meteorologie et bilan de masse de surface a cap prudhomme
Transcription
meteorologie et bilan de masse de surface a cap prudhomme
STAGE M2R STUE 2005-2006 METEOROLOGIE ET BILAN DE MASSE DE SURFACE A CAP PRUDHOMME (TERRE ADELIE, ANTARCTIQUE) Présenté par Pierre LARDEUX Dirigé par Christophe GENTHON Co-dirigé par Delphine SIX et Gerhart Krinner RESUME Dans le cadre de la composante antarctique de l’Observatoire GLACIOCLIM, une station météorologique automatique (un an de mesure) et un réseau de baliseS d’ablation (deux ans de mesure) ont été installés près de la base franco-italienne de Cap Prudhomme (CP) en Terre Adélie (Antarctique). La région de Cap Prudhomme est une zone dite de « glace bleue » c’està-dire une zone où le bilan de masse de surface est négatif, ce qui a pour effet de mettre, en général, à nue la glace de la calotte antarctique. La première partie de ce stage de M2R STUE a consisté à traiter et analyser les mesures effectuées à la station météo CP, ceci dans le but de corriger les données fournies par le Centre Européen de Prévision Météorologique à Moyen Terme. Ces corrections ont été établies afin de créer une série météo s’étendant sur les deux ans de mesure de balises. Dans un second temps, cette série de forçage météorologique a été mise en entrée du modèle de neige/glace du CEN (CROCUS) afin de simuler l’évolution de l’accumulation et de l’ablation. Il ressort de cette étude que, dans la limite des incertitudes mises en évidence aux cours des corrections ainsi que par le biais de tests de sensibilité, il est possible de reproduire de façon raisonnable l’évolution observée tant au niveau de l’allure générale de l’évolution du manteau nivo-glaciaire de CP (plus d’ablation en été qu’en hiver, évènements précipitants, etc.) que de la valeur finale de l’ablation à l’issue de deux années de données (-33 cm observés). Ce stage ouvre des perspectives à plus grande échelle spatiale (ensemble des régions côtières antarctiques) et temporelle (prévision du bilan de masse de surface pour le prochain siècle). II ABSTRACT Within the framework of the antarctic component of the GLACIOCLIM Observatory, an automatic weather station and an accumulation/ablation stakes network have been set up near the Cap Prudhomme french-italian base in Terre Adélie (Antarctica). The Cap Prudhomme (CP) area is a so-called « blue ice area », that is, an region where the surface mass balance is negative resulting in bare ice generally showing at the surface. In a first part of this M2R STUE research project, the reports from the CP weather station were analyzed and processed in order to correct data supplied by European Centre for Medium-range Weather Forecasts. This resulted in the creation of a 2-year uninterruped meteorological time series consistent with the time frame of the stakes network mass balance reports. In a second step, the Centre d'Etudes de la Neige snow/ice model (CROCUS) was run with this meteorology in input, to simulate the evolution of accumulation and ablation at CP. It is shown that it is possible to reasonably reproduce the observed accumulation/ablation series, including broad patterns (increased ablation in summer, precipitation events, etc.) and final cumulated ablation (-33 cm as observed), within the range of model and meteorological uncertainties identified through data processing and sensitivity experiments. The completion of this research project opens propects at larger scales, both spatial (the entire antarctic coastal area) and temporal (predictions of surface mass balance for the next century). III TABLE DES MATIERES RESUME II ABSTRACT III TABLE DES MATIERES IV INTRODUCTION 1 CHAPITRE I : SITE D’ETUDE ET METHODOLOGIE -8- INSTRUMENTATION A CAP PRUDHOMME LES DONNEES ECMWF CROCUS -9-9- 11 - CHAPITRE II : CORRECTIONS DES DONNEES ECWMF 8 LES VARIABLES LIEES A LA TEMPERATURE LA TEMPERATURE DE L’AIR (TA) L’HUMIDITE RELATIVE (RH) LE RAYONNEMENT GRANDE LONGUEUR D’ONDE DESCENDANT (LWI) LE PROBLEME DES NUAGES LA NEBULOSITE TOTALE (TCC) LE RAYONNEMENT COURTE LONGUEUR D’ONDE (SWI) LE RAYONNEMENT GRANDE LONGUEUR D’ONDE (LWI) LES VARIABLES PEU CONTRAINTES LES PRECIPITATIONS ET LEUR PHASE (PREC, PH) LE VENT (VV) SYNTHESE 8 8 10 11 12 13 14 15 17 17 18 19 CHAPITRE III : RESULTATS 21 DEROULEMENT DES SIMULATIONS AJUSTEMENT DES PARAMETRES DU MODELE CROCUS LE BILAN DE MASSE DE SURFACE 21 22 22 CHAPITRE IV : DISCUSSION 25 SENSIBILITE DES PARAMETRES DU MODELE CROCUS LE COEFFICIENT D’EROSION EOLIENNE INCERTITUDE SUR LES DONNEES ET LES CORRECTIONS LES DONNEES LES CORRECTIONS SYNTHESE 25 27 27 27 28 30 CHAPITRE V : UNE COMPARAISON CAP PRUDHOMME / ST SORLIN 32 CHAPITRE VI : CONCLUSIONS ET PERSPECTIVES 33 REFERENCES BIBLIOGRAPHIQUES 35 REMERCIEMENTS 35 IV INTRODUCTION L’Antarctique… plus de 12.106 km² sans les ice shelves (24 fois la superficie de la France) pour un volume de glace d’environ 26.106 km3 équivalent à une augmentation de 61 m du niveau marin [14]. La calotte glaciaire antarctique joue, de part sa présence au Pole Sud et sa taille, un rôle très important dans le climat planétaire. Les phénomènes environnementaux et climatiques (modification du niveau marin, de la circulation atmosphérique et océanique, de l’albédo planétaire moyen…) qui sont liés à l’existence et à l’évolution de la calotte polaire, ont des conséquences non-négligeables sur des échelles de temps glaciaire – interglaciaire. A ces échelles l’élément permettant une quantification du climat global est le niveau marin et donc dans une certaine mesure le bilan de masse total de l’Antarctique. Ce dernier répond à deux composantes : l’accumulation (précipitations faibles mais régulières) et l’ablation (vêlage d’icebergs, fonte sous les ice shelves et en surface, transport de la neige par le vent (drifting snow), sublimation…). Il est donc soumis à des phénomènes dynamiques affectant toute l’épaisseur de glace (vêlage) et à des phénomènes de surface (précipitations, sublimation, fonte, drift…). Ceux-ci influencent le bilan de masse de surface (Surface Mass Balance en anglais, SMB). Le SMB est à l’heure actuelle relativement mal connu malgré son importance pour le bilan de masse total de l’Antarctique et donc pour la variation à court terme du niveau marin. Améliorer les connaissances sur le SMB antarctique est donc essentiel mais les données de terrain manquent et pour l’instant la télédétection spatiale ne permet pas d’avoir ni la précision ni le recul (20 ans de données au maximum) nécessaire à l’établissement de séries temporelles longues permettant la construction et la validation de modèle d’évolution antarctique. C’est dans ce contexte que le Laboratoire de Glaciologie et de Géophysique de l’Environnement (LGGE) de Grenoble a mis en place l’Observatoire de Recherche en Environnement (ORE) GLACIOCLIM (les GLACIers, un Observatoire du CLIMat) comprenant une partie antarctique nommée SAMBA (SurfAce Mass Balance of Antarctica observatory). L’ORE GLACIOCLIM comprend aussi une partie Alpes et une partie Andes [28]. La composante SAMBA [27], sous la responsabilité de Christophe Genthon (LGGECNRS), comporte plusieurs stations météo automatiques ainsi que des réseaux de balises sur la côte Adélie et le plateau antarctique à Dôme C (cf. Chapitre I). C’est dans le cadre de cet observatoire qu’un stage de Master 2 Recherche STUE, ayant pour thème la « météorologie et le bilan de masse de surface à Cap Prudhomme (Terre Adélie, Antarctique) » (cf. Chapitre I) a été proposé par Christophe Genthon pour l’année 2005-2006. La station franco-italienne de Cap Prudhomme (CP, cf. figure ci-dessous) se situe sur la côte 1 antarctique en Terre Adélie à environ 5 km de la base de Dumont D’Urville (DDU). Les raisons précises du choix de ce site pour l’installation d’un réseau de balises et d’une station météo automatique (Automatic Weather Station en anglais, AWS) sont présentées dans le chapitre I. Le but de ce stage était de comprendre les processus qui font que la région de Cap Prudhomme est l’une des rares zones d’ablation (1% de la surface antarctique [3]) présente en Antarctique et donc de comprendre l’origine des zones de « glace bleue » (Blue Ice Area en anglais, BIA) comme celle de Cap Prudhomme. Pour ce faire ce stage comportait plusieurs phases : - le traitement et l’analyse des paramètres météorologiques observés à Cap Prudhomme - la correction des données météo modélisées par le Centre Européen de Prévision à Moyen Terme (European Centre for Medium-range Weather Forcasts en anglais, ECMWF) [29] afin que ces dernières soient le plus proche possible des données observées (problèmes de résolution et de modélisation, cf. Chapitre II). L’intérêt des données ECMWF est d’étendre dans le temps la série météorologique de Cap Prudhomme afin de pouvoir simuler les 2 ans de SMB observés grâce aux balises. - la modélisation du SMB et de l’évolution de la couche de glace sur 2 ans par la mise en entrée de la série temporelle complète dans le modèle de neige de Météo-France : CROCUS [4,5,7,8]. Ce dernier simule l’évolution du manteau neigeux (aussi bien son épaisseur et ses paramètres physiques que le métamorphisme détaillé de la neige) à partir d’un profil initial de la stratigraphie et des conditions météorologiques. Cette démarche doit permettre d’identifier le ou les paramètres météo influençant le plus le SMB à Cap Prudhomme ainsi que de comprendre quels sont les paramètres « sensibles » du modèle de neige qui a été développé pour les Alpes françaises et par conséquent tester dans quelle mesure il est applicable en dehors des zones montagneuses tempérées. Certaines réponses ont déjà été apportées par le travail effectué par Elsa Dieudonné dans le cadre d’un stage de L3 [6] mais ce travail a aussi apporté beaucoup de nouvelles questions notamment au niveau de l’influence du vent dans le SMB. Ceci a entraîné la modification du code du modèle CROCUS par Christophe Genthon pour intégrer un paramètre d’érosion éolienne. De plus des études sur les BIA à l’aide de stations automatiques ont déjà été réalisées [23] mais uniquement sur le plateau antarctique et dans la pente côtière (Dronning Maud Land, cf. figure ci-contre). Ces régions présentent une climatologie très différente de celle de la côte mais ces travaux ont permis de donner des pistes de recherche pour ce stage. De même le travail déjà effectué à partir des données de l’AWS CP a évidemment servi de base pour ce stage. 2 Ce rapport a pour objet de présenter dans un premier temps le site d’étude et la méthodologie utilisée (chapitre I) puis de développer et de discuter les corrections apportées aux données du ECMWF (chapitre II). Les résultats des simulations CROCUS et leur discussion sont exposés dans les chapitres III et IV. Enfin les conclusions et les perspectives de ce stage sont présentées dans le chapitre V. Carte de l’Antarctique et localisation de quelques stations scientiques. BH=Bellingshausen (Russie), DC=Dôme C, Concordia (France, Italie), DDU/CP=Dumont D’Urville et Cap Prudhomme (France), HAL=Halley (Royaume-Uni), MAW=Mawson (Australie), McM=McMurdo (Etat-Unis), NEU=Neumayer (Allemagne), PS=Pôle Sud (Etat-Unis), VOS=Vostok (Russie). 3 CHAPITRE I : SITE D’ETUDE ET METHODOLOGIE La station de Cap Prudhomme (CP) est une base logistique franco-italienne. Située en Terre Adélie (Antarctique) ses coordonnées sont 66,69°S – 139,91°E. Ce site a été choisi pour plusieurs raisons : - la proximité de Dumont d’Urville (facilitant la logistique) - la position continentale de CP contrairement à DDU (situé sur l’île des Pétrels, cf. figure I-1, ci-dessous) - les alentours de la station sont l’une des rares zones d’ablation en Antarctique. Cette ablation est visible car c’est une zone de « glace bleue » (BIA) [9,10] - les régions côtières en Antarctique de l’Est sont relativement peu documentées par rapport à la péninsule antarctique du fait du peu de stations de recherche et de leur fort espacement sur la côte de la Terre de Wilkes. Figure I-1 : Carte de localisation de Cap Prudhomme (asl=above sea level, au-dessus du niveau de la mer) La climatologie de CP est typique de la côte Adélie [15]. La table I-1 présente la moyenne des différents paramètres mesurés grâce à l’AWS pour la période allant du 15 Janvier 2005 à 22 h 30 (heure locale ou Local Time en anglais, LT) au 7 Février 2006 à 14 h (LT). Moyenne entre le 15/01/2005 et le 07/02/2006 Température (°C) -10.7 Humidité Relative (%) 57.1 Vitesse du Vent (m/s) 11.1 Rayonnement Visible Incident (W/m²) 132.8 Rayonnement Infrarouge Incident (W/m²) 208.8 Table I-1 : Moyenne des paramètres météo courants 4 La direction du vent est aussi mesurée mais elle n’est pas indiquée car une moyenne de ce paramètre n’a pas de sens physique contrairement aux directions prédominantes : ~N135 et ~N190, caractéristiques des phénomènes catabatiques. De même le rayonnement visible et le rayonnement infrarouge réfléchi sont mesurés mais ont peu d’intérêt car ils correspondent à ce que le rocher, sur lequel est la station météo, renvoie ou émet. L’évolution détaillée de toutes ces variables est présentée dans l’Annexe E. Instrumentation à Cap Prudhomme Un mat haubané de 4 m, fixé sur le rocher du Gravimètre, constitue le support des capteurs de l’AWS (cf. photo sur la couverture). Le rocher du Gravimètre est situé à proximité de la base de Cap Prudhomme. Le fait que l’AWS ne soit pas directement sur la glace peut engendrer des problèmes de représentativité des mesures par rapport à la surface (cf. Chapitre IV). Des stations météo complémentaires sont actuellement en place directement sur la glace afin d’évaluer l’impact de la présence du rocher sous l’AWS principale. Cette dernière est constituée d’une centrale d’acquisition et des instruments de mesure répartis sur le mat [9] (cf. Annexe D). Les mesures sont réalisées toutes les 10 secondes et la centrale d’acquisition enregistre les moyennes demi-horaires. L’information météorologique est donc assurée par l’AWS, tandis que l’information glaciologique est assurée par un réseau de 47 balises d’ablation (cf. Annexe D). Ces dernières sont du même type que celles utilisées sur les glaciers alpins : balise en bois multibrins de 10 m installée à la sonde à vapeur. L’entretien de la station météo et la relève des balises est effectués le plus souvent possible soit par l’équipe GLACIOCLIM pendant l’été austral soit par les hivernants du programme de chimie atmosphérique CESOA (LGGE) à DDU le reste de l’année. Les données ECMWF Le Centre Européen de Prévisions Météorologiques à Moyen Terme [29] est une organisation regroupant 26 pays d’Europe (dont la France) et ayant pour but principal la prévision météorologique à moyen terme par le biais du développement de méthodes numériques (modèles de circulation générale ou General Circulation Models en anglais, GCMs) et par la collecte et le stockage des données météo mondiales. L’ECMWF aide aussi les programmes scientifiques visant à l’amélioration de la compréhension du système climatique. Dans ce cadre il fournit gracieusement des données pour les différents sites de l’ORE GLACIOCLIM [28]. Ces données sont soit des réanalyses météorologiques faites depuis les années soixante jusqu'à l’an 2000 (ERA 40) soit des analyses opérationnelles. 5 Dans le cadre de GLACIOCLIM SAMBA, l’AWS de Cap Prudhomme est en fonction depuis l’été austral 2005. Quant au réseau de balises, il est fonctionnel depuis Janvier 2004. La station météo automatique a subi quelques problèmes engendrant des données erronées (humidité relative enregistrée comme étant de -7000% par exemple) qui ont été filtrées par la suite. Enfin toutes les variables météo nécessaires à la modélisation du manteau neigeux dans CROCUS (cf. § suivant) ne sont pas observées. Celui-ci réclame en entrées, en plus des variables déjà mentionnées : la nébulosité totale, la quantité de précipitations et la phase de ces dernières. A cause de tous ces éléments, il est donc nécessaire de compléter la série météo de l’AWS CP afin de simuler les deux ans d’ablation (cf. Chapitre III) constatés avec les balises. Pour ce faire, les données météo de quatre points de grille (cf. table I-2) des analyses opérationnelles de l’ECMWF, autour la station CP, ont été extraites pour la période allant de Janvier 2004 à Janvier 2006. Point de grille Latitude Longitude Distance à CP (km) Altitude (m asl) Continentalité Zone 1 66.91°S 139.17°E 40.32 873.03 1 Zone 2 66.56°S 139.17°E 35.77 179.45 0.49 Zone 3 66.91°S 140.00°E 24.61 657.84 0.99 Zone 4 66.56°S 140.00°E 15.63 53.05 0.16 Table I-2 : Coordonnées des points de grille ECMWF (les coordonnées et la distance font référence au centre de la zone tandis que l’altitude et la continentalité font référence à la zone entière). La continentalité correspond à la fraction surfacique de terres émergées dans la zone concernée. Les données extraites correspondent aux variables météo (notations en Annexe A) nécessaires au modèle de neige CROCUS (température (Ta), dew-point (d2m) à la place de l’humidité relative, vent (Vv), rayonnements (sw, lw), nébulosité (tcc), précipitations (prec) et phase (ph)) mais elles peuvent être séparées en variables analysées (Ta, d2m, Vv, tcc) et variables prévues (sw, lw, prec, ph). Les variables analysées sont le résultat de l’assimilation des données météo observées dans une grille prévue du GCM (toutes les 6h à partir de 0h en Temps Universel (Universal Time en anglais, UT). Les variables prévues sont pour leur part des résultats du GCM initialisé avec les variables analysées. Elles sont intégrées sur les 6h suivant l’analyse et donc centrées à partir de 3h UT. Aucune des zones de l’ECMWF ne correspond parfaitement à la situation de Cap Prudhomme : la position et l’altitude des points de grille, la résolution des analyses opérationnelles (40 km x 40 km) ainsi que l’imperfection de la physique du modèle n’autorisent pas l’emploi des données ECMWF brutes pour compléter la série météo de l’AWS CP. Donc pour résoudre (du moins en partie) ces problèmes, particulièrement 6 l’incertitude sur la représentativité ponctuelle de données modélisées pour une zone de 160 km², il est nécessaire d’effectuer des corrections sur les données de l’ECMWF. Ces corrections (cf. Chapitre II) se font par rapport aux données 2005-2006 de l’AWS CP : les données de l’ECMWF sont comparées directement à celle de l’AWS CP puis ajustées par des fonctions mathématiques. Le chapitre II détaille ces corrections. CROCUS CROCUS [18,19] est le modèle de neige (la glace étant considérée comme un état particulier de la neige) développé par le Centre d’Etude de la Neige (CEN) à Grenoble pour MétéoFrance. Il est mis en œuvre dans la chaîne SAFRAN-CROCUS-MEPRA pour la prévision des risques d’avalanche dans les Alpes françaises. CROCUS modélise l’évolution du manteau neigeux ainsi que les phénomènes se déroulant à l’interface air – neige, à partir des données météo citées précédemment et ce en simulant les transferts radiatifs à travers la neige et la glace, les transferts de masse (présence d’eau liquide, ruissellement (runoff en anglais) ainsi que le métamorphisme des grains de neige. Ce dernier point permet d’obtenir en sortie, outre l’épaisseur du manteau neigeux et les différents flux à l’interface (turbulents, radiatifs et massiques), des profils stratigraphiques du manteau neigeux. Dans ces profils, les variables suivantes sont modélisées pour chaque couche de neige ou de glace : - l’épaisseur - la température - la densité (0,917 pour la glace) - la Teneur en Eau Liquide (TEL) - les deux paramètres de grain G1 et G2 définissant la dendricité/sphéricité et la taille - l’histoire thermodynamique de la couche - la date de création de la couche Les détails concernant les autres sorties du modèle CROCUS seront indiqués au fur et à mesure. Evidemment dans le cadre de la modélisation du bilan de masse de surface à Cap Prudhomme, la sortie la plus intéressante est l’épaisseur de la couverture neigeuse et glaciaire, mais les flux et les profils sont aussi utiles à la compréhension des phénomènes qui régissent le SMB. Le modèle de neige du CEN sert d’une part à faire de la prévision mais aussi, depuis quelques années déjà, à effectuer des recherches notamment sur le manteau neigeux au Groenland [11] et dans les Andes [17], le bilan de masse sur l’ensemble de l’Antarctique (projet POLARSNOW) et sur les Alpes [1]. C’est pour cette raison qu’il a été choisi pour cette étude qui reste entièrement nouvelle car réalisée en zone côtière antarctique. 7 CHAPITRE II : CORRECTIONS DES DONNEES ECWMF Comme il a été expliqué dans le chapitre I, les données ECWMF ont été corrigées afin de se rapprocher le plus possible des données observées à Cap Prudhomme pour l’année 2005 et ainsi pouvoir les compléter, le but final étant évidemment d’obtenir une série temporelle de forçage de Janvier 2004 à Janvier 2006. Le principe de ces corrections étant de confronter directement les données mesurées et celles modélisées, la façon la plus simple de le faire est de trouver s’il existe une relation simple (type régression linéaire) entre les deux sets de données. Ceci est clairement une démarche empirique (corrections fondées sur une série temporelle particulière) mais elle s’est avérée la plus appropriée compte tenu du temps disponible et de l’application de ces corrections. Une démarche théorique de correction du modèle de l’ECMWF n’aurait pas été envisageable dans le cadre de ce stage. L’analyse, le traitement puis la correction de toutes les données météo disponibles ont occupé plus de la première moitié du stage. Ces données étant sous format ASCII, il a été nécessaire de développer des programmes FORTRAN afin de traiter l’information rapidement. Les variables liées à la température Cette partie concerne les variables météorologiques directement liées à la température de l’air (l’humidité relative (Relative Humidity en anglais, RH) et le rayonnement grande longueur d’onde incident (Long Wave en anglais, LWi)) et bien évidemment la température elle-même. La température de l’air (Ta) Dans les analyses opérationnelles de l’ECMWF, la température de l’air est une valeur instantanée (donnée analysée, cf. Chapitre I) à 2 m de la surface. La température était à priori la variable la plus facile à corriger étant donné la bonne concordance entre les données ECMWF et CP (figure II-1). La différence majeure entre les deux sets est la sous-estimation de Ta dans les zones ECMWF 1 et 3 due à leur altitude plus élevée que l’AWS CP (le gradient vertical de température près de la cote antarctique est d’environ -5°/km [16]). Une des corrections possibles aurait donc été d’ajuster Ta pour chaque zone en fonction de sa différence d’altitude avec la BIA (~ 70 m asl) de Cap Prudhomme et en tenant compte d’un gradient de température moyen pour l’Antarctique. Cette solution pose plusieurs problèmes : - le gradient vertical peut varier au cours du temps tandis que sa valeur pour la correction serait gardée constante car tirée de la littérature et non réellement mesurée sur le terrain - Ta ne dépend évidemment pas que de l’altitude, surtout en Antarctique où les inversions sont fréquentes et où le rayonnement joue un rôle aussi important que la 8 masse d’air présente sur une région donnée. Or tout ceci est déjà pris en compte dans le modèle de l’ECMWF. Donc une correction tenant compte de tous ces paramètres est nécessaire : une régression polynomiale permet de corriger globalement la température pour chaque zone. Figure II-1 : Relation entre Ta CP et Ta ECMWF. La ligne tiretée correspond à la droite 1:1. La régression linéaire a l’avantage de la simplicité et donc une compréhension plus aisée de son action sur les données. Mais elle n’apporte aucune différence de correction entre les températures chaudes et les températures froides. En effet la figure II-1 montre qu’il existe une relation différente entre Ta CP et Ta ECMWF pour des valeurs supérieures à ~ -3°C (270 K) : les zones 1 et 3 (continentales) sous-estiment encore plus Ta tandis que les zone 2 et 4 (océaniques) ont tendance à la surestimer. Or les températures supérieures à -3°C sont des températures sensibles car elles se situent autour du point de fusion de la glace (0°C ou 273,15 K) et peuvent donc avoir une grande influence sur le SMB. Cette augmentation du biais pour les températures sensibles peut s’expliquer par l’existence d’un découplage plus fort entre la température de surface et celle à 2 m pour des valeurs élevées de cette dernière. En effet lorsque que Ta avoisine 0°C, la température de surface (Ts) est aussi à 0°C, mais lorsque Ta augmente, Ts reste à 0°C à cause de la fonte, donc le gradient de température augmente. Or Ta n’est qu’une interpolation, en fonction de ce gradient, de la température de la couche de surface (~ 10 m) du modèle. Le gradient semble moins bien simulé pour les 9 valeurs proches de 0°C et donc le biais augmente. Pour tenir compte plus précisément de ces éléments, une fonction polynomiale d’ordre 5 (cf. Annexe C pour les équations détaillées) a été ajustée (figure II-1). Une fonction d’ordre inférieur ne permettait pas de saisir la surestimation des zones océaniques pour les températures autour de 0°C (température sensible, cf. précédemment) tandis qu’une fonction d’ordre supérieur apportait plus de précision mais tenait aussi fortement compte des quelques points « aberrants » présents dans les deux sets de données. L’humidité relative (RH) Pour la correction de l’humidité relative, plusieurs approches ont été tentées, car l’ECMWF ne fournit pas directement RH mais la température du point de rosée (dew-point en anglais), qui est par définition [13] la température à laquelle l’air doit être refroidi (à pression et rapport de mélange constant) pour atteindre la saturation en accord avec une surface d’eau liquide. La correction de l’humidité relative pouvait donc soit porter directement sur RH après conversion du dew-point ECMWF, soit porter sur le dew-point après calcul de celui de CP. La correction par les deux méthodes a été réalisée sans différences significatives quant au niveau de l’erreur quadratique moyenne (Root Mean Square Error en anglais, RMSE) par rapport aux observations. Une correction globale n’est pas très satisfaisante aux vues de la dispersion des données surtout pour les zones océaniques (cf. figure II-2). Figure II-2 : Relation entre RH CP et RH ECMWF en fonction de Ta. Les droites correspondent aux régressions linéaires de chaque série de données. 10 De part la méthode de calcul de RH [13,26], cette variable est fortement liée à la température. En effet cette dernière détermine la quantité d’eau maximum contenue dans l’air et donc détermine la pression de vapeur saturante (valeur qui rentre dans le calcul de RH). La température peut donc s’avérer être un bon critère de correction. Effectivement, comme le montre la figure II-2, ci-contre, la relation entre RH CP et RH ECMWF varie en fonction de la température. Il semble donc possible d’effectuer une correction différente pour chaque plage de température représentée précédemment. Etant donnée la forte dispersion des valeurs, une régression linéaire pour chaque plage de température semble raisonnable. Mais pour les zones océaniques, les régressions linaires trouvées étaient aberrantes (quasi-horizontales voire même avec une pente négative) dans l’optique d’un modèle proche de la réalité. Il existe peu de valeurs de RH inférieures à 40% mais le nuage de point semble légèrement converger dans cette zone. Cette constatation a permis d’établir un critère (quelque peu arbitraire compte tenu de la forme du nuage de points) pour contraindre les régressions linéaires des zones océaniques : leur ordonnée à l’origine sera nulle (cf. Annexe C). Cette approche en fonction de la température a permis de légèrement améliorer la RMSE de chaque zone (cf. § final) mais surtout une correction plus précise pour les événements de fortes températures. De plus elle permet probablement d’intégrer l’erreur due au fait que les mesures à CP sont réalisées avec un instrument en accord avec une surface d’eau liquide et non de glace. Cet élément est surtout sensible pour les très basses températures (cf. Annexe E) : il existe un « cut-off » aux basses températures qui se traduit par le fait que l’instrument ne mesure jamais un état de saturation (cf. Chapitre IV). Le rayonnement grande longueur d’onde descendant (LWi) LWi est une variable prévue dans les données ECMWF ; il a donc été nécessaire pour la comparaison avec le LWi CP de moyenner ce dernier sur 6h. Mise à part cette différence, la même technique de correction que pour la température a été utilisée, c’est-à-dire une régression polynomiale d’ordre 5 (cf. figure II-3 et Annexe C). En effet le rayonnement thermique est lié à Ta par la loi du corps noir (ou loi de Stefan-Boltzmann) : Φ = εσT 4 où Φ est le flux émis, ε est l’émissivité du corps considéré, σ la constante de Stefan-Boltzmann et T la température du corps. Dans le cas présent le corps considéré est l’atmosphère. Donc pour avoir la même précision que sur la température, une régression du 5ème degré a été utilisée pour corriger LWi ECMWF, d’autant que les données sont plus dispersées à cause de la dépendance de LWi à la nébulosité (cf. § suivant) et aussi à l’humidité. De plus le même biais dans les valeurs élevées doit exister avec LWi mais il est moins visible. 11 Figure II-3 : Relation entre LWi CP et LWi ECMWF. La ligne tiretée correspond à la droite 1:1. Par ailleurs d’autres approches ont été testées pour apporter une correction plus précise, notamment au niveau de la dépendance à la température. Mais cela n’a pas été concluant, les résultats confirmant seulement la loi de Stefan-Boltzmann (cf. Annexe F.1). Les autres approches concernent la dépendance à la nébulosité et sont abordées dans la partie suivante. Le problème des nuages Dans tous les modèles climatiques ou météorologiques, les nuages restent l’un des problèmes majeurs tant au niveau de leur présence, leur étendue ou encore leur épaisseur. La nébulosité répond à des phénomènes micro-météorologiques qui sont difficiles à intégrer dans un modèle ayant une grille de 40 x 40 km par exemple comme c’est le cas pour les analyses opérationnelles de l’ECMWF. L’assimilation de données de nébulosité totale (Total Clouds Cover en anglais, tcc) dans le GCM de l’ECMWF est réalisée par l’intermédiaire des observations satellites (visible ou infrarouge) qui sont encore en cours de validation au niveau des caractéristiques des nuages. La partie suivante expose les différents problèmes rencontrés pour la tcc et les variables qui y sont directement et fortement liées (le rayonnement courte longueur d’onde (SWi) et le LWi, notations en Annexe A). 12 La nébulosité totale (tcc) Les analyses opérationnelles de l’ECMWF comportent évidemment les données concernant la nébulosité : en plus de la tcc, l’ECMWF fournit la nébulosité en fonction du niveau des nuages (haut, moyen et bas). Il n’existe à l’heure actuelle aucune observation directe de la nébulosité à Cap Prudhomme. Une correction est donc impossible mais une évaluation de l’exactitude (ou plutôt de l’incertitude) des données de l’ECMWF peut être réalisée à partir des données Météo-France de la station Dumont d’Urville. Les observations, qui consistent en l’estimation « à l’œil » de la quantité de nuages couvrant le site, sont réalisées toutes les 3h entre 9h et 21h LT et ce même durant l’hiver polaire (nuit totale pendant plus de six mois). Pour effectuer l’évaluation, la nébulosité simulée et celle observée ont été mises en relation comme pour établir une correction normale. Ceci a posé quelques problèmes au niveau de la lisibilité et donc des « cartes » de densité de concordance (= densité de point où la couverture nuageuse de la station de DDU était la même (même nombre d’octa) que celle simulée par l’ECMWF) ont été réalisées pour chaque zone ECMWF (cf. figure II-4). Figure II-4 : Carte de densité de concordance entre la tcc simulée par l’ECMWF (en abscisse de chaque carte) et la tcc observée à DDU (en ordonnée de chaque carte). La nébulosité est exprimée en octa avec 0 = 0%, 8 = 100% de couverture nuageuse. Les couleurs indiquent le nombre de concordances pour une tcc ECMWF et une tcc DDU donnée (nombre total de données = 3808). Le noir correspond à des valeurs négatives dues à l’interpolation. 13 Toutes choses étant égales par ailleurs, si la tcc modélisée était parfaite, la densité de point devrait être maximale sur la bissectrice de ces « cartes ». Globalement les données ECMWF ont tendance à surestimer les valeurs faibles et à sous-estimer les valeurs fortes de nébulosité (région bleue à chaque extrémité). Malgré tout, les zones océaniques (2 et 4) montrent une densité plus forte, entre les nébulosités extrêmes, que les zones continentales (1 et 3). Dans cette optique de nébulosité la « moins mal » simulée, la zone 4 semble être le choix le « moins mauvais » pour la mise en entrée de CROCUS. L’impact direct d’une variation de la nébulosité sur le SMB simulé par le modèle CROCUS est limité mais par contre il est beaucoup plus important sur la répartition du rayonnement visible total entre sa composante directe et sa composante diffuse, ainsi que dans une autre mesure sur le LWi. Le rayonnement courte longueur d’onde (SWi) Le lien très étroit existant entre SWi et tcc est assez trivial : plus la couverture nuageuse est importante plus le rayonnement visible est faible. Malgré sa simplicité, cette relation a d’importantes implications pour une éventuelle correction de SWi. Premièrement le choix de la zone ECMWF pour tcc entraîne obligatoirement le choix de la même zone pour SWi afin de préserver le lien entre les deux (SWi arrivant à la surface est calculé en prenant en compte toute l’information nuages : altitude, épaisseur, étendue…). Cette obligation est d’autant plus importante que CROCUS réclame en entrée le rayonnement direct et diffus. Or seul le rayonnement incident total est fourni par l’ECMWF. Une paramétrisation a donc été mise en place afin de calculer les composantes du rayonnement solaire. Elle sera discutée par la suite. Deuxièmement l’importance de l’erreur sur la nébulosité se répercute directement sur le SWi. En effet si tcc est mal simulé, le SWi calculé à partir de cette dernière sera très différent des observations. Comme le montre la figure II-4, l’erreur sur tcc se situe grossièrement entre 1 et 7 octa. C’est donc lors de ces événements nuageux intermédiaires que l’erreur sur SWi sera la plus grande. Pour ce qui est des évènements nuageux où la tcc est de 100%, une erreur assez importante peut persister malgré une bonne concordance temporelle. En effet dans ce cas, ce n’est plus le pourcentage de couverture qui peut apporter un biais mais l’épaisseur de la couverture nuageuse. Pour tenir compte de ces différents paramètres, la correction appliquée à SWi est fonction de tcc avec un seuil à 5%. Ce seuil est celui à partir duquel une régression linéaire est appliquée aux données SWi ECMWF (cf. figure II-5). Cette régression linéaire est forcée avec une ordonnée à l’origine nulle pour tenir compte des problèmes de diffusion multiple et d’angle d’incident rasant lors des « nuits » de l’été austral. 14 Figure II-5 : Relation entre le SWi CP et SWi ECMWF en fonction de tcc. La ligne tiretée correspond à la droite 1:1. La ligne correspond à régression (ordonnée pleine la linéaire à l’origine forcée à zéro) appliquée pour tcc > 5%. La pente de cette droite est égale à 0,91. Cette correction n’améliore pas la RMSE (cf. § final) par rapport à un set de données non corrigées mais elle permet de tenir compte de l’erreur sur les nuages et est donc plus précise qu’une correction globale. Quant à la distinction rayonnement direct (SWdir) / rayonnement diffus (SWdif), elle fait l’objet de la paramétrisation suivante : SWdif = SWi × (0.2 + tcc × 0.8) SWdir = SWi − SWdif Elle est fondée sur la comparaison des données de l’ECMWF avec les données SAFRAN pour la région du Glacier de St-Sorlin (Alpes, France [28]). Le manque de temps n’a pas permis de chercher une paramétrisation plus adaptée au site de Cap Prudhomme [12,20] (cf. Chapitre IV). Le rayonnement grande longueur d’onde (LWi) Comme SWi, LWi dépend aussi de la nébulosité mais à une moindre échelle. Cependant dans une tentative pour garder une certaine cohérence entre les différentes variables, une approche différente de celle choisie et expliquée dans un des paragraphes précédents, a été réalisée : plutôt que de corriger les données de l’ECMWF, plusieurs paramétrisations empiriques ont été testées afin de recalculer LWi en fonction de tcc, RH et Ta. Ces différentes paramétrisations ont été choisies principalement d’après l’acte de la conférence IRS (International Radiation Symposium) 2000 de St Petersbourg [21]. La figure II-6 montre le résultat de cette approche : 15 Figure II-6: Comparaison de la relation LWi CP et LWi modélisé pour différentes paramétrisation La ligne tiretée correspond à la droite 1:1. Malgré la variété des paramétrisations testées tant au niveau de leur complexité que de leur approche, la modélisation de l’ECMWF reste la meilleure étant données les observations de l’AWS CP. Les équations régissant ces paramétrisations sont dans l’Annexe C. Cette approche à l’aide de paramétrisations empiriques (et par conséquent spécialement conçues pour un lieu d’étude) a donc été abandonnée mais reste cependant une voie à travailler plus spécifiquement pour Cap Prudhomme car elle offre la possibilité d’adapter les différents paramètres aux conditions réelles de terrain. De plus cette approche a aussi permis de constater la très forte influence de la nébulosité sur LWi : outre la grande dispersion des valeurs, la figure II-6 montre qu’il existe deux sous-ensembles dans le nuage de point. Le premier se situe plutôt dans les faibles valeurs de LWi et pourrait correspondre à des jours de ciel clair, bien simulés. Le deuxième sous-ensemble se situe dans les fortes valeurs et pourrait correspondre à des jours totalement couverts. Ces deux groupes de points sont séparés par un espace où la densité de point est moindre, qui pourrait correspondre aux jours où la nébulosité est intermédiaire et donc très mal modélisée, ce qui a pour effet de disperser les données. 16 Les variables peu contraintes Dans cette partie sont regroupées les variables pour lesquelles les observations sont soient inexistantes (prec et ph) soient ne permettent pas d’avoir de fortes contraintes pour une correction très précise (Vv). Les précipitations et leur phase (prec, ph) Tout comme pour la nébulosité, il n’existe aucune observation des précipitations à Cap Prudhomme ni même à Dumont d’Urville. La seule vérification possible sur les données modélisées par l’ECMWF est la concordance temporelle (fait qu’un évènement précipitant ou qu’une période sans précipitations soit observé et en même temps simulé) entre ces dernières et les relevés Météo-France de DDU. En effet la quantité de précipitations n’est pas mesurée directement à DDU mais la durée des événements précipitants est relevée pour les fuseaux de 3h. Ceci a permis de constater que la concordance temporelle entre l’ECMWF et DDU varie de 63 à 70% en fonction des zones. Malgré son aspect trivial, le fait, que plus les événements précipitants sont longs, plus la quantité précipitée est importante, n’est que légèrement marqué dans l’analyse des quantités simulées en fonction de la durée mesurée. Il n’est pas forcément nécessaire de choisir la même zone pour les précipitations que pour la nébulosité car l’incertitude sur cette dernière est très grande ; par conséquent la zone ECMWF choisie pour être mise en entrée de CROCUS est celle ayant le maximum de concordance temporelle avec DDU : la zone 3. Ce critère de sélection est d’autant plus important que lorsqu’il n’y a pas concordance entre DDU et l’ECMWF, c’est ce dernier qui dans 98% des cas surestime la durée des précipitations. De plus ces dernières représentent 35% en quantité des précipitations totales. Quant à la phase de ces précipitations, il semble logique de la déterminer en fonction d’un seuil de température, car pour l’instant aucun autre élément ne permet de la contraindre plus, d’autant que la littérature sur le sujet n’est pas très étendue. Le seuil de changement de phase (0 = pluie, 1 = neige, avec possibilité de valeur intermédiaire dans CROCUS) le plus logique est, à priori, 0°C. Mais après une rapide analyse du nombre d’évènements potentiellement pluvieux en fonction du seuil choisi, il semble qu’en été (seule période de l’année où Ta peut dépasser ce seuil) il n’y a que très rarement des précipitations liquides. Et donc à des fins de simplification et étant donné le rôle mineur de cette variable sur le SMB par rapport aux incertitudes sur les autres données (cf. Chapitre IV), la phase sera maintenue indépendante de la température : les précipitations seront donc toujours considérées comme solides (ph=1). 17 Le vent (Vv) Les données ECMWF de vent sont sous la forme des deux composantes de direction : u pour le Nord et v pour l’Est et ce à 10 m de la surface. Pour obtenir la vitesse totale du vent, il est donc nécessaire de calculer le module de ces deux vecteurs. Comme le montre la figure II-7, les données de vent sont relativement dispersées. Il y a surestimation de la vélocité du vent pour les faibles valeurs, tandis qu’il y a sous-estimation pour les fortes valeurs, et ce pour toutes les zones ECMWF. Figure II-7: Relation entre Vv CP et Vv ECMWF. La ligne tiretée correspond à la droite 1:1. La surestimation plus importante pour les zones continentales est seulement due à une moyenne plus importante. Une correction globale à l’aide d’une régression linéaire classique a été tentée mais compte tenu de la dispersion des données, cela ne semble pas satisfaisant. Une correction en fonction de la direction du vent a aussi été tentée afin de tenir compte des évènements de vents catabatiques. Cette correction a été établie en fonction de la relation qui existe entre la vitesse et la direction du vent à CP (cf. Annexe F.1) mais cette dernière montre une structure complexe qui, par manque de temps et de données, n’a pu être étudiée. Cette approche n’a donc pas été très fructueuse quant à la correction sur la vélocité du vent. Afin d’apporter un surplus de précision et afin de tenir compte de la variation entre les fortes et les 18 faibles valeurs de vent, la même technique de correction, que pour Ta ou LWi, a été utilisée : une régression polynomiale du 5ème degré (cf. Annexe C). Cette approche n’a que très légèrement améliorée la RMSE (cf. § final). Synthèse Cette partie a pour but d’énoncer les choix définitifs effectués au niveau des corrections et de données quelques statistiques sur les corrections. Pour certaines variables (cf. table II-1, ci-dessous), les corrections s’appliquent sur toutes les zones ECMWF et aucun élément ne permet d’en choisir une en particulier. En conséquence pour ces variables, les données corrigées ont été moyennées avec une pondération en fonction de l’inverse de la distance de la zone à CP : plus la zone est proche plus elle a d’influence sur la donnée. Les analyses opérationnelles de l’ECMWF ont un pas de temps de 6h. Or CROCUS réclame des données horaires, il a donc fallu interpoler les données corrigées. Cela a été fait de plusieurs façons : - une interpolation linéaire pour les variables ne possédant pas de cycle journalier systématique, comme le vent - une interpolation en spline cubique [22] pour les données telle la température, qui possèdent un cycle diurne très marqué. Toutes les informations concernant les choix définitifs sur les corrections sont regroupées dans la table suivante : Variable Zone choisie ponderation ponderation ponderation 3 Correction Type d'interpolation régression ordre 5, sur données centrées spline cubique Ta régression ordre 5 linéaire Vv régression linéaire en fonction de Ta linéaire RH linéaire prec égale à 1 ph régression ordre 5, sur données centrées ponderation spline cubique LWi régression linéaire en fonction de tcc 4 spline cubique Swi 4 linéaire tcc Table II-1 : Résumé des corrections pour chaque variable. Pour Ta et LWi, les régressions ont été faites sur les données par rapport à la moyenne pour des raisons pratiques de calcul. Afin de donner un ordre de grandeur sur les incertitudes qui subsistent après corrections, la table II-2, ci-dessous, donne pour chaque variable et chaque zone, la RMSE entre les données observées et les données modélisées puis corrigées. L’erreur quadratique moyenne a pour 19 formule : RMSE = ( xobs ² − xcor ²) N où xobs est la donnée observée, xcor la donnée modélisée ou corrigée et N le nombre de données. RMSE preRMSE postRMSE Écart type été Écart type hiver correction correction finale (2005/2006) (2005) 6.3 1.39 1.23 1.2 1.11 1.88 / 2.52 4.8 Ta (°C) 5.22 1.43 1.35 1.27 3.2 3.15 4.33 3.44 3.18 6.27 / 6.25 6.18 Vv (m/s) 3.29 3.05 4.76 3.56 13.12 10.61 17.08 14.14 12.02 14.35 / 13.98 19.06 RH (%) 13.63 10.75 15.69 13.85 32.38 15.85 16.28 15.63 LWi 14.38 41.55 / 43.69 48.43 (W/m²) 28.22 14.97 15.47 15.11 28.86 20.99 21.3 260.83 / 274.61 50.29 Swi (W/m²) 28.51 20.76 Table II-2 : RMSE entre les données observées, modélisées et corrigées et écart-type saisonnier. Pour chaque Variable variable, la RMSE est donnée pour chaque zone. L’écart-type pour SWi n’est pas significatif étant donné qu’il tient compte du cycle diurne, mais il apporte un ordre de grandeur. Le chapitre suivant décrit le déroulement des différentes simulations ainsi que les résultats obtenus avec les corrections précédentes. 20 CHAPITRE III : RESULTATS Ce chapitre a pour but de présenter dans une première partie le déroulement et les paramètres initiaux des simulations d’évolution du manteau nivo-glaciaire de Cap Prudhomme entre Janvier 2004 et Janvier 2006. Dans une deuxième partie seront présentés les résultats de ces simulations : le bilan de masse de surface. Déroulement des simulations Comme il a déjà été expliqué dans les chapitres précédents, le but de ce stage était de créer une série temporelle météorologique à partir des observations de l’AWS CP afin de simuler dans CROCUS l’évolution du manteau nivo-glaciaire. Cette étape a été décrite dans le chapitre II. Outre une série temporelle de forçage, le modèle CROCUS nécessite une initialisation du profil stratigraphique. Le profil de glace initial (cf. Annexe H) est en fait un profil obtenu par les simulations déjà réalisées au cours des travaux précédant ce stage. Ce profil, qui ne comporte pas de couche de neige en surface (situation de CP pendant l’été austral 2004 qui correspond au début des simulations et des relevés des balises) est composé de 19 couches représentant environ 45 m de glace. Les paramètres, tels la hauteur des instruments de mesures (h), la hauteur de rugosité de la surface (z0) et l’albédo de la glace (α), sont dans un premier temps, ceux par défaut du modèle de neige, afin de pouvoir évaluer l’influence du forçage météorologique sur les résultats. Ceci a permis de constater que ces paramètres par défaut du modèle CROCUS ne sont aucunement adaptés au site de Cap Prudhomme (résultats non présentés). Ils ont donc été modifiés dans le sens d’une meilleure correspondance avec la réalité. L’ajustement de ces paramètres est explicité dans le paragraphe suivant. Pour tester l’influence des corrections sur les données météo, plusieurs simulations ont été lancées avec des séries de forçage différentes : - une météo corrigée selon les éléments donnés dans le chapitre II - une météo avec les observations de l’AWS CP complétées avec la météo corrigée - une météo sans correction pour chaque zone ECMWF - une météo corrigée selon les corrections établies lors des travaux précédents. A ces différentes séries météo viennent évidemment s’ajouter celles utilisées pour effectuer les tests de sensibilité (cf. chapitre IV) qui sont basées sur la météo corrigée. 21 Ajustement des paramètres du modèle CROCUS Comme il a été expliqué dans le paragraphe précédent, les paramètres par défaut du modèle de neige CROCUS ne sont pas adaptés au site antarctique de Cap Prudhomme. Trois paramètres ont été modifiés afin de correspondre soit à des mesures de terrain soit à des valeurs de la littérature : - la hauteur des instruments de mesures (h), qui était par défaut à 2 m pour la mesure de température et l’humidité et 2,5 m pour la mesure de vent, a été fixée à 10 m pour les deux. Ceci correspond à la hauteur approximative des instruments de l’AWS CP par rapport à la surface de glace la plus proche - l’albédo de la glace (α) originellement à 0,45 (valeur pour les glaciers tempérés des Alpes françaises) a été fixé à 0,67 grâce à une semaine de mesures de SWi et SW réfléchi effectuée directement sur la glace en 2004 - et enfin la hauteur de rugosité de la surface (z0) normalement égale à 0,3 cm (valeur aussi typique des glaciers tempérés) a été modifiée selon l’article de Van den Broeke et al. (2005) [25] et abaissée à 0,016 cm (valeur trouvée pour une BIA du Dronning Maud Land, cf. carte de l’introduction). Dans le but d’établir le « best fit » des résultats, les paramètres précédents ont été fixés puis le coefficient d’érosion éolienne a été ajusté afin de rapprocher au maximum la simulation avec la météo corrigée des mesures de balises avec comme contrainte de reproduire le mieux possible l’hiver 2004 (ablation quasi-nulle) et l’été 2006 (évènement précipitant et forte ablation). Le bilan de masse de surface Dans cette partie, les résultats (cf. figure III-1, ci-contre) des simulations seront exposés et commentés. Ces résultats consistent en la variation de l’accumulation de neige et/ou glace (ANG) à la surface du champ glaciaire de Cap Prudhomme. Cette variation est exprimée directement en centimètre de neige/glace et non en équivalent eau afin de pouvoir être comparée directement aux émergences de balises. De plus cela permet d’éviter l’ajout d’erreurs sur les résultats dues à la mesure de densité de la neige ou de la glace. Cette dernière sert à effectuer la conversion en équivalent eau et d’en déduire le SMB. L’ANG mesuré par les balises et présenté ci-dessous est en fait le résultat d’une Analyse en Composantes Principales (ACP). Ici cette méthode a permis d’effectuer un filtrage des données afin d’éliminer le bruit sur chaque balise (cf. Annexe G.1) ainsi que la variabilité spatiale due à l’étendue du réseau. La courbe présentée est en fait la combinaison des trois premières 22 composantes qui représente 82 % du signal temporel. L’ACP permet aussi de lisser les incertitudes sur les mesures. Figure III-1 : Evolution de l’accumulation de neige/glace à CP. L’accumulation a été ajustée à zéro pour toutes les courbes au jour julien 26 (premières mesures d’émergence de balise). Les valeurs négatives correspondent à de l’ablation. « ACP Balises » correspond au résultat de l’Analyse en Composantes Principales des émergences du réseau de balises de CP. « Météo CP » correspond aux résultats obtenus avec la série de forçage créée avec les données de l’AWS CP complétée avec la météo corrigée. Pour l’ensemble des commentaires suivants, il faut tenir compte de la différence d’échantillonnage entre les simulations (données quotidiennes) et les mesures de balises (26 au total). La figure III-1 montre, en première approche, que la courbe résultant de la correction des données de l’ECMWF ainsi que celle issue des observations météo de Cap Prudhomme correspondent bien à la courbe résultant de la mesure de l’émergence de balises et ce sur les deux années de simulations. Au jour julien 760 (fin des simulations) les balises présentent une ANG de -33 cm tandis que la météo corrigée et la météo CP engendrent des ANG de respectivement -34 cm (qui en équivalent eau, ou water équivalent (w.e.) en anglais, donné par le modèle CROCUS correspond à -25 cm w.e.) et -38 cm. L’accumulation finale et 23 l’allure générale des courbes seront considérées, ici, comme les meilleurs indicateurs d’une « bonne » simulation, compte tenu de l’échantillonnage des balises et de l’incertitude sur les mesures (cf. Chapitre IV). Etant donnés ces éléments, l’ANG simulée avec la météo de la zone ECMWF 1 a globalement une allure proche de la réalité de terrain (évènements précipitants et « remise à zéro », cf. § suivant) mais une valeur finale (-21 cm) qui montre un manque d’ablation par rapport aux balises. Quant à la courbe issue de la météo de la zone 4, il semble évident tant au niveau de la structure que de l’ANG finale (+15 et), que le modèle CROCUS simule un forte accumulation qui ne correspond pas à la réalité d’une zone de glace bleue (BIA) comme celle de Cap Prudhomme. La principale différence entre les balises et la simulation issue de la météo corrigée, outre le fait que le relevé des balises en 2004 n’échantillonne pas les événements précipitants, est l’ablation hivernale simulée mais non observée. En effet celle-ci est quasiment nulle durant l’hiver austral 2004 (jours juliens 90 à 330) et il y a même de l’accumulation durant celui de 2005 (jours juliens 450 à 700). Or selon la simulation, l’ablation estivale se poursuit durant l’hiver à un taux moindre. Pour l’instant seul un début d’explication peut être fourni : cette ablation hivernale nette est liée à l’humidité et au vent. En effet ces variables jouent un rôle important au niveau des flux turbulents (cf. Chapitre IV et Annexe G.2). De plus l’ANG est particulièrement sensible au vent, qui contrôle l’érosion éolienne (notamment après les évènements précipitants où les balises montrent une « remise à zéro » du SMB, c’est-à-dire une ablation de la neige qui vient de tomber, tandis que la simulation montre que l’ablation de la neige tombée se poursuit vers les couches inférieures du profil). Ces éléments peuvent aussi expliquer la divergence entre l’ANG tirée de la météo simulée et celle issue de la météo de l’AWS CP. Il semble en effet que la différence d’ablation de l’été 2005 ait un rapport avec une conjoncture spéciale de l’humidité (plus faible dans la météo corrigée) avec le vent (plus fort dans la météo corrigée). Ceci sera précisé dans le chapitre suivant. 24 CHAPITRE IV : DISCUSSION Deux points vont être abordés dans ce chapitre : l’influence des paramètres du modèle de neige et l’incertitude sur les données et les corrections. Ces deux points ont été étudiés de façon qualitative plutôt que quantitative. Cette approche a pour avantage de ne pas être soumise à la rigueur statistique qui dans le cadre de ce projet aurait été relativement longue à mettre en place. Le signal mesuré et simulé est riche (hiver et été différents d’une année sur l’autre…), une richesse qu’une simple corrélation entre les mesures et la simulation aurait dégradée. Le calcul d’indicateur plus fin (corrélations saisonnières par exemple) nécessite une certaine réflexion qui n’a pas pu être menée dans la durée du stage. Le calage des résultats de simulation et l’évaluation de l’erreur commise sur ces dernières se font par rapport aux relevés des balises d’ablation, qui sont relativement sporadiques (26 mesures en deux ans, plus rapprochées en été). Dans le temps imparti, un moyen de s’affranchir de ceci était d’adopter une approche plus subjective. Les deux points cités précédemment ont donc été évalués principalement sur l’allure générale des courbes d’Accumulation Neige/Glace (ANG) et sur l’ANG finale au bout des deux ans de simulation. Sensibilité des paramètres du modèle CROCUS Parmi les trois paramètres ajustés (h, z0 et α, cf. Chapitre III et Annexe G.2) dans le modèle de neige, seul l’albédo est réellement contraint par des mesures de terrain à CP. En effet pour la hauteur des instruments, il subsiste un problème quant à la représentativité des mesures car le mat supportant les instruments est fixé sur un rocher dépassant d’environ 6 m au-dessus de la glace la plus proche. Donc les mesures ne sont pas effectuées directement au-dessus de la surface de glace et sont probablement perturbées orographiquement et thermodynamiquement par la présence du rocher. Cependant une comparaison (cf. Annexe F.1) des données météo de l’AWS CP avec celles de la station de Dumont d’Urville (pour rappel, DDU se situe à 5 km de CP) a permis d’établir qu’une hauteur de 10 m est en première approximation représentative (DDU la température et l’humidité sont mesurées aux hauteurs standard de 2,5 m et le vent à 10 m). Quant à la hauteur de rugosité z0 établie par Van den Broeke et al. (2005) [25] elle ne semble pas déraisonnable pour CP mais elle correspond à une BIA se situant à une altitude plus élevée que le champ glaciaire et subissant un fort effet orographique dû à la présence de nunataks à proximité. De plus la surface de glace semble moins lisse que celle de Cap Prudhomme ce qui peut avoir tendance à augmenter la valeur z0 selon Van den Broeke et al. (2005). Ce point semble discutable : d’après Bintanja (1999) [3bis], la surface de glace « s’adapterait » aux conditions climatiques afin de minimiser z0. 25 Afin d’évaluer l’impact de ces incertitudes sur ces différents paramètres, des tests de sensibilité ont été effectués : à partir de la série de forçage établie grâce aux corrections du chapitre II, des simulations ont été effectuées en modifiant un des paramètres à chaque fois, ce qui a conduit à la figure IV-1, ci-dessous. Figure IV-1 : Tests de sensibilité sur les paramètres du modèle de neige CROCUS Les valeurs tests pour les paramètres ont été choisies afin de correspondre aux différentes hypothèses émises à leur sujet : - z0 a été testé avec la valeur par défaut du modèle (0,3 cm) et avec la valeur minimale (0,002 cm) calculée par Van den Broeke et al. (2005) [25] qui correspond à priori à une surface de glace plus lisse (cf. précédemment) - h a été réduit à la hauteur du mat (4 m), afin d’évaluer si le rocher devenait la nouvelle surface de référence ; puis h a été porté à 15 m pour tester si la perturbation due au rocher augmentait la hauteur de représentativité - enfin α a été testé avec deux valeurs extrêmes pour la glace bleue : 0,5 étant la valeur d’une glace bleue sombre et 0,9 celui de la neige fraîche propre. 26 La figure IV-1 permet de constater que le modèle CROCUS est particulièrement sensible aux paramètres jouant premièrement un rôle dans l’action de l’érosion éolienne, deuxièmement dans le calcul de flux turbulents (chaleur latente et chaleur sensible ou Latent Heat Flux, LHF, et Sensible Heat Flux, SHF, en anglais) : z0 et h (cf. Annexes G.2). Ceci a été confirmé par l’étude de la différence entre les valeurs de l’ANG obtenues à partir des tests de sensibilité et celles obtenues à partir de la météo corrigée (cf. Annexe G.2). Le coefficient d’érosion éolienne Le coefficient d’érosion éolienne est le paramètre le moins contraint dans la version du modèle CROCUS adaptée au site CP. Le sous-programme paramétrisant l’érosion de la neige par le vent a été ajouté à la suite des travaux qui précèdent ce stage [6]. Pour l’instant la paramétrisation est basée sur l’érosion du sable [2], c’est-à-dire que le taux d’érosion est proportionnel à la puissance 3 de la vélocité du vent (multiplié par le coefficient d’érosion). Cet élément contribuant à l’ablation de surface à Cap Prudhomme est particulièrement important, car s’il n’est pas pris en compte le modèle CROCUS simule une forte accumulation au lieu de l’ablation qui définit une BIA. C’est donc un des points importants qu’il faudra développer dans le futur (cf. Chapitre VI). Incertitude sur les données et les corrections Comme il a été dit au début de ce chapitre, c’est une approche plus qualitative que quantitative qui a été choisie. C’est pourquoi le terme d’incertitude est plus approprié que le terme d’erreur et ce même pour des données. En effet une certaine erreur statistique sur les données a pu être établie mais son interprétation doit être considérée d’un point de vue plus subjectif que mathématique. Les données Les données peuvent se résumer aux mesures de l’AWS CP, aux analyses opérationnelles de l’ECMWF et aux relevés des émergences de balises d’ablation. L’incertitude sur chacune de ces données est relativement faible mais non négligeable par rapport aux incertitudes sur les corrections (cf. § suivant). Pour ce qui est des mesures de l’AWS CP, la première source d’incertitude est la précision instrumentale : elle est fournie par le constructeur après le calibrage en usine (cf. Annexe D) et elle est négligeable face à l’erreur due aux conditions d’utilisation sur le terrain. En effet le thermo-hygromètre est conçu pour fonctionner dans un abri météo blanc ventilé afin de limiter l’impact des radiations. Or l’AWS CP est uniquement équipée d’un abri météo blanc 27 non ventilé. Comme il a été précisé dans le chapitre II, l’hygromètre effectue des mesures en accord avec une surface d’eau liquide, ce qui n’est pas le cas à Cap Prudhomme où la surface de référence est glacée. Ceci entraîne une sous-estimation de l’humidité relative à basse température (cf. Annexe E). Cette sous-estimation peut être corrigée [24] afin que les mesures de RH soient en accord avec une surface de glace. Le modèle de neige CROCUS réclame en entrée une RH en accord avec le liquide, donc cette correction n’a pas été utilisée dans le cadre de ce projet. Il existe aussi un biais dans les mesures de rayonnement visible incident : le capteur indique un rayonnement élevé pendant les soirées de l’été austral alors que le soleil est très bas sur l’horizon. Ce problème est lié aux angles d’incidence très faible (lumière rasant du « soleil de minuit ») et au phénomène de diffusion multiple. Enfin la proximité de l’océan engendre une dernière source d’incertitude : les embruns marins déposent sur les instruments de mesures une croûte de sel qui peut les perturber (obscurcissement des dômes de protection des capteurs de rayonnement ou la corrosion, par exemple). Pour ce qui est des données de l’ECMWF, les sources d’incertitudes sont moins évidentes. L’incertitude concerne plus particulièrement les données qui ne subiront pas de corrections : la nébulosité et les précipitations. Comme il a été exposé dans le chapitre II, ces deux variables sont fortement sujets à caution de part l’incertitude sur le modèle physique qui les a générées. Cette incertitude ne pourra se réduire qu’avec l’amélioration des connaissances sur ces variables ainsi que l’amélioration des GCMs. Enfin pour ce qui est des relevés d’émergence de balise, l’incertitude peut être grossièrement évaluée : erreur de mesure sur une balise (± 10 cm) due à la nature du terrain (présence de sastrugis) et sous-échantillonage temporel dû aux conditions climatiques (relevé difficile pendant l’hiver austral). L’erreur de mesure est ensuite lissée sur l’ensemble du réseau par l’ACP (cf. Chapitre III) mais il existe d’autres sources d’erreur (type de balise…) qui induisent à garder de façon conservative une valeur de ± 10 cm ce même après le filtrage. Toutes ces incertitudes peuvent se révéler particulièrement importantes à posteriori car elles peuvent être amplifiées par les corrections apportées aux données météorologiques. Les corrections Comme il vient d’être précisé, les incertitudes sur les données peuvent être amplifiées par les corrections notamment lorsque ces dernières consistent en une régression polynomiale d’ordre 5 ou en une régression linéaire dépendant d’une autre variable. Ces incertitudes sont résumées de façon globale par l’erreur quadratique moyenne (RMSE, cf. table II-2). Cette dernière est calculée entre deux variables (les données météo de l’AWS CP et les données météo corrigées) et donc la RMSE correspond à l’écart-type de l’erreur. Les écart-types donnés dans 28 la table II-2 sont quant à eux calculés sur une seule variable (les données météo de l’AWS CP) et ils représentent donc la variabilité saisonnière de cette variable. Les RMSE ont le désavantage d’être calculées sur l’ensemble de la période de mesure, ce qui ne permet pas de les comparer directement aux écart-types de la période estivale (période sensible vis-à-vis de l’ablation). Cependant en première approche, les RMSE ne sont pas fortement différentes de l’écart-type sauf pour LWi et SWi (moins significatif car présence du cycle diurne). Ceci est particulièrement marqué pour l’humidité relative et la température. Le fait que les RMSE ne soient pas significativement différentes de l’écart-type ajoute donc une incertitude sur les corrections car les différences entre les données de l’AWS CP et les données corrigées peuvent être dues autant aux corrections qu’à la variabilité saisonnière des données. Malgré cela des tests de sensibilité ont été effectués afin d’évaluer l’impact de l’incertitude des corrections sur l’ANG. Ils ont été réalisés de la façon suivante : le paramètre d’érosion éolienne a été gardé fixe ; des séries de forçage basées sur la météo corrigée et modifiées selon la RMSE de chaque variable ont été créées puis mises en entrées du modèle CROCUS. Les résultats de ces tests sont présentés ci-dessous : Figure IV-2 : Tests de sensibilité sur les variables météorologiques 29 La figure IV-2 permet de constater que le paramètre, dont l’incertitude sur la correction a le plus d’impact sur l’ANG finale (cf. Annexe G.2) ainsi que sur l’allure des courbes, est le vent. Ceci se confirme dans l’analyse de la différence entre les valeurs de l’ANG obtenues à partir des tests de sensibilité et celles obtenues à partir de la météo corrigée (cf. Annexe G.2). Le vent est le moteur de l’érosion éolienne (très présente à Cap Prudhomme) et un facteur multiplicatif dans les équations qui régissent les flux turbulents, ce qui confirme leur importance dans les processus qui contrôlent l’ANG (cf. Annexe B). Ceci est confirmé par le fait que l’humidité relative qui intervient par l’intermédiaire de l’humidité spécifique dans le calcul du LHF, est aussi une variable sensible. D’autres analyses de sensibilité ont permis de voir que ce n’est pas le vent ou l’humidité en eux-mêmes qui jouent un rôle important sur l’ANG mais la concordance de conditions de vent particulières avec certaines conditions d’humidité. Par exemple une comparaison des données de l’AWS CP et celle de la météo corrigée pour les étés 2005 et 2006 a permis de mettre en évidence le fait que les conditions de vent et d’humidité étaient opposées : pour l’été 2005, Vv CP est plus fort que Vv corrigé tandis que c’est l’inverse pour RH, ce qui explique le surplus d’ablation avec les données de CP ; pour l’été 2006, les conditions sont opposées, ce explique la réduction de la différence entre les courbes de météo corrigée et météo CP. Par manque de temps, des analyses plus poussées sur ce dernier point ainsi que sur les flux turbulents n’ont pas pu être réalisées. Synthèse Ce chapitre a permis d’apporter un certain recul sur les résultats exposés au chapitre III et certaines nuances sur la démarche décrite au chapitre II. Même s’il n’a pas apporté de valeur statistique sur la confiance qui pouvait être accordée aux résultats, il a permis d’obtenir un ordre de grandeur. La figure IV-3 montre l’incertitude maximale obtenue avec les plus mauvaises estimations et la table IV-1 résume la répartition des incertitudes entre les différents éléments ainsi que leur impact sur l’ANG. 30 Figure IV-3 : Impact de l’incertitude maximum sur le SMB de Cap Prudhomme. Les barres d’incertitude sur les résultats de l’ACP correspondent à une estimation conservative de ± 10 cm. Les courbes bleue et rouge correspondent à des simulations où toutes les incertitudes (RMSE) concernant les données météo et allant dans le même sens par rapport au SMB ont été cumulées afin d’obtenir l’enveloppe d’incertitude maximum. Source Importance relative Impact relatif Source Importance relative Impact relatif d'incertitude de l'incertitude sur l’ANG d'incertitude de l'incertitude sur l’ANG Ta ++ + tcc ++++ ++ Vv +++ ++++ z0 ++ ++++ RH ++++ +++ h ++ +++ prec ++++ ++ α + + ph + + Érosion éolienne ++++ ++++ LWi ++ ++ Balises + + SWi +++ ++ Instruments Table IV-1 : Importance relative de l’incertitude et de son impact en fonction de la source. La signification des notations est indiquée dans l’annexe A.. L’importance va de + (faible) à ++++ (très forte). Le sigle – signifie négligeable. L’importance de l’incertitude sur les précipitations est due à l’absence de données de terrain pouvant corroborer les données d’ECMWF contrairement aux autres variables dont l’estimation de l’incertitude bénéficie d’au moins une référence (littérature ou réalité de terrain). « Erosion éolienne » englobe l’incertitude sur la paramétrisation utilisée ainsi que sur la valeur du coefficient d’érosion. « Instruments » correspond uniquement à la précision instrumentale fournit par le constructeur. 31 CHAPITRE V : UNE COMPARAISON CAP PRUDHOMME / ST SORLIN Dans le cadre de l’ORE GLACIOCLIM, les mêmes types de mesures sont effectués sur les différents sites choisis. Afin d’exploiter cet avantage, une collaboration pendant les stages de M2R STUE de Pierre Lardeux et Benoît Arnould a été mise en place. Elle consistait à effectuer une première comparaison du bilan d’énergie du site de Cap Prudhomme (Terre Adélie, Antarctique) et du glacier de Saint Sorlin (Alpes, France). Le résultat de cette collaboration est l’objet de ce bref chapitre, et de façon plus étendue de l’annexe B commune aux deux rapports de stage. Le bilan d’énergie (Surface Energy Balance en anglais, SEB) est égal à la somme des flux radiatifs nets (SW et LW) et des flux turbulents (SHF et LHF). Ces derniers sont mal connus. Il a donc été décidé de les comparer sur deux journées estivales aux conditions de vent opposées : d’une part le vent est un facteur multiplicatif dans le calcul des flux turbulents, et d’autre part les régimes à St Sorlin et à Cap Prudhomme sont singulièrement différents. La contribution des flux radiatifs au SEB reste importante sur les deux sites de mesure. Comme prévu, les conditions de vent contrôlent les flux turbulents. Néanmoins cette collaboration a permis de mettre en évidence le rôle majeur de la température de surface de la glace sur les processus qui régissent les flux turbulents. De plus elle a aussi permis de voir que les spécificités du site de CP étaient un fort régime de vent et des températures froides. L’analyse (qui est toujours en cours) des premiers résultats est détaillée dans l’annexe B. 32 CHAPITRE VI : CONCLUSIONS ET PERSPECTIVES « Météorologie et bilan de masse de surface à Cap Prudhomme (Terre Adélie, Antarctique) » était un stage de M2R STUE, dont l’objectif était de construire une série météo afin de simuler deux ans d’évolution du manteau nivo-glaciaire de Cap Prudhomme (CP). Pour atteindre ce but, une analyse d’une année de mesures de la station météo automatique de CP a été effectuée. Cette analyse a permis de corriger les analyses opérationnelles du Centre Européen de Prévisions Météorologiques à Moyen Terme (ECMWF) et d’en extraire une série météo corrigée de deux ans, qui a été mise en entrée du modèle de neige/glace du CEN : CROCUS. Une fois simulés, les deux ans d’évolution du manteau nivo-glaciaire de CP ont été comparés aux émergences des balises d’ablation installées sur la zone de glace bleue (BIA) de Cap Prudhomme afin d’évaluer l’influence des différents éléments (variables météo et paramètres du modèle CROCUS) sur le bilan de masse de surface (SMB). Ceci a aussi permis de soulever certains problèmes concernant aussi bien les mesures (représentativité…) que la méthodologie (corrections empiriques…). Il ressort de cette étude que, dans la limite des incertitudes mises en évidence, il est possible de reproduire de façon raisonnable l’évolution observée de l’accumulation et de l’ablation (cf. figure III-1) tant au niveau des grands traits (plus d’ablation en été qu’en hiver, évènements précipitants, etc.) que de l’ANG finale qui est de -33 cm avec les balises et de -34 cm (-25 cm w.e.) dans une simulation « optimale ». Ce projet s’inscrivant dans le cadre de l’Observatoire de Recherche en Environnement (ORE) GLACIOCLIM, a été principalement orienté vers l’analyse, le traitement et la correction des données météo. Cependant il a permis de mettre en évidence le rôle important de l’érosion éolienne dans le SMB ainsi que des flux turbulents (notamment le flux de chaleur latente qui correspond à la sublimation) dans le bilan d’énergie de surface (éléments majeurs contrôlant le SMB). Les spécificités du site antarctique de l’ORE GLACIOCLIM, par rapport au site alpin, ont été mises en évidence par le biais d’une intercomparaison préliminaire (cf. Chapitre V et Annexe B). Dans le cadre de futurs travaux sur ce sujet, il semble nécessaire d’améliorer et d’étudier plus en détails certains points : - il est évident que les mesures de terrain doivent être poursuivies et améliorées par l’ajout de nouveaux instruments de mesure (spectronivomètre, albédomètre…) afin d’obtenir des contraintes sur toutes les variables nécessaires (précipitations et nébulosité en particulier) - il faut aussi grandement améliorer les corrections effectuées sur les données météo de l’ECMWF. Ceci peut se faire par l’utilisation des réanalyses qui sont en cours (ERA – 33 INTERIM) pour la période concernée et en développant les corrections théoriques (physiques et non empiriques). Bien sûr l’augmentation du nombre d’années de données améliorera les corrections empiriques. - il semble nécessaire d’effectuer des campagnes de mesures spécifiques afin de mieux contraindre les paramètres du modèle CROCUS tels que l’albédo (pour l’instant seulement une semaine de mesure) et les flux turbulents (programme Turbulences et Ablation Glaciaire (TAG) mis en place à l’été austral 2007) qui permettront de calculer une hauteur de rugosité pour le site de Cap Prudhomme - enfin il semble obligatoire de faire fortement progresser la paramétrisation de l’érosion éolienne en développant des instruments de mesures si possible et en augmentant la connaissance physique du phénomène. De même il serait intéressant de paramétriser le dépôt qui peut suivre l’érosion ainsi que l’effet de la neige en suspension (snowdrifting en anglais) sur les différents flux. Dans ce but le modèle CROCUS pourra être remplacé par la composante unidimensionnelle de neige du modèle MAR (Modèle Atmosphérique Régional) développé par Hubert Gallée sur l’Antarctique. Lorsque les méthodes et les données auront été suffisamment améliorées pour permettre de réduire significativement les marges d’erreurs (dont le calcul reste à faire), ce projet de modélisation d’évolution du manteau nivo-glaciaire et donc du SMB pourra être étendu aussi bien spatialement (dans un premier temps aux régions côtières antarctiques puis à l’ensemble de l’Antarctique) que temporellement (dans le passé afin de valider la démarche puis dans le futur). Ceci permettrait d’ouvrir le projet vers la modélisation de l’impact des changements climatiques sur la calotte antarctique par l’intermédiaire des scénarios d’évolution climatique de l’IPCC (Intergovernmental Panel on Climate Change). Les changements subis par la calotte polaire sud sont effectivement une des préoccupations majeures en ce qui concerne les variations du niveau marin. 34 REFERENCES BIBLIOGRAPHIQUES 1 2 3 3 bis 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Arnould B., 2006, Données météorologiques et bilan d'énergie de surface du glacier Saint Sorlin (Alpes, France), Rapport de Stage M2R STUE UJF Grenoble Bagnold R.A., 1960, The Physics of blown sand and désert dunes, Methuen & co., 265 p. Bintanja R., Reijmer H., 2001, Meteorological conditions over Antarctic blue-ice areas and their influence on the local surface mass balance, Journal of Glaciology 47-156, p.37-50 Bintanja R., 1999, On the glaciological, meteorological, and climatological signifiance of antarctic blue ice areas, Review of Geophysics 37 3, p. 337-359 Brun E., David P., Sudul M., Brunot G., 1992, A numerical model to simulate snow-cover stratigraphy for operational avalanche forcasting, Journal of Glaciology 38-128, p. 13-22 Brun E., Martin E., Simon V., Gendre C., Coleou C., 1989, An Energy and Mass Model of Snow Cover suitable for Operational Avalanche Forecasting, Journal of Glaciology 35-121, p. 333-342 Dieudonné E., 2005, Première analyse des données de la campagne GLACIOCLIM-SAMBA 2005, Rapport de L3, UJF Grenoble Durand Y., Brun E., Mérindol L., Guyomarc'h G., Lesaffre B., Martin E.,1992, A meteorological estimation of relevant parameters for snow models, Annals of Glaciology 18, p. 65-71 Durand Y., Giraud G., Brun E., Mérindol L., Martin E., 1999, A computer-based system simulating snowpack structures as a tool for régional avalanche forecasting, Journal of Glaciology 45-151, p. 469-484 Genthon C., 2005, Rapport de mission GLACIOCLIM-ANTAR, été 2004-05 Genthon C., 2006, Rapport de mission GLACIOCLIM-ANTAR, été 2005-06, et analyse préliminaire de résultats du programme Genthon C., Fily M., Martin E., 2001, Numerical simulations of Greenland snowpack and comparison with passive microwawe spectral signatures, Annals of Glaciology 32, p. 109-115 Gerbier E., 1985, Note de travail de l'École Nationale de la Météorologie Gill A.E., 1982, Atmosphère-Océan Dynamics, International Geophysics Series 30, Academic Press, 666 p. IPCC, 2001, TAR The Scientific Basis, Chapter 11, p.640-693 Konig-Langlo G., King J.C., Pettré P., 1998, Climatology of the three coastal Antarctic stations Dumont d'Urville, Neumayer, and Halley, Journal of Geophysical Research 103-D9, 10935-10946 Krinner G., Genthon C., 1999, Altitude dependence of the ice sheet surface climate, Geophysical Research Letters 26-15, 2227-2230 Lejeune Y., Wagnon P., Bouilloud L., Chevallier P., Etchevers P., Martin E., Sicart J-E., Habets F., 2006, Melting of a snow cover in tropical bolivian mountains, Soumis à Journal of Hydrometeorology Martin E., 1996, Le modèle d'évolution du manteau neigeux CROCUS, Guide d'utilisation, Météo-France CEN, 25 p. Martin E., 1996, The snow cover model CROCUS, Technical description, Météo-France CEN, 52 p. Perrin de Brichambaut C., Vauge C., 1982, Le gisement solaire: évaluation des la ressource énergétique, Techniques et Documentation, 230 p. Pirazzini R., Nardino M., Orsini A., Calzolari F., Georgiadis T., Levizzani V., 2000, Parameterization of the downward longwave radiation from clear and cloudy skies at Ny Alesund (Svalbard), IRS 2000, St Petersburg, Russia Press W.H., Teukolsky S.A., Vetterling W.T., Flannery B.P., 1992, Numerical Recipe in Fortran, Second Edition, Cambridge University Press, 964 p. Van Den Broeke M., Reijmer C., Van De Wal R., 2004, A study of the surface mass balance in Dronning Maud Land, Antarctica, using automatic weather stations, Journal of Glaciology 50-171, p.565-582 Van Den Broeke M., Reijmer C., Van De Wal R., 2004, Surface radiation balance in Antarctica as measured with automatic weather stations, Journal of Geophysical Research 109-D09103 Van Den Broeke M., Van As D., Reijmer C., Van De Wal R., 2005, Sensible heat exchange at antarctic snow surface: a study with automatic weather stations, International Jounal of Climatology 25,p.1081-1101 http://faqs.org/faqs/meteorology/temp-dewpoint/ http://lgge.obs.ujf-Grenoble.fr/%7Echristo/glacioclim/samba http://lgge.obs.ujf-Grenoble.fr/ServiceObs/index.htm http://www.ecmwf.int REMERCIEMENTS Pour les conseils, l’aide, le soutien, la patience et la disponibilité, je souhaite remercier Christophe Genthon, Delphine Six, Gerhard Krinner, Benoit Arnould, Pierre Etchevers, Patrick Wagnon, Olivier Magand ainsi que la bouilloire du LGGE. 35 ANNEXES ANNEXE A : LISTE DES NOTATIONS, ABREVIATIONS ET ACRONYMES .................................................................2 ANNEXE B.1 : COMPARAISON CAP PRUDHOMME / ST SORLIN .................................................................................3 ANNEXE B.2 : SMB ST SORLIN / CAP PRUDHOMME.......................................................................................................7 ANNEXE C : LES EQUATIONS ...............................................................................................................................................8 ANNEXE D : INSTRUMENTATION A CAP PRUDHOMME ............................................................................................10 ANNEXE E : LA METEOROLOGIE A CAP PRUDHOMME ............................................................................................11 ANNEXE F.1 : LES CORRECTIONS .....................................................................................................................................12 ANNEXE F.2 : RELATION ENTRE LES VARIABLES CP ET LES VARIABLES DDU ................................................13 ANNEXE G.1 : VARIABILITE INTER-BALISES ................................................................................................................14 ANNEXE G.2 : LES TESTS DE SENSIBILITE .....................................................................................................................14 ANNEXE H : PROFIL INITIAL DE GLACE ........................................................................................................................16 ANNEXE I : REFERENCES COMPLEMENTAIRES..........................................................................................................17 Ligne de balise du réseau d’ablation à Cap Prudhomme ANNEXE A : Liste des Notations, Abréviations et Acronymes Ta = Température de l’air Vv = Vitesse du vent RH = Humidité relative (Relative Humidity) prec = Précipitations ph = Phase des précipitations LWi = Rayonnement grandes longueurs d’onde incident (Long Wave) SWi = Rayonnement courtes longueurs d’onde incident (Short Wave) SW dir = Rayonnement courtes longueurs d’onde incident direct SW dif = Rayonnement courtes longueurs d’onde incident diffus tcc = Nébulosité totale (Total Clouds Cover) d2m = Température de point de rosée (dew-point) SHF = H = Flux de chaleur sensible (Sensible Heat Flux) LHF = LE = Flux de chaleur latente (Latent Heat Flux) z0 = Hauteur de rugosité h = Hauteur des instruments de mesure α = albédo CP = Cap Prudhomme DDU = Dumont D’Urville ECMWF = Centre Européen de Prévision Météorologique à Moyen Terme (European Centre for Medium-range Weather Forecasts) ACP = Analyse en Composantes Principales ANG = Accumulation Neige / Glace AWS = Station météo automatique (Automatic Weathe Station) BIA = zone de glace bleue (Blue Ice Area) LT = Heure locale (Local Time) RMSE = Erreur quadratique moyenne (Root Mean Square Error) SEB = Bilan d’énergie de surface (Surface Energy Balance) SMB = Bilan de masse de surface (Surface Mass Balance) TEL = Teneur en Eau Liquide UT = Temps universel (Universal Time) 2 ANNEXE B.1 : Comparaison Cap Prudhomme / St Sorlin Dans le cadre de l’Observatoire de Recherche en Environnement (ORE) GLACIOCLIM, des campagnes de mesures sont réalisées chaque année sur plusieurs sites aux climats variés. Deux font l’objet d’un stage de M2R STUE : le glacier de Saint Sorlin (Alpes, France, stage de Benoît Arnould) (StSo) et la région de Cap Prudhomme (Terre Adélie, Antarctique, stage de Pierre Lardeux) (CP). Depuis le début des campagnes de mesures, ces deux zones glaciaires ont un bilan de masse de surface (SMB) négatif en été (cf. figure de l’annexe B.2). Le bilan d’énergie de surface (Surface Energy Balance en anglais, SEB) est le facteur prédominant dans la relation qui existe entre le SMB et le climat local. Etant donné que les processus radiatifs sont relativement bien connus (relation avec la nébulosité), nous avons donc décidé d’axer notre travail de comparaison sur les différences de flux turbulents de chaleur sensible (H) et latente (LE). Pour cela, nous avons comparé des conditions de vent opposées caractéristiques des deux sites. Conditions météorologiques Jour calme CP StSo 2 janv. 2006 13 août 2005 1.47 (1.59) 4.25 (1.17) Humidité relative (%) 77.78 (19.14) 81.1 (16.02) -1 3.99 (2.44) 1.06 (0.47) -2 315.67 (287.5) 148.76 (177.93) -2 264.81 (23.20) 280.35 (42.03) Température (°C) Vent (m.s ) Swi (W.m ) Lwi (W.m ) Table B.1-1 : Moyennes journalières des conditions météo du jour calme. L’écart-type sur la journée des mesures est entre parenthèses. La table B.1-1 présente les moyennes des différents paramètres météorologiques mesurés lors du jour calme sélectionné pour chaque zone. En conditions calmes, le vent à Cap Prudhomme est quasiment quatre fois plus fort qu’à St Sorlin. Bien que la température du site antarctique soit particulièrement élevée pour la saison, elle reste ~3 °C inférieure à la température dans les Alpes. Malgré une latitude plus faible, le rayonnement visible à St Sorlin est deux fois moins fort qu’à Cap Prudhomme. Une forte nébulosité sur le site alpin explique cet écart. En effet, le rayonnement infrarouge moyen est relativement élevé sur le site alpin ce jour là. De plus, le rapport entre le rayonnement visible reçu à la surface et le rayonnement hors atmosphère (0.13) exprimant la quantité de rayonnement transmise par l’atmosphère et donc la nébulosité, est plus élevé à Cap Prudhomme (0.33). Cependant, la différence qu’il y aurait par jour clair serait due à la latitude, à la date et à la durée du jour. En effet, une dizaine de jours se sont écoulés depuis le solstice d’été à CP tandis qu’à StSo presque deux mois sont passés depuis. 3 Jour venteux CP StSo 22 janv. 2006 10 août 2005 -3.51 (1.17) 7.86 (0.74) Humidité relative (%) 79.60 (13.64) 59.84 (13.27) -1 Vent (m.s ) 23.31 (3.59) 4.16 (1.05) Swi (W.m-2) 80.61 (74.26) 173.46 (210.62) 290.42 (3.32) 284.87 (35.74) Température (°C) -2 Lwi (W.m ) Table B.1-2 : Moyennes journalières des conditions météo du jour venteux. L’écart-type sur la journée des mesures est entre parenthèses. Comme pour le jour calme, les différents paramètres météorologiques du jour venteux sont présentés dans la table B.1-2. La température reste négative en Antarctique contrairement aux Alpes où la moyenne dépasse les 7°C. A Cap Prudhomme, la vitesse (six fois supérieure à celle de St Sorlin) et la direction du vent (entre 120 et 140°N, non indiquée) laissent penser à un phénomène de vents catabatiques. De plus le visible et l’infrarouge reflètent une très forte nébulosité : faible valeur du Swi (~100 W/m²) et Lwi élevé (~ 300 W/m²). Quant à St Sorlin, les conditions nuageuses sont similaires à celle du jour calme sélectionné. Bilan d’énergie de surface (SEB) Ce paragraphe présente dans une première partie la comparaison du SEB entre le site alpin et le site Antarctique pour les jours sélectionnés, puis dans une deuxième partie, la différence entre la méthode de type «bulk» utilisée par CROCUS et une paramétrisation indépendante. CP St So 2 janv. 2006 (calme) 22 janv. 2006 (venteux) 13 août 2005 (calme) 10 août 2005 (venteux) H Wagnon 18.46 (29.05) -292.67 (111.73) 12.57 (9.17) 86.35 (22.97) H CROCUS 30.68 (28.60) 64.63 (62.81) 23.94 (13.42) 126.63 (23.84) LE Wagnon -22.81 (30.0) -333.24 (21.25) 2.35 (14.80) 7.10 (36.58) LE CROCUS -19.70 (31.26) -80.32 (51.62) 11.60 (10.30) 12.83 (47.86) SW net CROCUS 67.72 (65.54) 20.21 (19.32) 167.87 (190.6) 88.44 (95.02) LW net CROCUS -47.09 (24.12) -5.73 (3.88) -27.86 (35.27) -25.35 (32.62) 31.61 -1.21 175.55 202.55 8.2 -0.04 (dépôt) 45.4 52.4 SEB CROCUS Ablation journalière Table B.1-3 : Les composantes du bilan d’énergie de surface en W.m-2. L’écart-type est entre parenthèses. Les flux sont comptés positivement quand ils sont dirigés vers la surface. L’ablation est en mm équivalent eau. « Wagnon » correspond à la paramétrisation indépendante tirée de l’article de Wagnon (2003). 4 La table B.1-3 présente la moyenne des différentes composantes du SEB, pour les jours calmes et venteux dans chacun des deux sites d’observation, ainsi que l’ablation correspondante calculée par CROCUS. Lors des jours calmes, le SEB des deux sites est positif : réchauffement de la surface et donc fonte. Le SEB alpin est quasiment six fois plus élevé que celui de CP. Le rayonnement solaire net (SW net) est prépondérant dans chacune des deux régions. La différence entre les stations est principalement due à l’albédo : il est en moyenne de 0,8 à CP et 0,48 à StSo d’après CROCUS. Les valeurs négatives du rayonnement infrarouge indiquent que la surface émet plus qu’elle ne reçoit de l’atmosphère. Pour ce qui est du flux de chaleur sensible (H), les valeurs des deux sites sont semblables, ce qui indique que la vitesse du vent compense la différence de gradient de température. Les flux de chaleur latente sont de signe opposé ce qui reflète des gradients d’humidité spécifique inverses. En effet, la température de l’air à Saint Sorlin permet une humidité spécifique plus élevée qu’à Cap Prudhomme. Lors des jours venteux, contrairement aux jours calmes, les processus engagés dans le SEB sont différents. A Cap Prudhomme, le SEB est presque à l’équilibre. Effectivement les flux turbulents, qui restent de signe opposé, prennent à cause du vent (facteur multiplicatif) des proportions supérieures aux rayonnements nets. Plus particulièrement, le thermique net se rapproche de l’équilibre, car la température de surface diminue (moins d’émissions) et la nébulosité augmente (plus de LWi). A St Sorlin, le SEB augmente grâce au flux de chaleur sensible H. Ce dernier est fortement influencé par un vent et un gradient de température important. Quant au flux de chaleur latente LE, il reste stable car une baisse de l’humidité relative couplée à une augmentation de la température entraîne une baisse du gradient d’humidité spécifique. Cette dernière est compensée par la force du vent. Pour résumer, la température de surface est le facteur ayant le plus d’influence dans les flux turbulents, ce qui explique les différences entre les deux sites. CROCUS utilise une méthode de type «bulk» (cf. cadre ci-dessous) pour le calcul des flux turbulents. Une paramétrisation différente, au niveau de la fonction adimensionnelle de stabilité R (cf. cadre cidessous), de la méthode «bulk» a permis l’évaluation de l’effet de la température de surface sur les flux turbulents. Cette paramétrisation est celle de Braithwaite (1995) modifié par Wagnon et al. (2003) avec comme hypothèse principale une température de surface égale à 0°C (cf. table E-3). A StSo, les flux turbulents calculés grâce à la paramétrisation sont du même ordre de grandeur que ceux modélisés par CROCUS pour les deux situations de vent. A CP, la paramétrisation donne des résultats aberrants (cf. cases jaunes) par rapport à CROCUS uniquement pour le jour venteux, qui présente une température de l’air fortement négative. Ces deux éléments permettent de confirmer que l’hypothèse qu’une surface à 0°C est réaliste à St Sorlin tandis qu’elle ne correspond pas nécessairement à la réalité de terrain du jour venteux à Cap Prudhomme. En considérant une température de surface de -5°C pour CP, les flux turbulents calculés grâce à la paramétrisation (H = 114,99 W/m² ; LE = -60,13 W/m²) se rapprochent des simulations de CROCUS. 5 L’analyse des données étant encore en cours, une description plus précise de la participation des différents paramètres n’est pas actuellement possible. LA METHODE «BULK» LA METHODE «BULK» PERMET DE CALCULER LES FLUX TURBULENTS A PARTIR DES MESURES DE TEMPERATURE, D’HUMIDITE RELATIVE ET DE VITESSE DU VENT A UNE SEULE HAUTEUR. ELLE EST REGIE PAR LES EQUATIONS SUIVANTES : H= − ρ × Cp × k ² × u × (T − Ts ) R (ln z ) × (ln z ) z0m z 0t LE = OU − ρ × Ls × k ² × u × (q − qs ) R (ln z ) × (ln z ) z0m z0q ρ = la densité de l’air Cp = la capacité calorifique de l’air (1005-(1+0,84q)) Ls = la chaleur latente de sublimation (2,839.106-3,6(T+35)) k = la constante de Von Karman (0,4) u = la vitesse du vent T = la température de l’air Ts = la température de surface q = l’humidité spécifique de l’air qs = l’humidité spécifique de la surface z = la hauteur de mesure z0 = la hauteur de rugosité R = fonction adimensionnelle de stabilité LA THEORIE DE CES EQUATIONS EST EXPOSEE DANS PHYSICS OF CLIMATE OORT (1992). 6 DE J.P. PEIXOTO ET A.H. ANNEXE B.2 : SMB St Sorlin / Cap Prudhomme Hundreds Crocus Mesures 3670 Bilan de masse cumulé (mmw.e.) 3665 3660 3655 3650 3645 3640 04/08/2005 14/08/2005 24/08/2005 03/09/2005 13/09/2005 23/09/2005 03/10/2005 13/10/2005 Date Figure B.2-1 : Simulation et mesure du SMB cumulé à St Sorlin (station située en bas du glacier). Les barres d’erreur sur les mesures correspondent à ± 10 cm. Celles sur les simulations correspondent à l’influence de l’erreur instrumentale. Figure B.2-2 : Simulation et mesure du SMB relatif à de Cap Prudhomme 7 ANNEXE C : Les équations Pour t2m et LWi, les régressions polynomiales ont été effectuées sur des données centrées par rapport à la moyenne pour des raisons de calcul. t2m (données centrées) Zone 1 y = 0.05 + 0.86 x + 0.017 x 2 + 2.59 e −4 x 3 − 1.85 e −5 x 4 − 9.33 e −7 x 5 Zone 2 y = −0.2 + 0.84 x + 0.001 x 2 + 9.8 e −4 x 3 + 3.16 e −5 x 4 − 9.3 e −7 x 5 Zone 3 y = 0.06 + 0.84 x + 0.001 x 2 + 4.21e −4 x 3 − 1.46 e −5 x 4 − 1.29 e −6 x 5 Zone 4 y = −0.16 + 0.84 x − 0.003 x 2 + 9.4 e −4 x 3 + 7.64 e −5 x 4 + 2.36 e −6 x 5 LWi (données centrées) Zone 1 y = 7.26 + 1.1 x − 0.005 x 2 − 2.03 e −5 x 3 + 5.44 e −7 x 4 − 1.57 e −9 x 5 Zone 2 y = 4.15 + 1.23 x − 0.004 x 2 − 6.05 e −5 x 3 + 4.77 e −7 x 4 + 2.45 e −7 x 5 Zone 3 y = 7.06 + 1.05 x − 0.005 x 2 − 4.83 e −6 x 3 + 4.9 e −7 x 4 − 2.3 e −9 x 5 Zone 4 y = 3.49 + 1.14 x − 0.003 x 2 − 3.68 e −5 x 3 + 3.99 e −7 x 4 + 1.19 e −9 x 5 v10m Zone 1 y = 2.1 − 0.04 x + 0.15 x 2 − 0.01 x 3 + 3.01 e −4 x 4 − 3.32 e −6 x 5 Zone 2 y = 0.37 + 2.9 x − 0.37 x 2 + 0.03 x 3 − 7.81e −4 x 4 + 5.92 e −6 x 5 Zone 3 y = 1.21 + 0.16 x + 0.23 x 2 − 0.02 x 3 + 0.001 x 4 − 1.64 e −5 x 5 Zone 4 y = 1.36 + 3.88 x − 0.79 x 2 + 0.08 x 3 − 0.004 x 4 + 5.49 e −5 x 5 RH (Entre parenthèses pour les zones 1 et 3, l’incertitude machine sur le coefficient/la constante ; pour les zones 2 et 4, l’erreur quadratique moyenne sur la pente) Zone 1 t2m > 0°C 0°C > t2m > -5°C -5°C > t2m > -15°C t2m < -15°C y = −3.33 + 0.997 x y = −0.83 + 1.002 x y = 12.65 + 0.97 x y = 6.27 + 1.21 x (0.073/4.65) (0.053/3.08) (0.045/2.32) (0.081/3.1) t2m > 0°C 0°C > t2m > -5°C y = 0.856 x y = 0.852 x (0.21) (0.24) Zone 2 8 -5°C > t2m > -15°C t2m < -15°C y = 0.884 x y = 0.75 x (0.46) (0.42) t2m > 0°C 0°C > t2m > -5°C -5°C > t2m > -15°C t2m < -15°C y = 0.31 + 0.94 x y = −0.02 + 0.999 x y = 13.23 + 0.98 x y = 7.16 + 1.21 x (0.073/4.67) (0.052/3.1) (0.048/2.4) (0.08/3.01) t2m > 0°C 0°C > t2m > -5°C -5°C > t2m > -15°C t2m < -15°C y = 0.853 x y = 0.851 x y = 0.917 x y = 0.804 x (0.21) (0.26) (0.47) (0.44) Zone 3 Zone 4 Paramétrisations de LWi Formules de Brutsaert LWc = 1.24 × (e / t )1 / 7 × (1 + 0.22 × n 2 ) LWi = LWc × σ × t 4 Formules de Konzelmann LWi = [(0.23 + 0.484 × (e / t )1 / 8 ) × (1 − n 4 ) + 0.952 × n 4 ] × σ × t 4 Formules de Marshunova LWc = (0.67 + 0.05 × e1 / 2 ) × σ × t 4 LWi = LWc × (1 + n × 0.29) Formules de Oerleman LWc = 0.23 + 0.475 × (e / t )1 / 8 LWi = ( LWc × (1 − n 2 ) + 0.976 × n 2 ) × σ × t 4 Avec LWc = rayonnement thermique par temps clair LWi = rayonnement thermique tout temps e = pression de vapeur t = température n = nébulosité décimale σ = constante de Stefan-Boltzmann = 5,67e-8 W.m-2.K-4 9 ANNEXE D : Instrumentation à Cap Prudhomme Figure D-1 : Disposition du réseau de balises Mesure effectuée Instrument Précision constructeur Hauteur sur le mat Température (°C) Thermohygromètre Vaisala HPM45C (non ventilé) ± 0.2°C au sommet Humidité Relative (%) Thermohygromètre Vaisala HPM45C (non ventilé) ± 2% entre 0 et 90% ± 3% entre 90 et 100% au sommet Aérovane Young 503 ± 0.3 m/s au sommet Aérovane Young 503 ± 3° Vitesse du Vent (m/s) Direction du Vent (°N) Sw (W/m²) Lw (W/m²) PyranomètrePyrgéomètre Kipp&Zonen CNR1 PyranomètrePyrgéomètre Kipp&Zonen CNR1 a subi un problème autour du jour 278 à cause de la fonte du givre, perte de données peut subir l'influence hydrodynamique des containers "raid" au sommet ± 10% sur la somme journalière 1.5 m ± 10% sur la somme journalière 1.5 m dome de proctection pouvant être recouvert par le givre, nettoyage régulier nécessaire dans les containers "raid" centrale d'acquisition Campbell CR23X Module de stockage Commentaires dans les containers "raid" Table D-1 : Détails des instruments constituant l’AWS de Cap Prudhomme Campbell SM16M 10 ANNEXE E : La météorologie à Cap Prudhomme Figure E-1 : Evolution des variables météo mesurées à Cap Prudhomme (Janvier 2005 – Janvier 2006) Figure E-2 : Relation entre les différentes variables mesurées à Cap Prudhomme. Graphique haut gauche : pour les températures inférieures à -15°C, il existe un « cut-off » où l’humidité n’atteint plus de valeurs élevées. Graphique bas droite : les deux nuages de points denses représentent les directions prédominantes de vent (catabatiques). 11 ANNEXE F.1 : Les corrections Figure F.1-1 : Relation entre LWi CP et LWi ECMWF en fonction de la Ta. Cette figure confirme le lien (loi de StephanBoltzmann) entre Ta et LWi. Figure F.1-2 : Relation entre Vv CP et Vv ECMWF en fonction de la direction du vent. 12 ANNEXE F.2 : Relation entre les variables CP et les variables DDU 13 ANNEXE G.1 : Variabilité inter-balises Figure G.1-1 : ANG pour 10 balises du réseau d’ablation du CP. Cette permet de voir la variabilité spatiale du réseau, qui nécessite d’être filtrée par une ACP afin d’une seule courbe avec le minimum de « bruit » ANNEXE G.2 : Les tests de sensibilité Variable météo t2m v10m RH LWi Swi h α ANG finale (cm) + 1°C - 1°C + 3 m/s - 3 m/s + 12 % - 12 % + 14 W/m² - 14 W/m² x 1.15 (+ 20 W/m²) x 0.85(+ 20 W/m²) -39 -32 -73 +25 -24 -42 -43 -27 -38 -30 Variation par rapport à la météo corrigée (cm) -6 +1 -40 +58 +9 -9 -10 +6 -5 +3 Variation par rapport à la météo corrigée (cm) 0.3 cm -108 -75 0.002 cm +18 +51 4m -56 -23 15 m -25 +8 0.5 -46 -13 0.9 -26 +8 Table G.2-1 : Détails des tests de sensibilité par rapport à l’ANG finale Paramètre CROCUS z0 Test Test ANG finale (cm) 14 Taux de variation -5 cm/°C +1 cm/°C -13 cm/m/s +20 cm/m/s +0.75 cm/% -0.75 cm/% -0.7 cm/W/m² +0.4 cm/W/m² -0.25 cm/W/m² +0.15 cm/W/m² Figure G.2-2 : Différence entre ANG test et ANG best fit La figure G.2-2 permet de juger de l’action du vent, de la hauteur de rugosité, de la hauteur des instruments et de l’albédo. Les trois premiers paramètres jouent de la même façon sur l’ANG (sauf en amplitude) c’est-à-dire que leur action par rapport à l’érosion est plus forte que leur action sur les flux turbulents. En effet à chaque évènement précipitant la différence entre les ANG augmente brusquement pour diminuer peu après à cause de l’érosion plus ou moins rapide de la neige accumulée tandis que pendant les périodes sans précipitations la différence augmente plus doucement et de façon irréversible. L’action de l’albédo est saisonnière : la différence entre les ANG n’augmente que pendant la période estivale. 15 ANNEXE H : Profil initial de glace Fichier visu_pro (visualisation des profils de CROCUS) du profil initial ################################################################################################ # PROFIL INITIAL POUR CROCUS/ INITIAL PROFILE FOR CROCUS # # DONNEES LUES PAR ini_pro / DATA READ BY ini_pro # POUR FAIRE UN FICHIER PRO / TO CREATE A FILE PRO ################################################################################################ # LES LIGNES COMMENCANT PAR # / EACH LINE BEGINNING BY # # NE SONT PAS LUES / IS NOT READ # ################################################################################################ # CERTAINS PARAMETRES NE SONT / SOME PARAMETERS ARE NOT # PAS UTILISES EN ENTREE : / USED AS INPUT : # ALTITUDE,INCLINAISON,ECOULEMENT / ALTITUDE,INCLINAISON,ECOULEMENT # ET NE SONT PAS DEMANDES ICI / AND ARE NOT USED HERE ################################################################################################ # DATE : |AAAA MM DD HH| 2004 01 01 13 # NOMBRE DE COUCHES / LAYERS NUMBER (MAX 50) |NN| 19 ################################################################################################ # CARACTERISTIQUES DE CHAQUE | CHARACTERISTICS OF EACH # COUCHE EN COMMENCANT PAR | BEGINNING BY THE TOP OF THE # LA COUCHE DU HAUT | SNOW COVER # LE FORMAT EST LE MEME | THE FORMAT IS IDENTICAL TO THE # QUE LES SORTIES DE visu_pro | OUTPUTS of visu_pro # SAUF LA PREMIERE COLONNE | EXCEPT FOR THE FIRST COLUMN # (HAUTEUR TOTALE) | (TOTAL HEIGHT) # # IL EST POSSIBLE DE LAISSER | IT IS POSIBLE TO LET THE # LA PREMIERE COLONNE (HAUTEUR TOTALE) | FIRST COLUMN IF OUTPUTS # SI ON UTILISE DES SORTIES | OF visu_pro ARE USED # DE visu_pro | (IT WILL NOT BE READ) # (ELLE NE SERA PAS LUE) # # ############################################################################################ # DZ T RO TEL/LWC G1/G2 HIST DATE # cm deg C g/cm3 g/cm3 # XXX.X XXX.XX .XXX XX.XX XXX.XX /XX.XX X YYYYMMDD ############################################################################################ 4370.8 2.8 0.00 .917 0.00 0.96/ 7.66 1 20031231 4368.0 2.1 0.00 .917 0.00 0.03/ 7.66 1 20031231 4366.0 1.6 0.00 .917 0.00 0.02/ 7.66 1 20031231 4364.3 2.5 0.00 .917 0.00 0.02/ 7.66 1 20031231 4361.9 2.5 -0.15 .917 0.00 0.00/ 7.66 1 20031231 4359.4 98.4 -6.21 .917 0.00 49.50/ 7.66 1 20031231 4260.9 98.4 -6.21 .917 0.00 49.50/ 7.66 1 20031231 4162.5 281.2 -11.07 .917 0.00 49.50/ 7.66 1 20031231 3881.2 281.2 -11.07 .917 0.00 49.50/ 7.66 1 20031231 3600.0 450.0 -10.61 .917 0.00 49.50/ 7.66 1 20031231 3150.0 450.0 -10.63 .917 0.00 49.50/ 7.66 1 20031231 2700.0 450.0 -10.93 .917 0.00 49.50/ 7.66 1 20031231 2250.0 450.0 -11.00 .917 0.00 49.50/ 7.66 1 20031231 1800.0 450.0 -11.00 .917 0.00 49.50/ 7.66 1 20031231 1350.0 450.0 -11.00 .917 0.00 49.50/ 7.66 1 20031231 900.0 675.0 -11.00 .917 0.00 49.50/ 7.66 1 20031231 225.0 112.5 -11.00 .917 0.00 49.50/ 7.66 1 20031231 112.5 112.5 -11.00 .917 0.00 49.50/ 7.66 1 20031231 129.2 129.2 -11.00 .917 0.00 49.50/ 7.66 1 20031231 16 ANNEXE I : REFERENCES COMPLEMENTAIRES 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Alt J., 1960, Quelques considérations générales sur la météorologie de l'Antarctique, La Météorologie IV-57, p.17-41 Bamber J.L., Payne A.J., 2004, Mass Balance of the Cryosphere, Observations and modelling of contemporary and future changes, Cambridges University Press, 644 p. Braithwaite R.J., 1995, Aerodynamic stability and turbulent sensible-heat flux over a melting ice surface, the Greenland ice sheet, Journal of Glaciology 41-139, p.562-571 Genthon C., 1994, Antarctic climate modeling with général circulation models of the atmosphère, Journal of Geophysical Research 99-D6, 12953-12961 Genthon C., Krinner G., 2001, Antarctic surface mass balance and systematic biases in général circulation models, Journal of Geophysical Research 106-D18, p.20653-20664 Gerbeaux M., 2005, Reconstruction du bilan de masse des glaciers alpins et impact d’un changement climatique, Thèse de Doctorat UJF-LGGE, 132 p. Jonsson S., 1990, Local climate and mass balance of a blue-ice area in western Dronning Maud Land, Antarctica, Zeitschrift Für Gletsherkunde und Glazialgeologie 26-1, p. 11-29 King J.C., Argentini S.A., Anderson P.S., 2006, Contrasts between the summertime surface energy balance and boundary layer structure at Doma C and Halley stations, Antarctica, Journal of Geophysical Research 111-D02105 Konzelmann T., Van De Wal R.S.W., Greuell W., Bintanja R., Henneken E.A.C., Abe-Ouchi A., 1994, Parameterization of global and longwave incoming radiation for the Greenland Ice Sheet, Global and Planetary Change 9, p.143-164 Nye J.F., 1968, Errors in the détermination of ablation using stakes: comments on Dr. Vallon's letter, Journal of Glaciology 7-49, p. 132-133 Pettré P., Payan C., Parish T.R., 1993, Interaction of Katabatic Flow With Local Thermal Effects in a Coastal Région of Adélie Land, East Antarctica, Journal of Geophysical Research 98-D6, p.10429-10440 Pettré P., Pinglot J.F., Pourchet M., Reynaud L., 1986, Accumulation distribution in Terre Adélie, Antarctica: Effect of meteorological parameters, Journal of Glaciology 32-112, 486-500 Rignot E., Thomas H., 2002, Mass Balance of Polar Ice Sheets, Science 297, 1502-1506 Sicart J-E., 2002, Contribution à l'étude des flux d'énergie, du bilan de masse et du débit de fonte d'un glacier tropical: le Zongo, Bolivie, Rapport de Thèse de Doctorat Paris VI, 334 p. Sicart J-E., Wagnon P., Gallaire R., Francou B., Ribstein P., Pouyaud B., Baldivieso H, 1998, Mesures météorologiques hydrologiques et glaciologiques sur le glacier du Zongo, Année hydrologique 1996-97, Informe n°57 OSTROM-Bolivie, 119 p. Torinesi O., 2002, Contribution à l'étude du climat antarctique: Variabilité de la fonte de surface par télédétection micro-onde entre 1979 et 1999. Et paramétrisation de la couche limite atmosphérique stable, Rapport de Thèse de Doctorat UJF-LGGE, 157 p. Van Den Broeke M., 1997, Spatial and temporal variation of sublimation an Antarctica: Results of a high-résolution général circulation model, Journal of Geophysical Research 102-D25, p.29765-29777 Van Den Broeke M., Bintanja R., 1995, The interaction of katabatic winds and the formation of blue-ice areas in East Antarctica, Journal of Glaciology 41-138, 395-407 Wagnon P., 1999, Analyse du bilan d'énergie d'un glacier tropical. Application à la relation glacier-climat, Rapport de Thèse de Doctorat UJF-LGGE, 199 p. Wagnon P., Sicart J-E., Berthier E., Chazarin J-P., 2003, Wintertime high-altitude surface energy balance of a Bolivian glacier, Illimani, 6340 m above sea level, Journal of Geophysical Research 108-D6 Zwally H.J., Fiegles S., 1994, Extent and duration of Antarctic surface melting, Journal of Glaciology 40-136, p. 463476 Zwally H.J., Giovinetto M.B., Li J., Cornejo H.G., Beckley M.A., Brenner A.C., Saba J.L., Yi D., 2005, Mass changes of the Greenland and Antarctic ice sheets and shelves and contributions to sea-level rise : 1992-2002, Journal of Glaciology 51-175, p. 509-527 http://icesat.gssfc.nasa.gov http://solarad.uoregon.edu/SolarRadiationBasics.html http://www.ipev.fr 17