment de l’événement convectif du fait du
mélange* avec les couches très profondes plus froides. Puis, deux ans après la convection* un
56

échauffement de couches supérieures se produit à nouveau du fait de l’augmentation du
transport méridien de chaleur suite à la génération d’une anomalie de MOC*.
Figure IV – 15 : Idem figure IV-13 pour la
température, en degrés, à divers niveaux et à
différentes échéances de temps. Un décalage
négatif signifie que l’anomalie de température
précède la convection.
Cette étude des conditions de
surface et de subsurface a permis de
démontrer le rôle primordial sur le
déclenchement de la convection*, d’une
part des anomalies positives de salinité qui
apparaissent dans les mers GIN et dans la
partie ouest de la mer d’Irminger, d’autre
part de l’anomalie froide présente dans la
partie est de la mer d’Irminger. La suite de
ce travail va être orientée vers
l’exploration des causes possibles de ces
anomalies.
b) Intégration du forçage atmosphérique
• Anomalies du champ de pression :
La figure IV-16 montre l’évolution du champ d’anomalies de pression de surface
hivernale (décembre-avril) pendant les 3 années qui précèdent et au moment de l’évènement de
convection* intense. On remarque une structure annulaire persistante de 3ans à 2ans avant la
convection*, avec une anomalie anticyclonique* sur l’Arctique et des anomalies
dépressionnaires sur l’Atlantique et le Pacifique. Ce champ d’anomalies de pression correspond
à phase négative de l’Oscillation Arctique (Thompson et Wallace, 1998) avec une extension du
centre de basse pression atlantique vers les pays scandinaves. Au cours de ces deux hivers, une
anomalie de vent de nord est présente sur les mers GIN et la mer d’Irminger. Puis, ces
anomalies de pression de surface s’affaiblissent l’hiver précédent la convection*. Enfin, au
cours de l’hiver où de produit l’évènement de convection* intense, une structure dipolaire entre
le Groenland et la Scandinavie favorise des anomalies de vents de nord intenses sur les mers
GIN et la mer d’Irminger.
57

a) SLP anomalies 3 winters before intense
convective event
b) SLP anomalies 2 winters before intense
convective event
c) SLP anomalies 1 winter before intense
convective event
d) SLP anomalies during intense convective
event
Figure IV – 16 : Idem figure IV-13
mais pour les anomalies de pression
de surface, en hPa, à diverses
échéances temporelles. En haut, de
gauche à droite : 3ans avant, 2ans
avant, et 1an avant. En bas : en
phase avec l’événement de convection
intense. Contours espacés de
0.05hPa.
• Conséquences sur la banquise en mers GIN :
Cette situation atmosphérique provoque un retrait de la banquise dans les mers GIN du
fait du forçage local de la dérive de glace par le stress de vent. En effet, selon la théorie
d’Ekman*, la glace est repoussée à la droite du vent avec un angle d’environ 20°. Les
anomalies de vent de nord constatées favorisent ainsi un retrait de glace vers la côte
groenlandaise. En conditions moyennes, le site de convection* des mers GIN situé au niveau de
la limite de la banquise, subit un apport d’eau douce en surface par la fonte de glace mise en
contact avec une mer relativement chaude. Ce retrait permet donc une diminution de ce flux
d’eau douce et une augmentation de la salinité permettant la convection*. C’est ce que l’on
peut constater sur la figure IV-17, qui représente les anomalies de flux d’eau lié à la
production/fonte de glace au cours des 3ans qui précèdent la convection* ainsi qu’au cours de
l’hiver même de l’événement convectif intense. Les anomalies de concentration de glace au
cours de ces quatre hivers (non montrées) présentent une structure spatiale très proche de celle
des anomalies de production/fonte de glace, avec une diminution de la fonte de glace
correspondant aux zones où la concentration de glace diminue. Le retrait de glace ne peut donc
pas être lié à un forçage thermique du fait d’une augmentation de température mais bien à un
forçage mécanique. Trois ans avant l’évènement de convection* intense, l’anomalie de vent
vers le sud au nord de l’Islande amorce un recul de la glace vers la côte groenlandaise et le
détroit du Danemark. Puis deux ans avant l’événement, l’intense anomalie de vent de nord sur
le site de convection* favorise le retrait de la banquise vers l’ouest, en particulier dans la partie
nord du site de convection*. Les anomalies de flux d’eau engendrées atteignent des valeurs de
l’ordre de 200mm/mois. L’année précédant la convection*, l’affaiblissement des anomalies de
vent est
58

a) b)
c) d)
Figure IV – 17 : Idem figure IV-13 mais pour les anomalies de production nette de glace, en
mm/mois, à diverses échéances temporelles. Un flux positif correspond à une diminution de la fonte.
Les anomalies de tension de vent, en N/m 2 , sont superposées. a) 3ans avant. b) 2ans avant c) 1an
avant d) En phase avec l’événement de convection intense. Contours espacés de 50mm/mois.
responsable d’une diminution des anomalies de flux d’eau. Enfin, au cours de l’hiver où se
produit l’évènement, d’intenses anomalies de vent de nord apparaissent à nouveau, favorisant
la diminution de la fonte dans toute la partie est du site de convection*, avec une anomalie de
flux d’eau douce associée d’environ 100mm/mois. Le retrait de glace qui persiste pendant
plusieurs hivers est donc à l’origine de l’anomalie de salinité qui apparaît trois ans avant la
convection* intense en mers GIN et qui s’amplifie progressivement. L’océan joue ainsi un rôle
intégrateur vis-vis du forçage atmosphérique.
Par la même occasion, ce retrait de banquise entraîne un réchauffement des eaux de
surface, mentionné plus haut, qui sont soumises au rayonnement solaire, puis ce réchauffement
se propage en profondeur, comme suggéré au paragraphe précédent et à l’atmosphère par les
flux de chaleur (non montré). La banquise s’avance à nouveau sur le site de convection*
l’année suivant l’événement de convection* intense (non montré). Notons que les anomalies de
vent responsables du retrait de la glace du site de convection* sont des anomalies vers le sud
permettant l’accumulation de glace près de la côte groenlandaise tandis que les anomalies
favorisant le retrait dans la partie nord-est de la mer de Norvège sont plutôt des anomalies de
59

vents de nord qui se produisent en phase positive de l’A.O. en association avec une anomalie
cyclonique* de circulation dans l’Océan Arctique (Proshutinsky et Johnson, 1997; Johnson et
al., 1999, Häkkinen et Geiger, 2000). Cependant, le retrait de la banquise dans cette zone ne
concerne pas le site de convection*. Ce sont donc bien les anomalies de pression liées à une
anomalie de vent de nord qui sont responsables de la salinisation des eaux sur le site de
convection* des mers GIN. En revanche, l’augmentation de la fonte de glace en mer d’Irminger
liée à une intensification du flux à travers le détroit du Danemark qui se produit en parallèle
s’oppose à la convection* dans cette zone.
• Rôle du flux d’eau océan/atmosphère et de l’advection sur la salinité en mers GIN:
a) b)
c) d)
Figure IV – 18 : Idem figure IV-13 mais pour les anomalies de flux d’eau douce, en mm/mois. Un
flux négatif est un flux d’eau vers l’océan.
a) Advection par les courants d’Ekman.
b) Précipitations. Un déficit de précipitations est compté positivement pour faciliter la
comparaison avec les autre champs.
c) Evaporation.
Contours espacés de 10mm/mois.
d) Advection par les courants géostrophiques.
Contours espacés de 50mm/mois.
60

Sur la figure IV-18, sont représentés les autres termes influant sur la génération
d’anomalies de salinité. Les courants d’Ekman* jouent un rôle fondamental dans la zone de
convection* des mers GIN en advectant l’anomalie de salinité générée par le retrait de la
banquise dans sa partie est vers sa partie ouest. L’anomalie de flux d’eau douce associée atteint
des valeurs supérieures à 100mm/mois. Cette anomalie est également intense 2ans avant
l’évènement, et une plus faible anomalie apparaît dans le sud de la zone de convection* 3ans
avant l’événement (non montré). La génération d’un événement intense de convection* en
mers GIN est donc le résultat de l’apparition d’anomalies de salinité dans la partie est du site
du fait du retrait de glace combiné à l’advection de ces anomalies par les courants d’Ekman*
vers la partie ouest. Ces termes étant tout deux liés à l’anomalie de pression de surface, c’est
donc le forçage atmosphérique qui pilote la convection*, modulé par l’effet « mémoire » de
l’océan de surface. Le léger excédent d’évaporation par rapport aux précipitations qui apparaît
2ans avant la convection* joue également un rôle secondaire dans ce mécanisme. Mais cette
anomalie est simplement la conséquence du retrait de banquise qui soumet l’océan à un forçage
atmosphérique intense. Enfin, le transport géostrophique a tendance à défavoriser la
convection*. De même que les travaux de Mauritzen et Häkkinen (1997), Holland et al. (2001)
et Goosse et al. (2002), le mécanisme proposé ici met en jeu une interaction avec la glace sous
l’influence du forçage atmosphérique mais contrairement à leurs résultats, l’interaction est
locale aux mers GIN et ne concerne pas le transport de glace ou d’anomalie de salinité à travers
le détroit de Fram. En effet, le transport de glace ou d’anomalies de salinité depuis l’Arctique
se fait le long du bord ouest de la mer du Groenland et n’influence donc pas le site de
convection* qui se trouve plus à l’est. L’étude de Mauritzen et Häkkinen (1997) révèle
également un rôle négligeable du transport de glace par le détroit de Fram sur la convection* en
mers GIN, la désalinisation des eaux ayant lieu plutôt en mer d’Irminger ou en mer du
Labrador. Cependant, la structure de pression forçant la variabilité de la convection* en mers
GIN est très similaire à celle de l’étude de Goosse et al. (2002), bien que le mécanisme associé
soit très différent.
• Causes de l’anomalie de salinité à l’ouest de la mer d’Irminger :
En ce qui concerne la génération d’anomalies de salinité en mer d’Irminger, la
figure IV-18 montre que le terme d’advection par les courants d’Ekman* joue un rôle à hauteur
de 10 à 20mm/mois. En effet, l’anomalie de vent vers le sud provoque une advection des eaux
chaudes et salées de la dérive Nord-Atlantique* à l’est du bassin vers la zone de convection*.
Cette anomalie est également présente 3ans et 2ans avant la convection*, préconditionnant
ainsi la structure verticale des colonnes d’eaux en salinité. De plus, il se produit simultanément
une augmentation de l’évaporation de 30mm/mois et une diminution des précipitations de
10mm/mois environ. L’anomalie de vent provenant des pôles amène de l’air froid et très sec
sur la zone de convection*. La combinaison d’un bilan d’eau déficitaire de l’océan et de
l’advection de sel par les courants d’Ekman* explique alors l’apparition d’une forte anomalie
de salinité à l’ouest de la mer d’Irminger, avec une anomalie de flux d’eau douce totale
s’élevant à 50mm/mois. La densification des eaux de surface dans la zone de convection* ouest
de la mer d’Irminger est donc bien liée à la présence de l’anomalie de champ de pression
présentée sur la figure IV-16, induisant une anomalie de vent venant du pôle.
61

• Causes de l’anomalie de température à l’est de la mer d’Irminger :
Figure IV – 19 : Idem figure IV-13 mais pour
les anomalies de flux de chaleur non solaire en
mer d’Irminger, en W/m2. Un flux positif est un
flux vers l’océan. Contours espacés de 10W/m 2 .
Enfin, le figure IV-19 représente
les anomalies de flux de chaleur* vers
l’océan au moment des évènements de
convections* intenses. La perte de
chaleur océanique explique le
refroidissement des eaux de surface à
l’est de la mer d’Irminger. La descente
d’air polaire froid et sec sur une mer plus
chaude entraîne une augmentation des
flux de chaleur sensible et infrarouge net
et l’augmentation de l’évaporation
mentionnée plus haut provoque une
anomalie négative de flux de chaleur
latente. Ainsi, l’anomalie de vent de nord
explique également la convection* dans
la partie est de la mer d’Irminger, via le
refroidissement des eaux de surface. Les
anomalies d’advection par les courants
de surface (non montré) sont très faibles
par rapport aux anomalies de flux de
chaleur* océan-atmosphère et ne peuvent
pas expliquer l’anomalie négative de
température constatée. Malgré le flux de
chaleur* de 30W/m 2 environ vers l’atmosphère dans la partie ouest de la mer d’Irminger, il se
produit un réchauffement des eaux de surface qui est lié à la remontée d’eaux profondes plus
chaudes. En effet, la stabilité de la colonne, dans la partie ouest de la mer d’Irminger est
assurée par le gradient de salinité et non pas de température, les eaux de surfaces étant peu
salées et froides, comme montré en partie II. Au contraire, dans la partie est, c’est le gradient de
température qui assure la stabilité, les eaux de surface étant plus chaudes et salées. Du fait des
caractéristiques différentes des eaux de surface entre la partie est et la partie ouest de la mer
d’Irminger, l’anomalie de densité est expliquée par une diminution de température à l’est et une
augmentation de salinité à l’ouest, toutes deux créées par une anomalie de vent de nord.
• Rôle important de ce mécanisme sur la variabilité de la convection?
Ainsi, une anomalie de vent provenant de l’Arctique à l’est du Groenland est
responsable de la génération simultanée d’évènements convectifs en mers GIN et en mer
d’Irminger parmi les plus intenses qui se produisent au cours des 200ans de simulation. Cette
situation atmosphérique explique 65% (65/101) des évènements convectifs en mers GIN pour
lesquels l’anomalie de profondeur de couche de mélange* hivernale dépasse 300m. Cette
profondeur de 300m représente 1/6 environ de l’anomalie de profondeur maximale atteinte au
cours de la simulation. De plus, seulement neuf hivers sont soumis à un forçage atmosphérique
de nature à favoriser la convection* alors qu’aucune convection* intense n’apparaît. Dans la
zone de convection* ouest de la mer d’Irminger, 60% (30/49) des évènements convectifs pour
lesquels l’anomalie de profondeur de couche de mélange* hivernale dépasse 300m peuvent être
expliqués par le mécanisme précédent. En revanche, 19 hivers sont soumis à une situation
atmosphérique favorable sans qu’un événement de convection* intense ne se produise. Cela
62

eprésente les deux tiers du nombre d’évènements convectifs qui peuvent être expliqués par le
mécanisme proposé. Une simple
anomalie de vent de nord explique donc
de façon moins fiable la variabilité de la
convection* dans la partie ouest de la
mer d’Irminger que dans les mers GIN.
Une structure de pression dipolaire entre
le Groenland et les pays scandinaves est
cependant tout à fait satisfaisante pour
expliquer les évènements de convection*
intense en mers GIN. Notons cependant
que les vents climatologiques sont
surestimés par le modèle dans cette
région, qui accorde donc peut-être une
importance trop grande au forçage
atmosphérique de la convection*. Au
Figure IV – 20 : Composite des anomalies de
pression de surface hivernale (décembre-avril),
en hPa, réalisé à partir des réanalyses du
CEPMMT au cours des hivers 1965-1966, 1976-
1977, 1978-1979, 1987-1988 et 1997-1998.
Contours espacés de 1hPa.
sein des données de réanalyses des
pressions de surface du CEPMMT
couvrant le période 1958-2001, il est
possible de relever six hivers au cours
desquels l’anomalie de pression de
surface est particulièrement favorable à
la génération d’anomalies de salinité
dans les deux sites de convection* étudiés ici : en 1965-1966, 1976-1977, 1978-1979, 1987-
1988, 1997-1998 et 2000-2001. Un composite* de cinq d’entre eux est présenté en figure IV-
20. Cette structure correspond à une phase négative de la NAO avec un étalement vers le nordest
du centre de basse pression.
La variabilité des vents de nord au-dessus des mers GIN et de la mer d’Irminger joue
ainsi un rôle clé dans la variabilité de la convection*. En effet, une intensification de ces vents
provoque un retrait de la banquise dans les mers GIN. La diminution de la fonte de glace
induite au niveau du site de convection* est responsable de l’apparition d’anomalies de salinité.
Simultanément, cette même anomalie de vent participe également au forçage de la variabilité
de la convection* en mer d’Irminger par le biais d’anomalies de salinité et de température
générées par les flux océan/atmosphère. La figure II-24 résume ces résultats. L’océan joue un
rôle intégrateur vis-vis de ce forçage stochastique, de part son « effet mémoire » du forçage
subi antérieurement. La réponse de l’océan se fait donc probablement préférentiellement à des
échelles interannuelles à multidécennales. C’est ce qu’il est proposé de vérifier maintenant.
c) Echelles temporelles préférentielles de la réponse océanique
Le spectre* de cohérence entre la profondeur de couche de mélange* en mer d’Irminger et celle
en mers GIN est représenté sur la figure IV-21, accompagné du spectre* de phase. Aux échelles
temporelles comprises entre 5ans et 7.5ans, environ 60% de la variabilité de la convection*
dans ces deux zones se fait de façon simultanée. De même, aux échelles supérieures à 30ans,
entre 50% et 85% de cette variabilité se fait en phase. La convection* simultanée étant
expliquée par le mécanisme proposé ci-dessus, l’océan répond préférentiellement au forçage
imposé par l’Oscillation Arctique à des échelles temporelles comprises entre 5ans et 7.5ans ou
supérieures à 30ans. Cela reflète à nouveau le rôle intégrateur de l’océan vis-à-vis d’un forçage
atmosphérique.
63

Figure IV – 21 : Spectre de cohérence (à gauche) et spectre de phase (à droite), en bleu, entre les
profondeurs de couche de mélange hivernale (décembre-avril) moyennes en mer d’Irminger et en
mers GIN. Une phase négative correspond à un retard de la convection en mer d’Irminger.
Code des courbes rouges et noires identique à la figure IV-7.
Figure IV –22 : Idem figure IV-21 mais entre la profondeur de couche de mélange hivernale
(décembre-avril) en mer d’Irminger et la PC2 de la fonction de courant méridienne annuelle. Une
phase nulle signifie que les mois de janvier à avril sont communs à l’année de l’anomalie de PC2 et
l’hiver de l’anomalie de convection en mer d’Irminger. Une phase négative correspond à un retard
de la PC2 sur la convection en mer d’Irminger. Code des courbes rouges et noires identique à la
figure IV-7.
64

Les anomalies de convection* dans ces deux zones induisent des anomalies de MOC*
qui se propagent vers le sud. Ce phénomène a été expliqué en partie III. La figure IV-22
représente le spectre* de cohérence entre la convection* en mer d’Irminger et la PC2, ainsi que
leur spectre* de phase. La PC2 répond avec un retard de 3 à 4ans environ au forçage par la
convection* en mer d’Irminger aux échelles temporelles comprises entre 6ans et 9ans. Ce
retard est cohérent avec celui constaté en partie III. Le pourcentage de variabilité de la PC2 qui
accompagne la convection* en mer d’Irminger à ces échelles temporelles s’élève à 80%. Le
pourcentage de cohérence entre la convection* en mers GIN et la PC2 (non montré) atteint
également 60% aux échelles temporelles comprises 5ans et 6ans, avec un retard de 4ans de la
PC2. En revanche, malgré la réponse des sites de convection* au forçage à des échelles
temporelles supérieures à 30ans, la PC2 ne présente aucune cohérence avec les anomalies de
profondeur de couche de mélange* à ces périodes. L’océan intérieur répond donc
préférentiellement à des échelles temporelles comprises entre 5ans et 9ans au forçage
atmosphérique d’évènements convectifs simultanés dans les sites de convection* de la mer
d’Irminger et des mers GIN.
Figure IV – 23 : Idem figure IV-22 mais entre la profondeur de couche de mélange hivernale
(décembre-avril) en mer d’Irminger et la PC1 de la fonction de courant méridienne annuelle.
Enfin, les anomalies de MOC* se propageant vers le sud, des anomalies de PC1 vont
apparaître suite aux évènements convectifs intenses. Le spectre* de cohérence entre la
convection* en mer d’Irminger et la PC1, représenté en figure IV-23, met en évidence la
réponse de la PC1 au forçage atmosphérique par des anomalies de vent de nord à une période
d’environ 6-7ans. La cohérence atteint 60% dans cette gamme d’échelles temporelles.
L’anomalie de PC1 générée présente un retard de 5 à 6ans sur l’activité convective, cohérent
avec les résultats présentés en partie III. De même le spectre* de cohérence entre la
convection* en mers GIN et la PC1 (non montré) présente un pic s’élevant à 35% à une période
d’environ 7ans, ce pic étant significatif à seulement 90%. L’anomalie de PC1 apparaît environ
5 à 6ans après l’anomalie convective en mers GIN.
Ainsi, sous l’effet du forçage atmosphérique par une anomalie de vent de nord, l’océan
intérieur répond à une période préférentielle d’environ 7ans du fait de son caractère intégrateur.
Les anomalies de MOC* générées se propagent ensuite vers la sud, induisant l’apparition
d’anomalies de PC2 puis de PC1. Plusieurs études ont déjà mis en évidence un pic de
variabilité décennal de certaines variables climatiques telles que les conditions de surface
océanique (Deser et Blackmon, 1993), la formation d’eux profondes (Curry et al., 1998), ou
65

encore la circulation de la glace en Arctique (Proshutinsky et Johnson, 1997; Häkkinen et
Geiger, 2000) ou la concentration de glace dans les mers GIN (Mysak et Venegas, 1998) en
lien avec la variabilité atmosphérique. Johnson et al. (1999) ont révélé l’existence d’un cycle de
5-7 ans dans la circulation de la glace en Arctique sous l’effet du forçage atmosphérique. Enfin,
Rogers (1984) suggère l’existence d’une périodicité de 7.3ans associée à la NAO, ce qui est
cohérent avec la variabilité plus concentrée de la NAO entre 7 et 10 ans constatée en partie II.
La période préférentielle du mécanisme proposé ici s’inscrit donc dans le cadre des
caractéristiques du système climatique déjà proposées par d’autres études.
Figure IV – 24 : Schéma-bilan de l’impact d’une intensification des vents
de nord sur la variabilité de la circulation méridienne moyenne.
Cette étude a permis de mettre en évidence le rôle du forçage atmosphérique sur la
variabilité de l’activité convective et par suite sur la variabilité de la MOC*. La figure IV-24
résume l’impact sur la variabilité de la MOC* d’une intensification des vents de nord au-dessus
des mers GIN et de la mer d’Irminger. La période préférentielle de ce mécanisme pourrait être
simplement liée à l’existence d’un mode oscillatoire amorti dans l’océan forcé par l’atmosphère
(Griffies et Tzipermann, 1995). Certaines études suggèrent cependant une rétroaction des
anomalies de MOC* sur l’atmosphère via des anomalies de température de surface générées
par les anomalies de transport de chaleur qui accompagnent la variabilité de la circulation
méridienne (Timmermann et al., 1998 ; Delworth et Greatbatch, 1993, 2000). La possibilité
d’un telle rétroaction va maintenant être étudiée.
66

3. Bilan de l’interaction variabilité atmosphérique/variabilité de la MOC :
Mode forcé ou mode couplé ?
La figure IV-25 représente des cartes de régression* mettant en évidence les anomalies
de pression de surface, en moyenne annuelle, qui précèdent et qui suivent une anomalie de
PC2. On reconnaît 5 et 4ans avant l’anomalie de PC2, une structure de pression similaire à
celle impliquée dans la mécanisme proposé au paragraphe précédent. Une anomalie de haute
pression est présente au-dessus du Groenland tandis qu’une anomalie de basse pression
apparaît au-dessus des pays scandinaves. Un flux de nord induisant des anomalies de densité en
mers GIN et en mer d’Irminger favorise des événements de convection* intense. Cette
anomalie se dissipe l’année suivante. Cette structure est également présente 8 à 7ans avant une
anomalie de PC1 (non montré) Puis 2ans avant la convection*, il se produit une phase positive
de la NAO, à l’origine d’intense anomalies de vent d’ouest en mer du Labrador favorisant un
refroidissement des eaux de surface et un événement de convection* intense. Cette structure
persiste l’année suivante. On observe les mêmes anomalies 5 à 4ans avant une anomalie de
PC1 (non montré). Ces délais entre, d’une part, les anomalies de MOC* générées dans les
différents sites de convection* et d’autre part l’anomalie de PC2 correspondent aux valeurs
vues dans les paragraphes précédents. Ils correspondent à la durée nécessaire à la propagation
des anomalies vers le sud. Enfin, en phase avec l’anomalie de PC2, apparaît une anomalie du
champ de pression de structure opposées à celle présente 4 à 5ans avant. Cette anomalie est
responsable d’une anomalie de vent de sud défavorisant la convection* dans les mers GIN ainsi
qu’en mer d’Irminger. Cet inversement des anomalies du champ de pression peut
éventuellement être provoqué par une rétroaction de l’océan sur l’atmosphère.
a) SLP anomalies 5 winters before PC2 anomaly b) SLP anomalies 4 winters before PC2 anomaly
c) SLP anomalies 2 winters before PC2 anomaly
d) SLP anomalies winters starting year of PC2
anomaly
Figure IV – 25 : Régression des
anomalies de pression atmosphérique de
surface annuelle, en hPa, sur la PC2 à
diverses échéances de temps : -5ans, -
4ans, -2ans et lag0. Contours espacés de
0.1hPa. Code des contours blancs
identique à la figure III-5.
67

La figure IV-26 représente les anomalies de transport méridien de chaleur par l’océan
en fonction de la latitude de 2ans avant jusqu’à 2ans après une anomalie de PC2. On constate
un déplacement vers le sud du maximum d’anomalie de transport de chaleur en parallèle avec
le déplacement vars le sud de l’anomalie de
MOC*. De plus, il se produit une
intensification du transport de chaleur
méridien au cours des deux années qui
précèdent l’anomalie de PC2, suite à la
génération d’anomalies de MOC* aux
hautes latitudes puis une atténuation et un
étalement vers le sud de ces anomalies.
Cette augmentation du transport de chaleur
vers le nord, que nous avions déjà traité en
partie III, favorise le réchauffement de
l’océan de surface. C’est ce que l’on peut
constater sur la figure IV-27 qui représente
le champ d’anomalies de température de
Figure IV – 26 : Régression des anomalies de
transport méridien de chaleur annuel par
l’océan, en TW, sur la PC2 de l’AMOC à
diverses échéances de temps : de -2ans à
+2ans. Etoiles : limites des intervalles où la
significativité est supérieure à 95%. Niveau de
significativité obtenu par test Student T .
surface océanique, en moyenne annuelle, au
moment du maximum de PC2. Le
réchauffement qui apparaît atteint environ
0.3°C au nord de 45°N. Ce réchauffement
est ainsi la conséquence de l’augmentation
du transport de chaleur méridien amorcée
avec l’apparition de l’anomalie de MOC* et
qui s’est amplifiée jusqu’au moment du
maximum de PC2. D’après l’étude de
Bjerknes (1964), les flux de chaleur océan-atmosphère atténuent le gradient méridien de
température atmosphérique, ce qui entraîne un ralentissement des vents d’ouest, et une
anomalie anticyclonique* au nord accompagnée d’une anomalie dépressionnaire au sud. Ces
anomalies de pression correspondent à ce que l’on peut observer sur la figure IV-25 d) en phase
avec l’anomalie de PC2. L’augmentation du transport de chaleur méridien suite à la génération
d’une anomalie de MOC* favoriserait donc des anomalies de champ de pression de structure
opposée à celles qui l’ont générée, avec un temps de réaction d’environ 2ans de l’atmosphère à
l’augmentation du transport de chaleur. Un
demi-cycle serait donc accompli en environ
4ans, ce qui est cohérent avec la période de
7ans trouvée plus haut. Ce mécanisme
pourrait expliquer la variabilité du champ
de pression atmosphérique plus concentrée
entre 7 et 10ans, remarquée en partie II-3.
Notons cependant que la boucle présentée
ici ne met en jeu que les moyennes et hautes
latitudes, avec un inversement de la
situation atmosphérique lié à
l’augmentation du transport de chaleur à
50°N environ. Cela explique la période du
Figure IV – 27 : Régression des anomalies
de SST annuelles associées à une
augmentation d’un écart-type de la PC2.
mécanisme inférieure à celle obtenue par
Timmermann et al. (1998) ou encore
Delworth et Graetbach (1993, 2000). La
figure IV-28 résume le mécanisme proposé
68

ici.
La rétroaction des anomalies océaniques sur l’atmosphère est un sujet encore très
controversé. De nombreuses études suggèrent un impact des anomalies de température de
surface sur la phase de la NAO aux basses fréquences (Bjerknes, 1964; Rodwell et al., 1999;
Grötzner et al., 1998; Timmermann et al., 1998; Delworth et Graetbach 1993, 2000). Mais
selon certains auteurs (Eden et Jung, 2001), les anomalies océaniques qui précèdent les
anomalies atmosphériques sont interprétées comme des anomalies océaniques influençant
l’atmosphère, alors qu’elles ne sont en réalité que des réponses au forçage atmosphérique avec
un important retard qui sont ensuite atténuées par le changement de phase atmosphérique. En
effet, les anomalies de pression de surface sont en premier lieu contrôlées par le transport de
quantité de mouvement par les tourbillons de méso-échelle (Green, 1970). L’apparition
d’anomalies de températures océaniques pourrait donc contribuer à l’apparition d’anomalies de
pression de surface atmosphérique sans pour autant jouer un rôle fondamental dans ces
transitions (Selten et al. 1998). Les anomalies de pression de surface présentes sur la figure IV-
25d) suite au transport de chaleur méridien ne représentent qu’un tiers des anomalies qui ont
généré une anomalie de MOC*. Ainsi, il semble se produire une rétroaction de l’océan sur
l’atmosphère sans que l’existence d’un mode couplé soit complètement avérée.
Figure IV – 28 : Schéma-bilan du lien entre l’intensification des vents de nord
au-dessus des mers GIN et de la mer d’Irminger et la variabilité de la
circulation méridienne moyenne.
69

Conclusion
Les mécanismes impliqués dans la variabilité de la circulation méridienne moyenne
(MOC*) en Atlantique Nord ont été analysés dans le modèle couplé global CNRM-CM3 de
Météo-France. Bien que l’intensité de cette circulation soit surestimée par le modèle, ses modes
de variabilité principaux sont proches de ceux obtenus par Mignot (2003). Cette étude a permis
de mettre en évidence le rôle clé du forçage atmosphérique sur la variabilité de la MOC*.
D’une part, lors de phases positives de la NAO, les vents d’ouest s’intensifient et
favorisent un refroidissement des eaux de surface en mer du Labrador. Ainsi, ces eaux se
densifient ce qui induit une intensification de la convection*. Ces résultats confirment le
mécanisme proposé par Curry et al. (1998).
D’autre part, lors de l’intensification des vents de nord sur les mers GIN et la mer
d’Irminger, des évènements simultanés de convection* intense dans ces deux zones se
produisent. En effet, en conditions moyennes, le site de convection* des mers GIN, situé au
niveau de la limite de la banquise, où l’océan superficiel est relativement chaud, subit un apport
d’eau douce en surface lié la fonte de cette dernière. Le retrait de glace vers la côte
groenlandaise induit par l’intensification des vents de nord provoque une diminution de ce flux
d’eau douce. Il en résulte une anomalie positive de salinité, une densification des eaux de
surface et une intensification de la convection*. En parallèle, le taux de formation d’eaux
profondes s’intensifie en mer d’Irminger, du fait du refroidissement à l’est et de l’augmentation
de salinité à l’ouest. Ces anomalies sont principalement liées aux flux océan/atmosphère. Les
tensions de vent sont également impliquées via des modifications de l’advection d’Ekman*.
Lors de ces évènements de convection* intenses, des anomalies de MOC* sont
générées aux hautes latitudes. Il apparaît ensuite une anomalie positive de la deuxième
composante principale* de la MOC* dont le centre d’action principal de l’EOF* est situé à
45°N. Puis une anomalie de la première composante principale* se produit, le centre d’action
de son EOF* étant situé à 20°N. Ces anomalies de MOC* qui apparaissent successivement à de
latitudes de plus en plus basses suggèrent une propagation vers le sud.
L’océan intérieur réagit au forçage atmosphérique avec une période préférentielle de
7ans, du fait de son caractère intégrateur vis-à-vis du forçage atmosphérique. Cette échelle
temporelle se rapproche du pic de variabilité décennal de diverses variables climatiques telles
que le taux de formation d’eaux profondes (Curry et al., 1998) ou la circulation de glace en
Arctique (Häkkinen et Geiger, 2000). L’augmentation du transport méridien de chaleur liée à
l’apparition d’une anomalie de MOC* semble induire une faible rétroaction. Le couplage entre
atmosphère et océan présenté dans ce mécanisme ne concerne que les latitudes élevées ce qui
explique sa période de 7-8ans plus courte que celle des modes couplés de Timmermann et al.
(1998) ou Delworth et Graetbach (2000).
Contrairement aux études de Vellinga et Wu (2004), Holland et al. (2001), ou Goosse et
al. (2002), aucun lien des anomalies de convection* avec les tropiques ou l’Océan Arctique, via
l’advection d’anomalies de salinité ou le transport de glace, n’a pu être mis en évidence au
cours ce travail. La variabilité de la convection* dans le modèle CNRM-CM3 est liée
principalement à des anomalies de l’océan superficiel crées par un forçage local. L’anomalie du
champ de pression responsable de la convection* en mers GIN et en mer d’Irminger présente
cependant une structure très proche de celle impliquée dans le mécanisme proposé par Goosse
et al. (2002). Cette structure s’apparente à une phase négative de la NAO pour laquelle le
centre d’action des Açores s’étale vers le nord-est, ce qui pourrait expliquer le ralentissement
de la convection* lors de périodes de phases négatives persistantes de la NAO, constaté par
Dickson et al. (1996).
70

La confirmation du mécanisme proposé ici nécessite la réalisation d’études de
sensibilité de l’océan au forçage atmosphérique. Appliquer à l’océan une série temporelle
d’anomalies du champ de pression de structure proche de celle décrite ci-dessus permettrait de
vérifier si la variabilité de la MOC* présente au cours de la simulation étudiée ici est bien le
résultat de ce forçage atmosphérique. De même, une étude de sensibilité de la réponse du
champ de pression aux anomalies de SST induites par les anomalies de MOC* permettrait de
tester l’existence d’une rétroaction de l’océan vers l’atmosphère.
La circulation thermohaline* joue un rôle important sur le climat européen via le
transport de chaleur méridien qui lui est associée. Le mécanisme proposé ici, dont la période
est de 7-8ans pourrait fournir des perspectives d’amélioration de la prévision climatique
décennale.
Enfin, dans le cadre du réchauffement climatique, ces résultats confirment la théorie de
Delworth et Dixon (2000) selon laquelle la tendance positive de la NAO limiterait le
ralentissement de la circulation thermohaline* en favorisant la convection* en mer du
Labrador.
71

Glossaire
Alizés :
Vents d’est localisés entre 30°S et 30°N environ.
Autocorrélation :
Voir définition de corrélation
La notion d’autocorrélation peut être utilisée, par exemple, pour caractériser la
persistance d’une anomalie. La fonction d’autocorrélation d’une variable est définie
par :
x (τ) = Corrélation (x, x(t+τ))
L’argument τ @A = B?JE x est appelé délai. x (τ) est sans unité.
Cette fonction est symétrique par rapport à l’origine. Elle représente le lien entre la
valeur prise par la variable x au temps t et celle prise au temps t + τ. Dans le cas des
variables climatiques dont la mémoire est finie, elle est maximale en τ =0 et présente
une tendance décroissante avec τ.
Le temps au bout duquel la corrélation entre x(t) et x(t + τ) devient non significative est
appelé temps d’autocorrélation de la variable x. Ce délai représente le temps de
persistance de la variable x. La persistance d’une variable climatique est une valeur
finie du fait de sa mémoire limitée.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Autocovariance :
Voir définition de covariance
La notion d’autocovariance peut être utilisée, par exemple, pour mettre en évidence les
caractéristiques temporelles de l’évolution d’un processus stochastique. La fonction
d’autocovariance d’une variable x est définie par :
x (τ) = Covariance (x, x(t+τ))
L’argument τ @A = B?JE x est appelé délai. L’unité de x (τ) est celle de x au carré.
Cette fonction est symétrique par rapport à l’origine. Elle représente le lien entre la
valeur prise par la variable x au temps t et celle prise au temps t + τ. Dans le cas des
variables climatiques dont la mémoire est limitée, elle est maximale en τ =0 et présente
une tendance décroissante avec τ. Son allure est identique à celle de la fonction
d’autocorrélation x 5AK A B=?JAKH x , écart-type de la variable x, les différencie.
La décroissance de x avec τ peut se faire de façon oscillatoire. Cela reflète la présence
d’un cycle amorti dans la série temporelle de la variable étudiée. Cette propriété est
utilisée dans la détection des périodes préférentielles de variabilité des champs. Pour
plus de détails, voir Annexe 4 et Von Storch et Zwiers (1999).
Bruit blanc :
Voir définition d’autocorrélation
La série temporelle X(t) constitue un bruit blanc si sa moyenne est nulle et chaque
réalisation de X, en t 0 donné, est indépendante de toutes ses autres réalisations, en t 0 ≠ t.
En d’autres termes, sa fonction d’autocorrélation est nulle quel que soit τ > 0.
72

Par conséquent, la répartition de sa variance est uniforme selon et telle que Γ x () =
z 2 où z est l’écart-type du bruit blanc Z(t) et Γ x () son spectre.
Bruit rouge :
Processus dont le spectre est une courbe monotone décroissante des basses fréquences
vers les hautes fréquences. La variabilité de ce processus est donc concentrée aux
longues échelles temporelles.
Circulation anticyclonique :
Circulation océanique ou atmosphérique autour d’un centre de haute pression qui
s’opère dans le sens des aiguilles d’une montre dans l’hémisphère Nord, dans le sens
inverse des aiguilles d’une montre dans l’hémisphère Sud.
Circulation cyclonique :
Circulation océanique ou atmosphérique autour d’un centre de basse pression qui
s’opère dans le sens inverse des aiguilles d’une montre dans l’hémisphère Nord, dans le
sens des aiguilles d’une montre dans l’hémisphère Sud.
Circulation thermohaline :
Voir schéma en figure I.1
La circulation thermohaline (Broecker, 1987 ; Gordon, 1986) est la circulation
océanique globale qui prédomine aux longues échelles temporelles (Stuiver et al.,
1983). Elle se décompose en une branche de surface et une branche profonde. Une
plongée des eaux de surface dans les zones de convection permet un transfert des eaux
de la branche de surface vers la branche profonde. Cette plongée a lieu en particulier en
Atlantique Nord. Les eaux profondes formées ainsi (NADW = North Atlantic Deep
Water) rejoignent l’Océan Austral principalement via un courant de bord ouest nommé
Deep Western Boundary Current (Wüst, 1935). Elles sont ensuite emportées vers l’est
autour de l’Antarctique par le Courant Circumpolaire Antarctique pour enfin se
répandre aux fond des océans Pacifique, Indien et Atlantique sous forme d’AABW
(Antarctique Bottom Water). La convection près du continent Antarctique contribue
également à la formation d’eaux profondes qui rejoignent les eaux AABW. La
remontée des eaux profondes vers la surface se fait de manière uniforme sur l’ensemble
des océans. Pour finir, la branche de retour se fait en surface depuis l’Océan Pacifique
vers l’Atlantique en passant par l’Océan Indien via le Throughflow indonésien et les
recirculations de courant des Aiguilles au sud de l’Afrique.
Composite :
Un composite est une combinaison de plusieurs évènements caractéristiques dans le but
de mettre en évidence un trait particulier d’un système physique. Il peut se décliner sous
plusieurs formes.
Il est possible de moyenner un certain nombre d’intervalles de temps issus d’une série
temporelle, après sélection de ces intervalles selon un critère donné. Par exemple, au
cours de cette étude, un composite a été réalisé à partir des évènements pour lesquels la
profondeur de couche de mélange océanique dépassait l’écart-type de cette profondeur,
73

dans une zone donnée. Un moyenne des différentes variables d’intérêt au cours de la
période allant de quelques années avant à quelques années après l’évènement a permis
de rechercher le mécanisme expliquant les évènements de convection* intense dans la
zone.
Il est également possible, selon le même principe de moyenner une différence
d’évènements. Par exemple, ce type de composite peut être réalisé en considérant les
minima et maxima successifs d’une série temporelle. La différence de chaque
maximum avec le minimum qui le précède puis une moyenne de ces différences permet
de mettre en évidence les mécanismes à l’origine d’une transition entre un minimum et
un maximum d’une variable donnée.
Ce procédé peut fournir des informations intéressantes sur les causes de la variabilité
d’un système physique.
Composante Principale :
Voir définition de EOF
Une composante principale représente la série temporelle du champ donné par l’EOF
associée.
Pour plus de détails, voir Annexe 2 et Von Storch et Zwiers (1999) ou Björnsson et
Venegas (1997)
Convection profonde :
La convection* profonde (Marshall et Schott, 1999) consiste en une plongée des eaux
de surface au sein d’une zone peu étendue. Une densification des eaux de surface sous
l’effet d’un forçage atmosphérique intense dans une zone où la stratification* des eaux
de subsurface est faible est à l’origine de cette plongée. La zone située en mer du
Labrador traitée au cours de cette étude est un exemple de zone de convection*
profonde.
Corrélation :
Voir définition de variance et écart-type
La corrélation entre deux champs fournit le pourcentage de variabilité simultanée entre
ces deux champs. Soient deux séries temporelles x(t) et y(t) de moyennes respectives
AJ AJ @ écart-JOFAI HAIFA?JEBI x AJ y , leur corrélation I=I KEJé, est définie par :
NJ i )- OJi)- ) ] / NJ i )-
2 OJi)-
2 ))
ou encore
x y )
où AIJ = ?L=HE=?A @A NJ AJ OJ
Elle est comprise entre –1 et 1. Deux variables indépendantes possèdent une corrélation
nulle. Deux variables dont les variations sont exactement en phase ont une corrélation
de 1 ; si leur variations sont en opposition de phase, leur corrélation est de –1. Cette
quantité ne constitue pas une preuve d’une relation de cause à effet mais peut fournir
des indications quant à un lien linéaire éventuel entre deux variables.
Par exemple, si y(t) = a*x(t) + z(t) et où z(t) est indépendant de x(t),
la variance de y(t), notée y est donnée par y = a 2 x z , où x est la variance de x(t)
AJ z est la variance de z(t).
74

AJ = x y . La corrélation BKHEJ @? A FKH?AJ=CA @A L=HE=?A @A OJ
linéairement lié à la variance de x(t). Ce pourcAJ=CA AIJ 2 = (a 2 x z .
Alors que la covariance fournit une indication de la quantité de variance commune aux
deux champs, la corrélation donne une indication du pourcentage de variance commun.
En effet, plus la variance d’un champ est élevée, plus sa covariance avec d’autres
paramètres sera importante sans pour autant que le lien avec ces paramètres soit plus
fort.
Cette notion peut être appliquée à la corrélation entre un indice quelconque et un champ
3D (2 dimensions spatiales et une dimension temporelle) en calculant en chaque point
la corrélation entre sa série temporelle et l’indice. Le tracé de cartes de corrélation
permet de représenter spatialement le lien éventuel entre l’indice et le champ étudiés.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Couche d’Ekman :
(Ekman, 1905) C’est la couche océanique de surface dans laquelle la circulation
océanique est influencée par la circulation atmosphérique. Y apparaissent les courants
d’Ekman, en réaction à une tension de vent. Sa profondeur augmente avec la latitude et
avec la vitesse du vent. Voir définition des courants d’Ekman, pour plus de détails.
Couche de mélange océanique :
La couche de mélange océanique est la couche de surface au sein de laquelle la densité
de l’eau est uniforme. Le forçage par le vent en surface est responsable du mélange
mécanique et de l’uniformisation de tous ses paramètres (température, salinité, densité
...). La profondeur de cette couche est le bilan du forçage solaire qui a tendance à
stratifier les eaux de surface par un gradient de température et du forçage par le vent qui
a tendance à induire un mélange et une destruction de ce gradient de densité. On
comprend donc aisément que la profondeur de couche de mélange augmente de
l’équateur vers les pôles, ces derniers étant donc plus favorables à la convection*
profonde et que la couche de mélange subit un cycle saisonnier, s’approfondissant en
hiver. Au moyennes latitudes, sa profondeur est d’une centaine de mètres en moyenne
et elle peut atteindre 500m en hiver.
Courant d’Ekman : Les courants d’Ekman (Ekman, 1905) sont les courants océaniques de
surface forcés par le vent. Lorsque le vent souffle au-dessus de l’océan, un équilibre se
met en place entre la force de tension de vent, en rouge, la force de Coriolis, en bleu,
qui tend à dévier la trajectoire des particules d’eau vers la droite dans l’Hémisphère
Nord, et la force de frottement opposée au mouvement, en vert :
Tension
de vent
Courant d’Ekman
Frottement
Force de Coriolis
75

Il en résulte un courant de surface orienté à 45° à la droite du vent dans l’Hémisphère
Nord. Dans l’Hémisphère Sud, la force de Coriolis déviant les particules vers la gauche,
les courants d’Ekman de surface sont orientés à 45° à gauche du vent. Cette valeur
théorique de l’angle pris par le courant de surface par rapport au vent est plus
importante que la valeur observée comprise entre 20° et 30°. Dans la couche océanique
de surface, sous l’effet du vent, se met en place la spirale d’Ekman, représentée ci-après
dans l’Hémisphère Sud. Au sein de cette spirale, les courants sont déviés vers la gauche
avec la profondeur dans l’Hémisphère Sud du fait de l’équilibre entre la force de
Coriolis, la force de frottement opposée au mouvement et la tension exercée par les
particules d’eau du niveau supérieur. La force de frottement est également responsable
d’une diminution exponentielle de l’intensité du courant avec la profondeur. Dans
l’Hémisphère Sud, la spirale d’Ekman tourne vers la gauche avec la profondeur tandis
qu’elle tourne vers la droite dans l‘Hémisphère Nord sous l’influence de la force de
Coriolis qui dévie les particules vers la droite.
Figure G - 1 : Spirale d’Ekman générée, dans l’Hémisphère Sud, par une tension de vent.
(tiré de http://perso.wanadoo.fr/jean-marc.charel/courants/ocean/eckmanhs.jpg )
La couche océanique de surface dans laquelle apparaît la spirale d’Ekman est appelée
couche d’Ekman. Sa profondeur augmente avec la latitude, du fait de l’intensification
de la force de Coriolis et avec la vitesse du vent.
L’intégrale des courants d’Ekman sur toute la profondeur de la couche d’Ekman donne
le transport d’Ekman orienté à 90° à droite du vent dans l’Hémisphère Nord, à 90° à
gauche du vent dans l’Hémisphère Sud.
Covariance :
Voir définition de variance et écart-type
La covariance de deux champs permet de quantifier la variabilité simultanée entre ces
deux champs. Soient deux séries temporelles x(t) et y(t) de moyennAI HAIFA?JELAI AJ
AKH ?L=HE=?A AIJ @ éfinie par :
NJ i )- OJi)- ) ] / n
avec i=1:n
Son unité est le produit de celle de x par celle de y. Cette quantité ne constitue pas une
preuve d’une relation de cause à effet mais peut fournir des indications quant à un lien
76

linéaire éventuel entre deux variables. Deux variables indépendantes possèdent une
covariance nulle.
Par exemple, si y(t) = a*x(t) + z(t), où z(t) est indépendant de x(t),
la variance de y(t), notée y est donnée par y = a 2 x z , où x est la variance de x(t)
AJ z est la variance de z(t).
AJ = x = ?L=HE=?A @A @? KA E@E?=JE @A = L=HE=?A @A OJ Eée
linéairement à la variance de x(t).
Cette notion peut être appliquée à la covariance entre un indice quelconque et un champ
3D (2 dimensions spatiales et une dimension temporelle) en calculant en chaque point
la covariance entre sa série temporelle et l’indice. Le tracé de cartes de covariances
permet de représenter spatialement le lien éventuel entre l’indice et le champ étudiés.
Les notions les plus usuelles sont cependant celles de corrélation ou de régression qui
contiennent une information plus complète. Voir leurs définitions.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Covariance croisée :
Voir définition de covariance et autocovariance
La fonction de covariance croisée permet de mettre en évidence un lien linéaire
éventuel entre deux variables en généralisant l’information apportée par la covariance à
un lien avec décalage temporel entre les deux variables. Soient deux processus
stochastiques jointement faiblement stationnaires*, X(t) et Y(t), la fonction de
covariance croisée entre X et Y est alors définie par :
xy (τ) = Covariance (X(t), Y(t + τ))
L’argument τ @A = B?JE xy est appelé délai. L’unité de x (τ) est le produit de celle
de x par celle de y.
La fonction d’autocovariance* d’une variable X(t) est simplement un cas particulier de
la fonction de covariance croisée où Y(t) = X(t).
= B?JE xy (τ) est symétrique par rapport à l’origine et bilinéaire vis-à-vis de X et
Y. Elle représente le lien entre la valeur prise par la variable X au temps t et celle prise
par Y au temps t + τ.
Par exemple, si Y(t) = a*X(t + λ) + Z(t), où Z(t) est indépendant de X(t),
xy (τ) = = x (τ + λ) donc la fonction de covariance croisée présente un pic plus ou
moins important en t = λ ou λ représente le déphasage entre les deux variables X et Y.
Dans le cas où X(t) et YJ IJ @AI L=HE=>AI ?E=JEGKAI = B?JE xy (τ) présente
une tendance décroissante vers 0 quand τ tend vers +/- -A @A KA E@E?=JE @A
la persistance de l’anomalie de Y générée par la variable X. Enfin, cette tendance
décroissante vers 0 peut se faire par le biais d’une oscillation atténuée qui traduit le
caractère périodique de la relation entre X et Y à une période préférentielle. La fonction
de covariance croisée renseigne donc non seulement sur le lien linéaire entre les
variables X et Y mais encore sur les caractéristiques temporelles de ce lien. Pour plus
de détail à ce sujet, voir Annexe 4 ou Von Storch et Zwiers (1999).
Dérive Nord-Atlantique :
Voir figure dans le paragraphe Gyre
La dérive Nord-Atlantique est le courant de surface constituant le prolongement du Gulf
Stream vers le Nord-Est. En association avec le Gulf Stream, il assure un transport
conséquent de chaleur et de sel vers les côtes européennes et le nord-est de l’Atlantique
77

Downwelling :
Une convergence des courants océaniques de surface peut être à l’origine d’une plongée
des eaux vers l’océan profond que l’on nomme downwelling. Les courants convergents
qui apparaissent sont le résultat d’une tension du vent qui impose un transport
océanique dans la couche de surface à sa droite dans l’Hémisphère Nord et à sa gauche
dans l’Hémisphère Sud. Il existe des downwellings côtiers pour lesquels cette tension
de vent repousse les eaux de surface vers la côte. La figure ci-dessous schématise ce
type de situation dans l’Hémisphère Sud.
Figure G - 2 : Schéma d’une situation de downwelling côtier dans l’Hémisphère Sud (tiré
de http://perso.wanadoo.fr/jean-marc.charel/courants/oceancirculation.htm)
Dans l’océan hauturier, apparaissent également des downwellings de grande échelle tels
que les downwellings des gyres* subtropicales entourées par les alizés* d’est et les
vents d’ouest des moyennes latitudes.
Ecart-type :
L’écart-type constitue une mesure de la variabilité d’un champ. Considérons une série
JAFHAA NJ @A OAA I écart-JOFA AIJ @ éfini par :
( x(t i )-
2 )
avec i=1:n
et où représente l’espérance ou l’opérateur de moyenne.
L’écart-type représente la dispersion d’une série temporelle autour de sa moyenne. Son
unité est celle de x.
Cette notion peut être appliquée à champ 3D (2 dimensions spatiales et une dimension
temporelle) en calculant en chaque point l’écart-type de sa série temporelle. Le tracé de
cartes d’écart-type permet de représenter la répartition spatiale de la variabilité d’un
champ.
Une autre quantité utilisée pour caractériser la variabilité est le coefficient de variation
c, sans unité, défini par :
c
Pour plus de détails, voir Von Storch et Zwiers (1999)
78

EOF :
Les EOF (Empirical Orthogonal Functions) sont des champs spatiaux donnant les
amplitudes des variations simultanées liées à un mode de variabilité. Elles sont
généralement ordonnées par pourcentages décroissants de variabilité expliquée.
Pour plus de détails, voir Annexe 2 et Von Storch et Zwiers (1999) ou Björnsson et
Venegas (1997)
Flux de chaleur :
Le flux de chaleur total vers la surface peut se décomposer en flux de chaleur solaire et
non solaire. En ciel clair et en moyenne annuelle, le flux de chaleur solaire varie en
fonction de la latitude du fait de l’inclinaison des rayons lumineux par rapport à la
surface terrestre. Une même quantité de chaleur peut être répartie sur une surface plus
ou moins étendue suivant cette inclinaison. Ce flux est également fonction de la quantité
de chaleur absorbée par la surface. Par exemple, la glace, de surface blanche, réfléchit
plus d’énergie que les sols de surface foncée. Enfin, la présence de nuages qui
réfléchissent également ce flux peut limiter l’apport d’énergie en surface.
Le flux de chaleur non solaire total peut se décomposer en :
- flux de chaleur sensible, qui correspond à un échange turbulent de chaleur entre
milieux de températures différentes,
- flux de chaleur latente qui correspond à l’énergie échangée lors d’un changement de
phase de l’eau (fonte, évaporation …)
- flux de chaleur infrarouge net. Ce flux est le bilan du flux émis par la surface et du
flux reçu provenant des gaz atmosphériques et des nuages.
Gulf Stream :
Voir figure dans le paragraphe Gyre
Le Gulf Stream est un courant océanique de surface de bord ouest qui quitte la côte
américaine au niveau du Cap Hatteras. Prolongé par la dérive Nord-Atlantique, il assure
un transport conséquent de chaleur et de sel vers les côtes européennes et le nord-est de
l’Atlantique.
Gyre :
Une gyre est une circulation océanique de surface en boucle fermée. Ce terme est
généralement appliqué à une circulation de grande échelle, le terme tourbillon étant
réservé aux circulations de méso-échelle ou de petite échelle. De nombreuses gyres sont
présentes à la surface du globe : les gyres subtropicales sont les circulations
anticycloniques s’étendant sur toute la largeur de chaque bassin entre l’équateur et 30°
environ ; les gyres subpolaires sont les circulations cycloniques occupant les latitudes
comprises entre 30° et 60° environ.
79

Figure G - 3 : Circulation océanique de surface avec ses différents gyres (tiré
de http://www.physicalgeography.net/fundamentals/8q_1.html )
IPCC:
Intergovernmental Panel on Climate Change (http://www.ipcc.ch/) ou Groupe d'experts
Intergouvernemental sur l'Evolution du Climat. Groupe d’étude chargé de l’évaluation
des changements climatiques, de ses conséquences et des adaptations possibles.
MOC Atlantique:
MOC = Meridional Overturning Circulation ou Cellule Méridienne Circulation. C’est la
partie atlantique de la circulation thermohaline globale. Elle est constituée d’un
transport de surface orienté vers l’Arctique, principalement via le Gulf Stream et la
dérive Nord-Atlantique, d’une plongée des eaux dans les sites de convection de
l’Atlantique Nord et d’un retour vers le sud des eaux profondes NADW (North Atlantic
Deep Water) ainsi formées principalement via un courant de bord ouest appelé Deep
Western Boundary Current. Cette circulation constitue la majeure partie du transport
associé à la MOC Atlantique. Le déplacement vers le nord au fond de l’océan d’eaux
profondes AABW (Antarctique Bottom Water) en provenance de l’Antarctique qui
rejoignent les eaux NADW moins profondes se dirigeant vers le sud constitue la partie
abyssale de cette MOC Atlantique.
Overflow :
Ce terme désigne dans le travail présenté ici, le passage des eaux profondes formées au
niveau de site de convection des mers GIN par le détroit du Danemark et la dorsale
Islande/Ecosse de part et d’autre de l’Islande.
Pompage d’Ekman :
La circulation atmosphérique génère un transport océanique dans la couche de surface à
la droite du vent dans l’Hémisphère Nord et à sa gauche dans l’Hémisphère Sud. Les
zones de divergence de ce transport entraînent une remontée des eaux profondes tandis
que les zones de convergence sont à l’origine d’une plongée des eaux de surface. On
parle de pompage d’Ekman (Ekman, 1905) positif quand la tension de vent provoque
80

une plongée des eaux des surface et de pompage d’Ekman négatif quand il est à
l’origine d’une remontée des eaux profondes. La figure ci-après donne un exemple de
situation favorable à un pompage d’Ekman positif dans l’Hémisphère Sud.
Figure G - 4 : Situation atmosphérique créant un pompage d’Ekman positif dans l’Hémisphère Sud
(tiré de http ://perso.wanadoo.fr/jean-marc.charel/courants/oceancirculation.htm)
On observe ainsi un pompage d’Ekman positif au niveau des gyres subtropicales
entourées par les alizés d’est et les vents d’ouest des moyennes latitudes et un pompage
d’Ekman négatif au niveaux des gyres subpolaires entourées des vents d‘ouest des
moyennes latitudes et des vents polaires d’est. Voir définition des courants d’Ekman
pour plus de détails.
Processus autorégresssif :
Voir définition de bruit blanc
X est un processus autorégressif d’ordre p s’il existe des constantes réelles k =LA?
F AJ k ≠ 0, et un bruit blanc Z(t) tel que :
X(t) 0 k X(t-k) + Z(t) pour t ≥ k
=LA? :J FKH J -1] quelconques
Pour plus de détails, voir Annexe 3 et Von Storch et Zwiers (1999)
Processus ergodique :
Un processus est ergodique si ses variations temporelles sont suffisamment rapides
comparées à son extension dans le temps pour que l’information fournie par une seule
de ses réalisations soit suffisante à l’estimation de ses paramètres statistiques.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Processus stationnaire :
Les conditions de stationnarité stricte d’une variable aléatoire sont très contraignantes et
non indispensables à la validité des outils statistiques couramment employés en
recherche sur le climat. Seules nécessitent d’être vérifiées les conditions de processus
faiblement stationnaire :
• La moyenne et la variance du processus sont indépendantes du temps.
81

• = BHK=JE x (τ) de sa fonction d’autocorrélation ne varie pas au cours de la
réalisation du processus.
Pour que deux processus soient jointement faiblement stationnaires, il existe une
condition supplémentaire :
• = BHK=JE xy (τ) de leur fonction de covariance croisée ne varie pas au
cours de la réalisation des processus.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Régression :
Voir définition de corrélation, variance et écart-type
La régression d’un champ sur un autre fournit l’anomalie du premier champ associée à
une variation d’un écart-type de l’autre. Soient deux séries temporelles x(t) et y(t) de
OAAI HAIFA?JELAI AJ AJ @ écart-types rAIFA?JEBI x AJ y , la régression @A OJ
sur x(t), est définie par :
NJ i ) - OJi) - NJi) -
2 ))
ou encore
ρ y
où ρ est la corrélation entre x(t) et y(t)
Cette quantité ne constitue pas une preuve d’une relation de cause à effet mais peut
fournir des indications quant à un lien linéaire éventuel entre deux variables.
En effet, ρ représente la tendance des deux séries temporelles à subir des variations
simultanées. Il est donc possible d’estimer les variations de y à partir de celle de x, avec
une certaine marge d’erreur dépendant de l’intensité de la corrélation. Il peut être
démontré que le modèle de régression donné par :
y(t) = η + (ρ*σ y /σ x )* (x(t)-µ)
donne les variations de y avec une erreur de σ 2 y (1-ρ 2 )). Ainsi pour une anomalie de x
égale à son écart-type, l’anomalie de y qui lui est liée est de ρ y , autrement-@EJ
Alors que la corrélation fournit une indication du pourcentage de variance commun à
deux champs, la régression permet de quantifier les anomalies d’un champ
éventuellement liées linéairement aux variations de l’autre.
Cette notion peut être appliquée à la régression d’un champ 3D (2 dimensions spatiales
et une dimension temporelle) sur un indice quelconque, en calculant en chaque point la
régression de sa série temporelle sur l’indice. Le tracé de cartes de régression permet de
représenter spatialement le lien éventuel entre l’indice et le champ étudiés. Par rapport à
une carte de corrélation, une carte de régression met l’accent sur les zones où la
variabilité liée à l’indice est plus intense.
Pour plus de détails, voir Von Storch et Zwiers (1999)
Significativité :
Un test de significativité permet de déterminer si la série temporelle étudiée contient ou
non une information suffisante pour confirmer une hypothèse. Le résultat de ce test est
donné sous forme d’un degré de confiance accordé à l’hypothèse. Soit c, ce niveau de
confiance, le pourcentage de chance que l’hypothèse affirmée soit vraie est c%. En
contrepartie, le pourcentage de chance que l’hypothèse n’ait pas été rejetée alors qu’elle
est fausse est (1-c)%. Ces pourcentages ne sont réalistes que si le test statistique choisi
est bien représentatif de la réalisation du processus étudié.
Pour plus de détails, voir Annexe 5 et Von Storch et Zwiers (1999)
82

Spectre :
Le spectre d’un processus aléatoire ergodique* et faiblement stationnaire* X(t) est
défini comme la transformée de Fourier de . I= B?JE @A ?L=HE=?A x :
Γ x .( x )
ou
Γ x ( x (τ) eτ
où la sommation est réalisée pour τ = - à +
et [-½,½]
A IFA?JHA @K FH?AIIKI :J ANEIJA GKA IE = B?JE x (τ) est infiniment intégrable,
c’est-à-dire si le processus X(t) a une mémoire finie.
L’unité de Γ x () est l’unité de X(t) au carré et par unité de fréquence.
La fonction Γ x est une fonction continue de qui donne la quantité de variance de la
série temporelle X(t) attribuée à chaque échelle temporelle.
Pour plus de détails, voir Annexe 4 et Von Storch et Zwiers (1999)
-
Spectre croisé :
Le spectre croisé entre deux processus stochastiques faiblement stationnaires* X(t) et
Y(t) est défini comme la transformée de Fourier . de leur fonction de covariance
croisée xy : :
Γ xy () = .( xy )
ou
Γ xy ( xy (τ) eτ
où la sommation est réalisée pour τ = - à +
et [-½,½]
Le spectre croisé des processus X(t) et Y(t) n’existe que si la fonction xy (τ) est
infiniment intégrable, c’est-à-dire si les processus X(t) et Y(t) ont une mémoire finie.
L’unité de Γ x () est le produit de celle de X(t) par celle de Y(t) par unité de fréquence.
La fonction Γ x est une fonction continue de qui donne la quantité de covariance des
processus X(t) et Y(t) attribuée à chaque échelle temporelle.
-
Spectre de cohérence :
Voir définition de spectre croisé et spectre de phase
Etant donné Γ x () et Γ y (), les spectres de variance respectifs des processus X(t) et
Y(t), le spectre de cohérence C xy () de X(t) et Y(t), sans unité, peut être obtenu à partir
de leur spectre d’amplitude A xy () par la formule :
C xy () = A xy () 2 / (Γ x ()*Γ y ())
Le spectre de cohérence est symétrique : C xy () = C xy (-).
La fonction C xy () donne pour chaque intervalle de fréquences le carré de la corrélation
de X(t) et Y(t). Par conséquent, 0 # + xy () #
Pour plus de détails, voir Annexe 4 et Von Storch et Zwiers (1999)
83

Spectre de phase :
Voir définition de spectre croisé
Etant une fonction complexe, le spectre croisé Γ xy () peut s’exprimer sous forme
polaire :
Γ xy () = A xy () e
)
où A xy () est le spectre d’amplitude
AJ % xy () le spectre de phase
des processus X(t) et Y(t)
Le spectre d’amplitude est positif et symétrique. Le spectre de phase est
antisymétrique.
Le spectre de phase fournit, pour chaque intervalle de fréquence, le retard de la variable
Y par rapport à la variable X, en radians. En fonction de la période à laquelle ce retard
est attribué, il est possible de le convertir en terme de pas de temps.
Pour plus de détails, voir Annexe 4 et Von Storch et Zwiers (1999)
Stratification :
Des eaux sont stratifiées si leur densité augmente avec la profondeur. Cette
stratification leur confère une certaine stabilité vis-à-vis du mélange. Les océans sont
généralement stratifiés du fait de l’augmentation de la salinité et de la diminution de la
température avec la profondeur. On parle de faible stratification si le gradient de densité
de la surface au fond est faible et de forte stratification si ce gradient est fort.
Transport d’Ekman :
(Ekman, 1905) C’est le transport océanique de surface total généré par la circulation
atmosphérique. Il est orienté à 90° à droite du vent dans l’Hémisphère Nord, à 90° à
gauche du vent dans l’Hémisphère Sud. Voir définition des courants d’Ekman pour plus
de détails.
Upwelling :
Une divergence des courants océaniques de surface peut être à l’origine d’une remontée
des eaux profondes que l’on nomme upwelling. Les courants divergents qui
apparaissent sont le résultat d’une tension de vent qui impose un transport océanique
dans la couche de surface à sa droite dans l’Hémisphère Nord et à sa gauche dans
l’Hémisphère Sud. Il existe des upwellings côtiers pour lesquels la tension de vent
repousse les eaux de surface vers le large. Un schéma de ce type d’upwelling est fourni
ci-après.
84

Figure G - 5 : Schéma d’un upwelling côtier dans l’Hémisphère Nord (tiré de
http://apollo.lsc.vsc.edu/classes/met130/notes/chapter11/upwelling.html)
On observe de tels upwellings le long des côtes du Pérou, de Namibie ou de Californie.
Dans l’océan hauturier, apparaissent également des upwellings de grande échelle tels
que l’upwelling équatorial lié à la dérive des eaux de surface vers le nord au nord de
l’équateur et vers le sud au sud de l’équateur sous l’influence des alizés venant de l’est.
Variance :
La variance constitue une mesure de la variabilité d’un champ. Considérons une série
JAFHAA NJ @A OAA I= L=HE=?A AIJ @ éfinie par :
(x(t i )-
2
avec i=1:n
et où représente l’espérance ou l’opérateur de moyenne.
La variance représente la dispersion d’une série temporelle autour de sa moyenne. Son
unité est celle de x au carré.
Cette notion peut être appliquée à champ 3D (2 dimensions spatiales et une dimension
temporelle) en calculant en chaque point la variance de sa série temporelle. Le tracé de
cartes de variance permet de représenter la répartition spatiale de la variabilité d’un
champ.
L’écart-JOFA
@ éfini par :
est une autre variable couramment utilisée pour quantifier la variabilité d’un champ.
Pour plus de détails, voir Von Storch et Zwiers (1999)
85

Annexes
Annexe 1 : Délimitation des zones de convection
Page 87
Annexe 2 : Décomposition en EOF
Page 89
Annexe 3 : Processus autorégressifs
Page 91
Annexe 4 : Spectres
Page 94
86

Annexe 1 : Délimitation des zones de convection
Au cours de ce travail, trois sites de convection* ont été dénombrés en Atlantique
Nord : en mer du Labrador, en mers GIN, et en mer d’Irminger. L’existence de ces sites a été
remarquée par une importante profondeur de couche de mélange moyenne au cours de la
simulation de contrôle du modèle CNRM-CM3 (voir partie II). L’étude des mécanismes de
variabilité de la convection* dans ces zones nécessite la définition de divers paramètres
moyens associés à ces différents sites, tels que la profondeur de couche de mélange, la
température, la salinité... Ces zones de convection* ont donc été délimitées par une méthode
rigoureuse pour permettre le processus de moyenne des variables d’intérêt.
Figure A - 1 : Localisation des sites
de convection selon la
méthode de Bentsen et
al. (2003)
Bentsen et al. (2003) proposent de considérer
comme sites de convection* les zones où la
profondeur de couche de mélange hivernale
(Décembre à Avril) atteint au moins une fois 1500m
au cours de la simulation. Cette méthode permet
d’obtenir les sites représentés sur la figure A.1. Les
sites de convection* qui y apparaissent sont localisés
aux mêmes endroits que sur la carte des profondeurs
de couche de mélange en moyenne hivernale
(décembre à avril) au cours de la simulation (voir
figure ???).
La délimitation des sites de convection* par
cette méthode présente l’inconvénient d’être très
restrictive. Un faible déplacement de ces sites dans le
cadre d’une simulation en climat actuel ou futur
nécessiterait la définition de nouvelles zones de convection* et une étude comparative serait
alors impossible. Pour que les délimitations choisies ici soient adaptées à diverses études, il a
été choisi d’élargir les zones de manière à tenir compte des déplacements éventuels des sites de
convection*.
La délimitation de ces sites pour le calcul d’indices a donc été définie comme suit. La
zone englobant le site le plus au nord comprend la mer de Norvège, la mer du Groenland ainsi
que la mer d’Islande. La zone associée au site le plus au sud regroupe le détroit de Davis et la
mer du Labrador. Enfin, les deux autres sites n’étant pas séparés de façon distincte, ils ont été
regroupés dans une zone comprenant la mer d’Irminger, cette zone ayant été étendue vers le
sud jusqu’à 53.5°N, vers l’ouest jusqu’à 42°W ainsi qu’au sud-est de l’Islande jusqu’à une
ligne joignant l’Islande à la pointe nord-est de l’Ecosse. Ainsi définies, ces zones recouvrent les
zones obtenues à partir de la profondeur de couche de mélange en moyenne annuelle et à partir
de la méthode de Bentsen et al. (2003) ainsi que les zones présentes dans la climatologie de De
Boyer Montégut et al. (2004) associée à la période 1941-2002. Ces trois zones sont
représentées en figure A.2.
87

Figure A - 2 : Délimitation des sites de convection utilisée au cours de l’étude :
a) En mer du Labrador
b) En mer d’Irminger
c) en mers GIN
Cet élargissement pose cependant
le problème d’une possible contamination
des résultats par les alentours de la zone
de convection*. En ce qui concerne le
calcul des profondeurs de couche de
mélange, il peut être vérifié que la
variabilité des indices calculés est
largement dominée par la variabilité de la
convection* dans la zone considérée. En
effet, sur la figure A.3 est montrée une
carte représentant les écarts-types de
profondeur de couche de mélange en
Atlantique Nord au cours de la simulation
de contrôle du modèle CNRM-CM3. On
peut noter que les zones où la variabilité
de cette profondeur est la plus importante
correspondent aux zones de convection*.
L’élargissement des zones pré-définies
ci-dessus ne présente donc aucun
inconvénient dans le cadre du calcul de
profondeurs de couche de mélange
moyennes associées à un site de
Figure A - 3 : Ecart-type de la profondeur de couche
de mélange, en m, au cours des 200
années de la simulation de contrôle du
modèle CNRM-CM3 utilisés en partie
IV-2. Contours espacés de 50m .
convection*. La variabilité des indices ainsi obtenus est dominée par la variabilité de la
convection. Tout autre indice de variable moyenne associée à un site de convection* ne sert
qu’à titre indicatif. Les conclusions avancées à partir d’indices de température ou salinité
concernant leur implication dans la convection* en partie III, ont été vérifiées par la suite au
moyen de cartes de corrélations* ou composites*.
88

Annexe 2 : Décomposition en EOF
Inspiré de Björnsson et Venegas (1997)
La décomposition en EOF (Empirical Orthogonal Functions), ou Analyse en
Composantes Principales, est une technique couramment utilisée afin de décomposer les
variations temporelles d’un champ spatial en modes de variabilité indépendants. La NAO
(Hurrell, 1995), par exemple, constitue le mode de variabilité dominant du champ de pression
de surface en Atlantique Nord. Les EOF sont des champs spatiaux reflétant les amplitudes des
variations simultanées liées à un mode de variabilité. Elles sont généralement ordonnées par
pourcentages décroissants de variabilité expliquée. Dans le cas de la NAO, le champ spatial
obtenu est un dipôle du champ de pression entre l’Islande et les Açores. A chaque EOF est
associée une composante principale qui représente la série temporelle du champ donné par
l’EOF. L’évolution temporelle du champ initial peut être reconstituée en ajoutant les produits
de chaque EOF par leur composante principale. La notion d’indépendance des modes de
variabilité extraits par cette méthode est une notion statistique faisant référence à la
corrélation* nulle entre leurs différentes composantes principales. Ce texte se propose
d’exposer la technique de décomposition en EOF.
a) Principe de la méthode
Avant toute opération, le champ étudié doit être organisé en une matrice 2D notée V,
dans laquelle chaque colonne correspond à une série temporelle en un point donné de l’espace.
La dimension horizontale est donc une dimension d’espace et la dimension verticale une
dimension de temps. Le produit V t *V, normalisé par n où n est le nombre de pas de temps,
donne la matrice de covariances* C de ce champ. Sa diagonale contient les variances* en
chaque point de l’espace et les termes extra-diagonaux sont les covariances* entre deux points
de l’espace. Si tous les points de l’espace subissaient des variations du champ V de manière
totalement indépendante, tous les termes extra-diagonaux seraient nuls. Une diagonalisation de
la matrice de covariances* C permettrait donc d’obtenir des séries temporelles indépendantes.
C’est le principe qui est utilisé pour extraire les modes de variabilité indépendants du champ V.
b) Mise en oeuvre
L’Analyse en Composantes Principales (ACP) consiste donc en une recherche des
vecteurs propres et des valeurs propres de la matrice C. Les composantes d’un vecteur propre
dans la base canonique sont les coordonnées dans l’espace de l’EOF associée, les vecteurs
propres ayant été normalisés à l’unité. La matrice des séries temporelles des EOF, notée M, est
obtenue par M=V*P où P est la matrice de passage de la base des vecteurs propres vers la base
canonique, c’est-à-dire la matrice contenant les coordonnées des vecteurs propres dans la base
canonique. La matrice de covariances* des composantes principales M t *M est une matrice
diagonale. Les modes de variabilité extraits sont donc bien indépendants. Les termes diagonaux
donnent la variance* associée à chaque EOF. Le pourcentage de variabilité expliqué par chaque
mode est donc donné par & & ù & AIJ = L=AKH FHFHA =II?Eée à ce mode.
Le champ initial peut être reconstruit par : V=M*P t . Il est donc possible de formuler la
décomposition de manière équivalente en multipliant une composante principale par un facteur
et en divisant son EOF par ce même facteur. Usuellement, chaque composante principale est
divisée par son écart-type* et ce facteur est inclus dans les composantes de l’EOF. C’est ce qui
a été fait dans le travail précédent.
89

c) Normalisation préalable
Il est préférable de faire subir au champ V soumis à l’Analyse en Composantes
Principales (ACP) une normalisation préalable. En effet, si le nombre de points de mesure est
plus concentré dans certaines zones, il leur sera accordé une importance démesurée lors du
calcul de l’EOF. Les différents points dans l’espace sont donc pondérés par l’aire qui leur est
associée.
d) Coût numérique
La recherche de vecteurs propres et de valeurs propres peut s’avérer très coûteuse en
temps de calcul. Si le nombre de points dans l’espace n est important, la matrice de covariance*
C étant une matrice de taille n 2 , le problème peut être insolvable quel que soit la capacité du
processeur. Une méthode alternative de résolution est alors l’ACP duale. Si le nombre
d’échéances temporelles est inférieur au nombre de points d’espace, la recherche de valeurs
propres et vecteurs propres est effectuée sur la matrice V*V t plutôt que la matrice C=V t *V. En
effet, la matrice V étant une matrice de dimension n*p, où p est le nombre d’échéances
temporelles, la matrice C est de rang p au maximum. Ainsi la résolution de l’ACP duale est
équivalente. C’est ce qui a été fait au cours de l’étude précédente.
e) Inconvénients
Notons cependant que cette méthode n’est pas très robuste quant au domaine choisi
pour appliquer la décomposition. Richman (1985) a remarqué que quel que soit le domaine
choisi, la première EOF consistait en un monopôle, la seconde en un dipôle et la troisième en
un tripôle, avec des pourcentages de variabilité expliquée différents bien entendu. Par la même
occasion, les structures de variabilité mises en évidence dans une zone par une décomposition
en EOF ne sont pas strictement équivalentes quelle que soit le domaine délimité autour de cette
zone. Ce défaut peut poser problème quant à l‘interprétation des résultats tirés de cette
méthode. Un moyen de s’en affranchir est d’utiliser les « rotated EOF » traitées dans Von
Storch et Zwiers, chapitre 13.
Note : C étant symétrique définie positive, on a l’égalité P -1 =P t .
90

Annexe 3 : Processus autorégressifs
Inspiré de Von Storch et Zwiers (1999), chapitres 10 et 11
L’évolution temporelle de la plupart des variables climatiques obéît à une équation
différentielle du premier ou du second ordre, du type :
O J ' OJ OJ J
où z(t) représente un terme de forçage externe
La discrétisation de cette équation donne une relation du type :
OJ OJ-2) –2y(t-
' OJ-y(t- OJ J
qui peut être reformulée OJ 1 y(t- 2 y(t- 3 z(t) où 1 2 AJ 3 sont
B?JEI @A ' AJ @A = HA=JE FHécédente. Cette nouvelle formulation ressemble
étrangement à celle d’un processus autorégressif que nous allons maintenant définir.
a) Définition
X est un processus autorégressif d’ordre p s’il existe des constantes réelles k =LA?
F AJ k ≠ 0, et un bruit blanc* Z(t) tel que :
:J 0 k X(t-k) + Z(t) pour t > k
=LA? :J FKH J :k-1]quelconques
Les processus autorégressifs les plus couramment utilisés sont les processus d’ordre 1 et
d’ordre 2.
b) Propriétés
• Moyenne et variance* :
La moyenne d’un processus autorégressif peut être obtenue en appliquant l’opérateur de
moyenne a la relation donnée comme définition. On obtient :
0 / (1 - k )
La relation de définition du processus autorégressif X(t) peut alors être reformulée :
X(t) - k (X(t-k) – J
Une multiplication par X(t) – FKEI KA =FFE?=JE @A Férateur de moyenne à la
relation obtenue donne :
k x +L=HE=?A k (X(t-k) – J J
d’où l’on tire l’expression de la variance* du processus autorégressif :
- k x (k))
où AIJ = L=HE=?A @K >HKEJ >=? J
AJ x est la fonction d’autocorrélation* de X(t)
AI L=AKHI FHEIAI F=H = B?JE x pour k variant de 1 à p sont données par les
équations de Yule-Walker.
91

• Equations de Yule-Walker :
Les équations de Yule Walker permettent de relier les paramètres k d’un processus
autorégressif d’ordre p a son autocorrélation* à différents décalages temporels compris entre 1
et p. D’après le paragraphe précédent, la relation de définition du processus autorégressif X(t)
peut être reformulée :
X(t) - k (X(t-k) – J
Par une multiplication par X(t - τ) – FKEI KA =FFE?=JE @A Férateur de moyenne à la
relation, pour τ variant de 1 à p, apparaissent les équations de Yule Walker :
x (τ k x (k - τ)
ou
x (τ k x (k - τ)
où x est la fonction d’autocorrélation* de X(t)
AJ x est sa fonction d’autocovariance*
Ce système permet de déterminer les valeurs prises par la fonction d’autocorrélation* de
X pour des décalages temporels compris entre 1 et p, à partir des paramètres du processus
autorégressif. La relation étant valable pour τ > p, il est ensuite possible par récurrence de
connaître les valeurs prises par la fonction d’autocorrélation* à des délais plus importants.
Inversement, pour des valeurs données de la fonction d’autocorrélation* à des délais
compris entre 1 et p, il est possible de déterminer les paramètres k du processus autorégressif
qui s’ajuste au mieux à cette fonction d’autocorrélation*.
• Conditions de stationnarité :
Un processus autorégressif d’ordre p de paramètres k =LA? F AIJ B=E>AAJ
stationnaire* si toutes les racines de son polynôme caractéristique :
p(y) = 1- k y k
ont un module strictement supérieur à 1.
Dans le cas d’un processus autorégressif d’ordre 1, cette condition se traduit par :
1 | < 1
Pour un processus autorégressif d’ordre 2, les conditions de stationnarité deviennent :
2 | < 1
1 2 < 1
1 - 2 < 1
• Modes propres d’un processus autorégressif :
Un processus autorégressif d’ordre 1 ne possède qu’un seul mode propre. Ce mode
correspond à une atténuation exponentielle de toute anomalie crée par le bruit blanc* Z(t), avec
K J=KN @ ANJE?JE @A 1 par intervalle de temps. Bien entendu, le paramètre 1 est strictement
inférieur à 1 (ou y=1/ 1 >1) de telle sorte que le processus autorégressif soit stationnaire*. Un
paramètre supérieur ou égal à 1 causerait une croissance exponentielle des anomalies. Ainsi,
plus le paramètre 1 est important, plus la persistance des anomalies sera importante. Cela est
cohérent avec les équations de Yule-9=AH GKE @AJ x (1) 1 .
Les modes propres d’un processus autorégressif d’ordre 2 sont déterminés par les
racines de son polynôme caractéristique :
y = (- 1 +/- 2 1 " 2 ) ) / 2
Si les deux racines y 1 et y 2 sont réelles, les modes propres associés correspondent à une
décroissance exponentielle des anomalies crées par le bruit blanc* Z(t) avec un taux
92

d’extinction de 1/|y 1 | et 1/|y 2 | respectivement. Une racine négative favorise un changement de
signe de l’anomalie à chaque pas de temps. Par exemple, si un processus autorégressif possède
deux racines réelles dont l’une est positive et l’autre négative, l’évolution temporelle de ce
processus aura tendance subir des périodes de persistance d’une anomalie et d’autres
d’alternance rapide entre anomalies de signes opposés, suivant le mode propre favorisé par le
forçage blanc*.
Si les deux racines y 1 et y 2 sont complexes conjuguées, le mode propre associé est un
mode oscillatoire atténué. Si r est le module des racines et +/-% AKH FD=IA A J=KN @ ANJE?JE
du modes oscillatoire est 1/r et sa périodA AIJ %
A BHçage blanc* initie perpétuellement
des oscillations d’amplitude différentes et déphasées entre elles.
• Forme générale de la fonction d’autocorrélation* :
La fonction d’autocorrélation* d’un processus autorégressif faiblement stationnaire*
d’ordre p prend la forme :
-|τ|
x (τ =
k y k
où les coefficients a k =LA? F IJ B?JEI @AI F=H=ètres k
et y k sont les racines du polynôme caractéristique
Les constantes a k peuvent être obtenues grâce au valeurs de la fonction
d’autocorrélation* en τ =[1: p], données par les équations de Yule-Walker.
Toutes les racines y ont un module supérieur ou égal à 1 pour assurer la stationnarité du
processus. Ainsi, la fonction d’autocorrélation* décroît exponentiellement vers 0 de manière
plus ou moins abrupte selon la valeur des taux d’extinction 1/|y| qui se superposent. Si
apparaissent des racines complexes conjuguées, cela va se traduire dans la fonction
d’autocorrélation* par des oscillations atténuées vers 0.
La fonction d’autocorrélation* reflète donc les caractéristiques temporelles des
processus autorégressifs traitées au paragraphe précédent.
c) Utilisation comme modèles paramétriques
Comme discuté en introduction, l’évolution de la plupart des variables climatiques obéît
à une équation différentielle du premier ou du second ordre qui peut être représentée par un
processus autorégressif d’ordre 1 ou 2. Les paramètres de ce processus représentent les
caractéristiques internes du système tandis le bruit blanc* Z(t) est associé au terme de forçage
externe de la variable considérée.
Les équations de Yule-Walker présentées ci-dessus, offrent la possibilité d’ajuster à la
série temporelle de toute variable climatique un processus autorégressif, connaissant son
autocorrélation* à l’ordre 1 et à l’ordre 2 ainsi que sa variance*. Ainsi, il est possible lors de
l’étude des caractéristiques temporelles de cette variable de distinguer les caractéristiques
internes au système des caractéristiques imposées par un forçage externe non blanc*.
En effet, quelques études (Frankignoul et Hasselmann, 1977 ; Lemcke et al., 1980 ;
Mikolajewicz et Maier-Reimer, 1990), ont montré que certaines variables pouvaient réagir avec
des périodes préférentielles à basse fréquence à un forçage blanc* météorologique. Ainsi les
caractéristiques dynamiques d’un système physique peuvent générer une variabilité bassefréquence
à partir d’un forçage haute-fréquence. C’est là qu’intervient le rôle clé de la
paramétrisation par un processus autorégressif qui contribue à la distinction entre une période
préférentielle de réaction à un forçage blanc* et une oscillation atténuée couplée avec le
système forçant.
Pour plus de détails sur la méthode, voir Von Storch et Zwiers (1999), chapitre 10 et
11.
93

Annexe 4 : Spectres
Inspiré de Von Storch et Zwiers (1999), chapitres 11 et 12
La variabilité d’un système physique peut être associée à différentes échelles
temporelles. La distinction des acteurs impliqués à chacune de ces échelles temporelles peut
faciliter la mise en évidence des mécanismes à l’origine de cette variabilité. Le rôle d’un
spectre est justement de fournir la répartition en fonction de la période de la quantité de
variabilité qui lui est liée.
• Définition :
a) Spectre de Variance
Le spectre d’un processus aléatoire ergodique* et faiblement stationnaire* X(t) est
défini comme la transformée de Fourier . de sa fonction d’autocovariance* x :
Γ x .( x )
ou
Γ x ( x (τ) eτ
où la sommation est réalisée pour τ = - à +
et [-½,½]
A IFA?JHA @K FH?AIIKI :J ANEIJA GKA IE = B?JE x (τ) est infiniment intégrable,
c’est-à-dire si le processus X(t) a une mémoire limitée.
L’unité de Γ x () est l’unité de X(t) au carré et par unité de fréquence.
La fonction Γ x est une fonction continue de qui donne la quantité de variance* de la
série temporelle X(t) attribuée à chaque échelle temporelle.
-
• Propriétés :
1. Le spectre d’une variable aléatoire réelle est réel et symétrique : Γ x () = Γ x (-)
2. La fonction Γ x est une fonction continue et dérivable sur tout l’intervalle [-½,½]
3. d/dt Γ x (0)=0
4. La transformée de Fourier inverse appliquée à la fonction Γ x permet de retrouver la
B?JE @ =KJ?L=HE=?A
x x = τ x @
5. Le spectre décrit la distribution de la variance* selon les différentes échelles
temporelles donc x @
6. Le spectre est une fonction linéaire de la fonction d’autocovariance*.
e
Γ
Γ
• Interprétation :
Un pic dans le spectre d’un processus ne signifie pas qu’une oscillation nette est
présente dans la série temporelle de ce processus mais simplement que ce processus présente
une variabilité particulièrement concentrée à cette échelle temporelle. En effet, la fonction
d’autocovariance* x qui a subit la transformation de Fourier décroît vers 0 avec τ. La mémoire
de ce type de processus est ainsi limitée dans le temps. La présence d’un pic dans le spectre
reflète la présence d’une oscillation atténuée dans la fonction d’autocovariance*, représentative
d’une tendance à la redondance des anomalies à l’échelle temporelle considérée. En effet, les
variables climatiques ne sont pas soumises à des cycles à proprement parler mais ont plutôt un
comportement quasi-oscillatoire. A un mécanisme oscillatoire associé à une variable climatique
94

se superpose un bruit blanc* lié au forçage météorologique stochastique qui influe par la même
occasion sur la période du mécanisme du fait de la persistance des anomalies qu’il génère.
Ainsi, le bruit météorologique ne brouille pas seulement le signal par des anomalies aléatoires
mais encore disperse la période du mécanisme autour d’une valeur préférentielle. La distinction
des modes quasi-oscillatoires d’une série temporelle à l’œil nu n’est donc pas aisée et l’outil
spectral apporte un appui aux hypothèses qui peuvent être formulées par simple observation de
la série temporelle.
• Spectres d’un bruit blanc* et de processus autorégressifs :
Dans le cas d’un bruit blanc*, la répartition de la variance* est uniforme selon et telle
que Γ x ( z 2 . Cette relation est obtenue simplement par la transformée de Fourier de la
fonction d’autocovariance* x z 2 AJ x (τ) = 0 pour τ > 0.
Dans le cas d’un processus autorégressif d’ordre 1, le spectre Γ x () est une fonction
JA AJHA AJ 5E 1 >0, la fonction décroît de 0 à ½ et on parle alors de bruit rouge* :
la variabilité est plus prononcée aux basses fréquences. Si 1

• Spectre de phase :
Etant une fonction complexe, le spectre croisé Γ xy () peut s’exprimer sous forme
polaire :
Γ xy () = A xy ()
) e
où A xy () est le spectre d’amplitude
AJ % xy () le spectre de phase
des processus X(t) et Y(t)
Le spectre d’amplitude est positif et symétrique. Le spectre de phase est
antisymétrique.
Le spectre de phase fournit, pour chaque intervalle de fréquence, le retard de la variable
Y par rapport à la variable X, en radians. En fonction de la période à laquelle ce retard est
attribué, il est possible de le convertir en terme de pas de temps.
• Spectre de cohérence :
Etant donné Γ x () et Γ y (), les spectres de variance* respectifs des processus X(t) et
Y(t), le spectre de cohérence C xy () de X(t) et Y(t), sans unité, peut être obtenu à partir de leur
spectre d’amplitude A xy () par la formule :
C xy () = A xy () 2 / (Γ x ()*Γ y ())
Le spectre de cohérence est symétrique : C xy () = C xy (-).
La fonction C xy () donne pour chaque intervalle de fréquences le carré de la
corrélation* de X(t) et Y(t). Par conséquent, 0 # + xy () #
• Interprétation :
Le spectre croisé permet de mettre en évidence le lien entre la variabilité de deux processus
dans le domaine spectral. Il donne les échelles temporelles auxquelles les deux variables sont
reliées ainsi que les caractéristiques de leurs covariations. Le spectre de cohérence détaille à
chaque intervalle de fréquence le pourcentage de variabilité commune aux deux processus
considérés tandis que le spectre de phase fournit le délai entre les anomalies associées à
chacune de ces variables. Comme dans le cas du spectre de variance* traité précédemment, un
pic dans le spectre de cohérence entre deux processus ne signifie pas qu’il existe un mécanisme
périodique mettent en jeu les deux processus à cette fréquence mais que les deux processus ont
tendance à subir les mêmes variations, avec ou non un retard de l’une des variables sur l’autre.
Le mécanisme oscillatoire qui lie ces deux variables est masqué en partie par le bruit
météorologique superposé.
96

Liste des figures
Figure I –1 : Schéma de la circulation thermohaline globale ……………………………………………...
Figure I –2 : Schéma de la circulation générale atmosphérique………………………………………
Figure I - 3 : Modifications locales de la température de surface moyenne 30 ans après un arrêt de
la circulation thermohaline globale ……………………………………………………………….. ………….
Figure I - 4 : Carte de l’Arctique……………………………………………………………………………….
Figure I - 5 : Carte de l’Atlantique………………………………………………………………… …………
Figure II - 1 : Schéma du couplage entre les différentes composantes du modèle CNRM-CM3……...
Figure II - 2 : Champ de pression atmosphérique de surface en moyenne annuelle dans la
simulation de contrôle du modèle CNRM-CM3 et dans les réanalyses du CEPMMT………………..
Figure II – 3 : Précipitation en moyenne annuelle dans la simulation de contrôle du modèle
CNRM-CM3 et dans les données de CMAP……………………………………………………………………
Figure II - 4 : Flux d’évaporation en moyenne annuelle dans la simulation de contrôle du modèle
CNRM-CM3 et dans les données de SOC………………………………………………………………………
Figure II - 5 : Fonction de courant barotrope en moyenne annuelle dans la simulation de contrôle
du modèle CNRM-CM3…………………………………………………………………………………………...
Figure II - 6 : Concentration moyenne de glace en février et en septembre dans la simulation de
contrôle du modèle CNRM-CM3 et dans les données du Hadley Center…………………………………..
Figure II - 7 : Evolution de la concentration de glace annuelle dans les mers de Groenland, de
Norvège et d’Islande au cours de dans la simulation de contrôle du modèle CNRM-CM3……………..
Figure II - 8 : Salinité de surface en moyenne annuelle dans la simulation de contrôle du modèle
CNRM-CM3 et dans les données du PHC……………………………………………………………………...
Figure II - 9 : Terme d’advection de salinité par les courants d’Ekman, en moyenne annuelle dans
la simulation de contrôle du modèle CNRM-CM3 et calculé à partir des réanalyses de tension de
vent du CEPMMT et des données du PHC……………………………………………………………………..
Figure II - 10 : Température de surface en moyenne annuelle dans la simulation de contrôle du
modèle CNRM-CM3 et dans les données du PHC……………………………………………………………
Figure II - 11 : Flux de chaleur non solaire total en moyenne annuelle dans la simulation de
contrôle du modèle CNRM-CM3………………………………………………………………………………..
Figure II - 12 : Terme d’advection de chaleur par les courants d’Ekman, en moyenne annuelle dans
la simulation de contrôle du modèle CNRM-CM3 et calculé à partir des réanalyses de tension de
vent du CEPMMT et des données du PHC……………………………………………………………………..
12
13
13
15
15
17
18
19
19
20
21
22
23
24
26
27
28
97

Figure II - 13 : Profondeur de couche de mélange moyenne hivernale (décembre à avril) dans la
simulation de contrôle du modèle CNRM-CM3 et dans la climatologie de de Boyer-Montégut………..
Figure II - 14 : Evolution de la profondeur de couche de mélange hivernale (décembre à avril)
moyenne dans les mers du Groenland, d’Islande et de Norvège au cours de dans la simulation de
contrôle du modèle CNRM-CM3……………………………………………………………………………….
Figure II - 15 : Fonction de courant méridienne annuelle en moyenne zonale dans le bassin
atlantique dans la simulation de contrôle du modèle CNRM-CM3………………………………………...
Figure II - 3 : Evolution de la fonction de courant méridienne annuelle moyennée entre 1000m et
3000m de profondeur et entre 40°N et 55°N au cours de dans la simulation de contrôle du modèle
CNRM-CM3………………………………………………………………………………………………………..
Figure II - 4 : Structure spatiale des anomalies de pression associées la NAO dans la simulation de
contrôle du modèle CNRM-CM3 et dans les réanalyses du CEPMMT..…………………………………...
Figure II - 5 : Spectres de l’indice NAO de Hurrell entre 1864 et 2005 calculé comme la différence
de pression entre Lisbonne au Portugal et Stykkisholmur/Reykjavik en Islande et de l’indice NAO du
modèle CNRM-CM3………………………………………………………………………………………………
Figure II - 6 : Structure spatiale des anomalies de pression associées à l’Oscillation Arctique dans
la simulation de contrôle du modèle CNRM-CM3 et dans les réanalyses du CEPMMT………………...
Figure III - 1 : Structure spatiale des trois premières EOF de la fonction de courant méridienne
en moyenne annuelle………………………………………………………………………………………………
Figure III - 2 : Fonctions d’autocorrélation des trois premières PC de la fonction de courant
méridienne annuelle……………………………………………………………………………………………….
Figure III - 3 : Spectre des deux premières PC de la fonction de courant méridienne annuelle……...
Figure III - 4 : Corrélations décalées entre les trois premières PC………………………………………
Figure III - 5 : Régression des anomalies de fonction de courant méridienne annuelle sur la PC1 à
divers décalages temporels ………………………………………………………………………………………
Figure III - 6 : Spectre de cohérence entre les PC1 et PC2 de la fonction de courant méridienne
annuelle……………………………………………………………………………………………………………..
Figure III - 7 : Régression des anomalies de transport océanique méridien annuel de chaleur sur la
PC1, à divers décalages temporels……………………………………………………………………………...
Figure III - 8 : Corrélations décalées entre la profondeur de couche de mélange annuelle en mer
du Labrador et les trois premières PC de la fonction de courant méridienne…………………………….
Figure III - 9 : Régression des anomalies annuelles de fonction de courant méridienne moyenne sur
la profondeur de couche de mélange en mer d’Irminger à divers décalages temporels…………………
28
29
30
31
32
33
34
35
36
37
38
39
39
40
41
41
98

Figure III - 10 : Régression des anomalies annuelles de fonction de courant méridienne moyenne
sur la profondeur de couche de mélange en mers GIN à divers décalages
temporels……………………………………………………………………………………………………………
Figure III - 11 : Corrélations décalées de la densité de surface, la salinité de surface, et la
température de surface hivernales (décembre à avril) avec la profondeur de couche de mélange
hivernale dans les trois zones de convection…………………………………………………………………
Figure III - 12 : Schéma-bilan de la génération et propagation vers le sud des anomalies de
circulation méridienne moyenne………………………………………………………………………………...
Figure IV - 10 : Régression des anomalies de salinité de surface hivernale (décembre-mars) sur
l’indice NAO………………………………………………………………………………………………………..
Figure IV – 2 : Régression des anomalies de flux d’eau douce hivernal (décembre-mars) sur
l’indice NAO : flux d’évaporation, précipitations, flux lié au bilan production/fonte de glace, flux
total de l’océan vers l’atmosphère ou la glace et advection par les courants d’Ekman…………………
Figure IV - 3 : Régression des anomalies de température océanique et atmosphérique de surface
hivernales (décembre-mars) sur l’indice NAO………………………………………………………………...
Figure IV - 4 : Régression des anomalies de flux de chaleur hivernal (décembre-mars) sur l’indice
NAO : flux total non solaire et advection de chaleur par les courants d’Ekman…………………………
Figure IV - 5 : Régression des anomalies de profondeur de couche de mélange hivernale
(décembre-mars) sur l’indice NAO……………………………………………………………………………..
Figure IV - 6 : Régression des anomalies moyennes hivernales (décembre-avril) de salinité de
surface et de température de surface océanique sur la couche de mélange hivernale (décembreavril)
en mer du Labrador………………………………………………………………………………………..
Figure IV - 7 : Spectre de cohérence entre l’indice NAO et la convection hivernale en mer du
Labrador (Décembre-Avril) ……………………………………………………………………………………..
Figure IV - 8 : Spectre de cohérence et spectre de phase entre la profondeur de couche de mélange
annuelle en mer du Labrador et la PC2 de la fonction de courant méridienne annuelle………………..
Figure IV - 9 : Spectre de cohérence et spectre de phase entre la NAO et la PC2 de la fonction de
courant méridienne annuelle…………………………………………………………………………………….
Figure IV - 10 : Régression des anomalies de pompage d’Ekman en moyenne hivernale (décembre
à mars) sur l’indice NAO…………………………………………………………………………………………
Figure IV - 11: Régression des anomalies de fonction de courant méridienne annuelle sur l’indice
NAO………………………………………………………………………………………………………………….
Figure IV - 12 : Schéma-bilan de l’impact de la NAO sur la variabilité de la circulation
méridienne moyenne………………………………………………………………………………………………
42
43
44
45
46
48
49
50
51
51
52
52
53
53
54
99

Figure IV - 13 : a) Composite des anomalies de profondeur de couche de mélange hivernale
(décembre-avril) formé à partir des 12 évènements sélectionnés selon la méthode décrite dans le
texte. b) Ecart-type de la profondeur de couche de mélange hivernale (décembre à avril), en m, au
cours des 200 ans de la simulation de contrôle du modèle CNRM-CM3 utilisés…………………………
Figure IV - 14 : Composite des anomalies de SST et SSS hivernale (décembre-avril) formé à partir
des 12 évènements sélectionnés selon la méthode décrite dans le texte……………………………………
55
56
Figure IV - 15 : Composite des anomalies de température hivernale (décembre-avril) à divers
niveaux et à différentes échéances de temps formé à partir des 12 évènements sélectionnés selon la
méthode décrite dans le texte…………………………………………………………………………………….
57
Figure IV – 16 : Composite des anomalies de pression de surface hivernale (décembre-avril) à
diverses échéances temporelles formé à partir des 12 évènements sélectionnés selon la méthode
décrite dans le texte……………………………………………………………………………………………….
58
Figure IV – 17 : Composite des anomalies de production nette de glace hivernale (décembre-avril)
à diverses échéances temporelles formé à partir des 12 évènements sélectionnés selon la méthode
décrite dans le texte……………………………………………………………………………………………….
59
Figure IV – 18 : Composite des anomalies de flux d’eau douce hivernal (décembre-avril) formé à
partir des 12 évènements sélectionnés selon la méthode décrite dans le texte : advection par les
courants d’Ekman, précipitations, évaporation et advection par les courants géostrophiques………...
60
Figure IV – 19 : Composite des anomalies de flux de chaleur non solaire total hivernal (décembreavril)
formé à partir des 12 évènements sélectionnés selon la méthode décrite dans le texte…………..
62
Figure IV – 20 : Composite des anomalies de pression de surface hivernale (décembre-avril) réalisé
à partir des réanalyses du CEPMMT au cours des hivers 1965-1966, 1976-1977, 1978-1979, 1987-
1988 et 1997-1998…………………………………………………………………………………………………
63
Figure IV – 21 : Spectre de cohérence et spectre de phase entre les profondeurs de couche de
mélange hivernale (décembre-avril) moyennes en mer d’Irminger et en mer GIN. ……………………..
64
Figure IV – 22 : Spectre de cohérence et spectre de phase entre la profondeur de couche de
mélange hivernale (décembre-avril) moyenne en mer d’Irminger et la PC2 de la fonction de courant
méridienne annuelle……………………………………………………………………………………………….
64
Figure IV – 23 : Spectre de cohérence et spectre de phase entre la profondeur de couche de
mélange hivernale (décembre-avril) moyenne en mer d’Irminger et la PC1 de la fonction de courant
méridienne annuelle……………………………………………………………………………………………….
65
100

Figure IV – 24 : Schéma-bilan de l’impact d’une intensification des vents de nord sur la variabilité
de la circulation méridienne moyenne………………………………………………………………………….
66
Figure IV – 25 : Régression des anomalies de pression atmosphérique de surface annuelle sur la
PC2 à diverses échéances de temps………………………………………………………...
67
Figure IV – 26 : Régression des anomalies de transport méridien de chaleur annuel par l’océan sur
la PC2 à diverses échéances de temps………………………………………………………………………….
68
Figure IV – 27 : Régression des anomalies de SST hivernale (décembre-avril) sur la PC2…………..
68
Figure IV – 28 : Schéma-bilan du lien entre l’intensification des vents de nord au-dessus des mers
GIN et de la mer d’Irminger et la variabilité de la circulation méridienne moyenne……………………
Figure G - 6 : Spirale d’Ekman générée, dans l’Hémisphère Sud, par une tension de vent……………
Figure G - 7 : Schéma d’une situation de downwelling côtier dans l’Hémisphère Sud…………………
Figure G - 8 : Circulation océanique de surface avec ses différents gyres……………………………….
Figure G - 9 : Situation atmosphérique créant un pompage d’Ekman positif dans l’Hémisphère Sud.
Figure G - 10 : Schéma d’un upwelling côtier dans l’Hémisphère Nord………………………………….
Figure A - 4 : Localisation des sites de convection selon la méthode de Bentsen et al. (2003)………..
Figure A - 5 : Délimitation des sites de convection utilisée au cours de l’étude………………………..
69
76
78
79
80
84
87
88
Figure A - 6 : Ecart-type de la profondeur de couche de mélange, en m, au cours des 200 années de
la simulation de contrôle du modèle CNRM-CM3 utilisés en partie IV-2………………………………....
88
101

Bibliographie
Alexander, M. A., 1990, Simulation of the response of the North Pacific Ocean to the anomalous atmospheric
circulation associated with El Niño. Climate Dyn., 5, 53-65.
Bacon, S., Gould W. J., Jia Y., 2003, Open-ocean convection in the Irminger Sea. Geophysical Research Letters,
30(5) 1246.
Barnard, S., Barnier, B., Beckmann, A., Böning, C. W., Coulibaly, M., de Cuevas, D., Dengg, J., Dieterich, C.,
Ernst, U., Herrmann, P., Jia, Y., Killworth, P. D., Kro¨ger, J., Lee, M.-M., Le Provost, C., Molines, J.-M.,
New, A. L., Oschlies, A., Reynaud, T., West, L. J., and Willebrand, J., 1997, DYNAMO: dynamics of
North Atlantic Models: simulation and assimilation with high resolution models. Berichte aus dem
Institut für Meere-skunde an der Christian-Albrechts-Universität Kiel, Germany, Technical report
number 294, 334 pp.
Barnston, A.G., and Livezey R.E., 1987, Classification, Seasonality, and Persistence of Low-Frequency
Atmospheric Circulation Patterns. Mon. Weather Rev., 115, 1083-1126.
Bentsen, M., Drange, H., Furevik, T., Zhou, T., 2003, Variability of the Atlantic Meridional Overturning
Circulation in an isopycnic coordinate OGCM. Climate Dynamics. Accepted
Bjerknes, J., 1964, Atlantic air-sea interaction. Advances in Geophysics, Vol. 10, Academic Press, 1-82.
Björnsson and Venegas, 1997, A Manual for EOF and SVD analyses of climatic data. McGill University,
CCGCR Report No. 97-1, Montréal, Québec, 52pp.
Bojariu, R., Reverdin G., 2002, Large scale variability modes of freshwater flux and precipitation over the
Atlantic. Climate Dynamics, 18, 369-381.
Broecker, W. S., 1987, The biggest chill: Natural History, 96, p. 74-82.
Cariolle, D., Déqué, M., 1986, Southern Hemisphere Medium-Scale Waves and Total Ozone Disturbances in a
Spectral General Circulation Model, J. Geophys. Res., 91, 10825-10846.
Cayan, D. R., 1992a, Latent and sensible heat flux anomalies over the northern oceans: driving the sea surface
temperature. J. Phys. Oceanogr., 22, 859-881.
Cayan, D. R., 1992b, Latent and sensible heat flux anomalies over the northern oceans: the connection to monthly
atmospheric circulation. J. Climate, 5, 354-369.
Chapelon N., Douville H., Kosuth P., Oki T., 2002, Off-line simulation of the Amazon water balance. Climate
Dynamics, 19 , 141-154.
Clark, P. U., Pisias, N. G., Stocker, T. F., Weaver, A. J., 2002, The role of the thermohaline circulation in abrupt
climate change. Nature, 415, 863-869.
Clarke, R. A., and Gascard, J. C., 1983, The formation of Labrador Sea Water. Part I: Large-scale processes. J.
Phys. Oceanogr., 13, 1764-1778.
Cohen, J., Frei A., Rosen R. D., 2001, The role of Boundary Conditions in the AMIP-2 Simulations of the NAO.
J. Climate, 18, 973-981.
Curry, R. G., M. S. McCartney, and T. M. Joyce, 1998: Oceanic transport of subpolar climate signals to mid-depth
subtropical waters. Nature, 391, 575-577.
De Boyer Montégut, C., Madec G., Fischer A. S., Lazar A., Iudicone D., 2004, Mixed layer depth over the global
ocean: an examination of profile data and a profile based climatology. J. Geophys. Res., 109, C12003, doi
:10.1029/2004JC002378.
102

Delworth, T., Manabe, S., Stouffer, R.J., 1993, Interdecadal Variations of the Thermohaline Circulation in a
Coupled Ocean-Atmosphere Model. J Climate, 6, 1993-2011.
Delworth, T., Manabe, S., Stouffer, R.J., 1997, Multidecadal climate variability in the Greenland Sea and
surrounding regions: A coupled model simulation. Geophys. Res. Lett., 24, 257-260.
Delworth, T.L., Dixon, K.W., 2000, Implications of the recent trend in the Arctic/North Atlantic Oscillation for
the North Atlantic thermohaline circulation. J. Climate, 13, 3721-3727.
Delworth T., Greatbach R., 2000, Multidecadal thermohaline circulation variability driven by atmospheric surface
flux forcing. J.Climate, 13,1481-1495
Déqué, M., Braun, A., Piedelievre, J.-P., Marquet, P., Dandin, P., Guérémy, J.-F., Bazile, E., Piriou, J.-M., Yessad,
K., Courtier, P. et Rochas, P., 1999, ARPEGE version 3, documentation algorithmique et mode d’emploi.
[Accessible depuis CNRM/GMGEC, Météo-France, 42 avenue Gaspard Coriolis, 31057, Toulouse,
France]
Deser, C., Blackmon, M., 1993, Surface climate variations over the North Atlantic Ocean during winter 1900-
1989. J. Climate, 6, 1172-1180.
Dickson, R., Lazier, J., Meincke J., Rhines P., Swift J., 1996, Long-term coordinated changes in the convective
activity of the North Atlantic. Progress in Oceanography, 38, 241-295.
Eden, C., Jung, T., North Atlantic interdecadal variability, 2001, Oceanic response to the North Atlantic
Oscillation (1865-1997), J. Climate, 14, 676-691.
Eden, C., Willebrand, J., 2001, Mechanism of interannual to decadal variability of the North Atlantic circulation.
J. Climate., 14, 2266-2280.
Ekman, V.W., 1905, On the influence of the Earth’s rotation on ocean currents. Arkiv for Matematik, Astronomi,
och Fysik: 2 (11).
Frankignoul, C., Hasselmann, K., 1977. Stochastic climate models. Part II: Application to sea surface temperature
anomalies and thermocline variability. Tellus, 29, 289-305.
Frankignoul, C., Kestenare E., and Mignot J., 2002, The surface heat flux feedback. Part II: direct and indirect
estimates in the ECHAM4/OPA8 coupled GCM. Climate Dynamics, 19, 649-655.
Gibelin, A.-L., Déqué M., 2003, Anthropogenic climate change over the Mediterranean region simulated by a
global variable resolution model. Climate Dynamics, 20, 327–339.
Gloersen, P., Campbell W. J., Cavalieri D. J., Comiso J. C., Parkinson C. L., Zwally H. J., 1992, Arctic and
Antarctic Sea Ice, 1978-1987, Satellite Passive Microwave Observations and Analysis. NASA SP-511,
290 pp.
Goosse, H., Selten, F. M., Haarsma, R. J., Opsteegh, J. D., 2002, A mechanism of decadal variability of the sea-ice
volume in the Northern Hemisphere, Climate Dynamics. (DOI: 10.1007/s00382-001-0209-5).
Gordon, A.L., Interocean exchange of thermocline water, 1986, J. Geophys. Res. 91, 5037-5046.
Green, J. S., 1970, Transfer properties of the large-scale eddies and the general circulation of the atmosphere.
Quart. J. Roy. Meteor.Soc., 96, 157-185.
Griffies, M., Tziperman, E., 1995, A linear thermohaline oscillator driven by stochastic atmospheric forcing, J.
Climate, 8, 2440-2453.
Häkkinen, S., 1999, Variability of the simulated meridional heat transport in the North Atlantic for the period
1951-1993. J. Geophys. Res., 104, 10991-11007.
103

Häkkinen, S, Geiger, C. A., 2000, Simulated low-frequency modes of circulation in the Arctic Ocean. J Geophys
Res, 15, 6549-6564.
Häkkinen, S., 2002, Surface salinity variability in the northern North Atlantic during recent decades, J. Geophys.
Res., 107, (C12), 8003.
Holland, M. M., Bitz C. M., Eby M., Weaver A. J., 2001, The role of ice-ocean interactions in the variability of
the North Atlantic thermohaline circulation. J. Climate, 14, 656-675.
Hunke, E., C., Dukowicz, J. K., 1997, An elastic-viscous-plastic model for sea ice dynamics. J. Phys. Oceanogr.,
27, 1849-1867.
Hurrell, J. W., 1995a, Decadal trends in the North Atlantic oscillation: Regional temperature and precipitation.
Science, 269, 676-679.
Hurrell, J. W., 1995b, Transient eddy forcing of the rotational flow during northern winter. J. Atmos. Sci., 52,
2286-2301.
Klinck, J. M., Nowlin, W. D., 2001, Antarctic Circumpolar Current. Encyclopedia of Ocean Science, Academic
Press, 1st Edition, 151-59.
Kushnir, Y., 1994, Interdecadal variations in the North Atlantic sea surface temperature and associated
atmospheric conditions. J. Climate, 7, 141-157.
James, I. N., 1994, Introduction to circulating atmospheres. Cambridge Atmospheric end Space Science Series.
Johnson, M. A., Proshutinsky A. Y., Polyakov I. V., 1999, Atmospheric patterns forcing two regimes of arctic
circulation: A return to anticyclonic conditions?. Geophys. Res. Lett., 26, 1621-1624
Lazier J., Hendry R., Clarke A., Yashayaev I., Rhines P., 2002, Convection and restratification in the Labrador
Sea, 1990-2000. Deep Sea Research Part I: Oceanographic Research Papers, 49, numéro 10, pp. 1819-
1835(17)
Legg, S., H. Jones, and M. Visbeck, 1996, A heton perspective of baroclinic eddy transfer in localized open ocean
convection. J. Phys. Oceanogr., 26, 2251-2266.
Lemcke, P., Trinkl, E. W., Hasselmann, K., 1980, Stochastic dynamic analysis ofpolar sea ice variability. J. Phys.
Oceano., 10, 2100-2120.
Luksch, U., Von Storch H., Maier-Reimer E., 1990, Modeling North Pacific SST anomalies as a response to
anomalous atmospheric forcing. J. Mar. Sys., 1, 51-60.
Lumpkin, R., Speer, K., 2003, Large-scale vertical and horizontal circulation in the North Atlantic Ocean. J. Phys.
Oceanogr., 33, 1902-1920.
Madec, G., Delecluse, P., Crepon, M., Chartier, M., A., 1991, Three-Dimensional Numerical Study of Deep-Water
Formation in the Northwestern Mediterranean Sea. Journal of Physical Oceanography, 21, 1349-1371.
Madec, G., Delecluse P., Imbard, M., Lévy, C., 1998, OPA version 8.1 Ocean General Circulation Model
Reference Manual. Notes du Pôle de Modélisation, Institut Pierre Simon Laplace, numéro 11, 91pp
[Accessible depuis le Laboratoire d’Océanographie Dynamique et de Climatologie, Université Paris VI,
Paris 72252 , France]
Marshall, J., Schott F., 1999, Open ocean deep convection: Observations, models and theory. Rev. Geophys., 37,
1-64.
Marshall, J., Johnson H., and Goodman J, 2001, A study of the interaction of the North Atlantic Oscillation with
ocean circulation, J. Climate, 14, 1399-1421.
104

Mauritzen, C., Häkkinen S., 1997, Influence of sea ice on the thermohaline circulation in the Arctic-North Atlantic
ocean. Geophys. Res. Lett., 24, 3257-3260.
Mauritzen, C., Häkkinen S., 1999, On the relationship between dense water formation and the Meridional
Overturning Cell in the North Atlantic Ocean. Deep-Sea Res. I, 46, 877-894.
McCartney, M. S., Talley L. D., 1984, Warm-to-cold water conversion in the northern North Atlantic Ocean, J.
Phys.Oceanogr., 14, 922-935.
Mignot, J., 2003, Sur la variabilité climatique de la salinité de surface en Atlantique Nord et son lien avec la
circulation océanique dans un modèle couplé, Thèse de doctorat de l’Université Paris VI.
Mignot J, Frankignoul C., 2003, On the interannual variability of surface salinity in the Atlantic. Climate
Dynamics, 20, 555-565.
Mikolajewicz, U., Maier-Reimer, E., 1990, Internal secular variability in an OGCM. Climate Dynamics, 4, 145-
156.
Mysak, L. A., Venegas, S. A., 1998, Decadal climate oscillations in the Arctic: a new feedback loop for
atmosphere-ice-ocean interactions. Geophys. Res. Let., 25, 3607-3610.
Noilhan, J. and Planton, S., 1989, A simple parametrization of land surface processes for meteorological models.
Mon. Wea. Rev. 117, 536-549.
Oki, T., Sud, Y. C., 1998, Design of Total Runoff Integrating Pathways (TRIP) A global river channel network.
Earth Interactions, 2, paper 1.
Pickart, R. S., Straneo, F., Moore, G. W. K. 2003, Is Labrador Sea Water formed in the Irminger Basin? Deep Sea
Res. I 50, 23-52.
Proshutinsky, A. Y., Johnson M. A., 1997, Two circulation regimes of the wind-driven Arctic Ocean. J. Geophys.
Res., 102, 12493-12514.
Richman, M. B., 1985, Rotation of principal components. J. Climatology, 6, 293-335.
Rodwell, M. J., Rowell, D. P., Folland, C. K., 1999, Oceanic forcing of the wintertime North Atlantic Oscillation
and European climate. Nature 398, 320-323.
Rogers, J. C., 1984, The association between the North Atlantic Oscillation and the Southern Oscillation in the
Northern Hemisphere. Mon. Wea. Rev., 112, 1999-2015.
Rogers, J. C., 1990, Patterns of low-frequency monthly sea level pressure variability (1899-1986) and associated
wave cyclone frequencies. J. Climate, 3, 1364-1379.
Rothrock, D. A., Yu Y., and Maykut G. A., 1999, Thinning of the Arctic sea-ice cover. Geophys. Res. Lett., 26,
3469-3472.
Salas y Mélia, D., 2002, A global coupled sea ice-ocean model. Ocean Modelling, 4, 137-172.
Salas y Mélia, D., Chauvin, F., Déqué, M., Douville, H., Guérémy, J.-F., Marquet, P., Planton, S., Royer, J.-F.
Tytéca S., 2005, Description and validation of the CNRM-CM3 global coupled model. Note de Centre,
numéro 103.
Schmitz, W. S., McCartney M. S., 1993, On the North Atlantic circulation. Rev. Geophys., 31, 29-49.
Schott, F., Visbeck M., Fischer J., 1993, Observations of vertical currents and convection in the central Greenland
Sea during the winter of 1988/89. J. Geophys. Res., 98 (C8), 14401-14421.
Spall, M. A., 1993, Variability of sea surface salinity in stochastically forced systems. Climate Dynamics, 8, 151-
160.
105

Steele, M., Morley, R., Ermold, W., 2001, PHC: A global ocean hydrography with a high quality Arctic Ocean. J.
Climate, 14, 2079-2087.
Stommel H., 1958, The abyssal circulation. Deep-Sea Res., 5, 80-82.
Stommel, H., Arons, A. B., 1960a, On the abyssal circulation of the world ocean - I. Stationary planetary flow
pattern on a sphere. Deep-Sea Res., 6, 140-154.
Stommel, H., Arons A., 1960a, On the abyssal circulation of the world ocean - II: An idealized model of the
circulation pattern and amplitude in oceanic basins. Deep-Sea Res., 6, 217-233.
Sverdrup, H. U., 1947, Wind-driven currents in a baroclinic ocean; with application to the equatorial currents of
the eastern Pacific. Proc. Natl. Acad. Sci. U. S. A., 33, 318-326.
Swallow, J.C., Worthington L. V., 1961, An observation of a deep counter current in the western North Atlantic,
Deep-Sea Res., 8, 1-19.
Talley, L.D., Reid, J.L., Robbins, P.E., 2003, Data-based meridional overturning streamfunctions for the global
ocean. J.Climate, 16, 213-3226.
Terray, L., Valcke S., Piacentini A., 1998, Oasis 2.2 Ocean Atmosphere Sea Ice Soil, User's Guide and Reference
Manual, Technical Report TR/CMGC/98-05 [Accessible depuis le CERFACS, 42 avenue Gaspard
Coriolis, Toulouse, France]
Thompson, D. W. J, Wallace J. M., 1998, The Arctic Oscillation signature in the wintertime geopotential height
and temperature fields. Geophys. Res. Lett., 25, 1297-1300.
Timmerman, A., Latif, M., Voss, R., Grötzner, A., 1998 Northern hemispheric interdecadal variability: A coupled
air-sea mode. J. Climate, 11, 1906-1931.
Tomczak, M., Godfrey J. G., 1994, Regional Oceanography: an Introduction. Pergamon, Oxford, 442 pp.
Vellinga, M., Wood, R. A., 2002, Global Climatic Impacts of a Collapse of the Atlantic Thermohaline Circulation.
Climatic Change, 54, 251 – 267.
Vellinga, M., Wu P., 2004, Low-latitude fresh water influence on centennial variability of the thermohaline
circulation, J. Climate, 17, 4498-4511.
Vinje, T., 2000, Anomalies and trends of sea ice extent and atmospheric circulation in the Nordic Seas during the
period 1864-1998. J. Climate, 2001, 255-267.
Visbeck, M., Marshall J., Jones H., 1996, Dynamics of isolated convective regions in the oceans. J. Phys.
Oceanogr., 26, 1721-1734.
Visbeck, M., Cullen, H., Krahmann, G., Naik, N., An ocean model’s response to North Atlantic Oscillation like
wind-forcing. Geophys. Res. Lett., 25, 4521-4524, 1998
Von Storch, H., Zwiers F., 1999, Statistical Analysis in Climate Research. Cambridge University Press, New
York, 494 pp.
Wüst, G., Schichtung und Zirkulation des Atlantischen, 1935 [4] Ozeans, Die Stratosphäre, In Wiss. Ergebn.
Dtsch. Atl. Exped., 6, 180 pp. (in English translation: The Stratosphere of the Atlantic Ocean, edited by
W. J. Emery, 112 pp., Amerind, New Delhi, India, 1978.)
106