La lettre trimestrielle de MERCATOR - No 10

Transcription

La lettre trimestrielle de
MERCATOR
No 10 - Juillet 2003 - page 1
Editorial
Chèr(e) Mercatorien(ne),
Cette Newsletter estivale sera
dense
et
variée !
Vous
y
découvrirez
une
étude
de
validation de PSY2v1 sur la Mer
du Labrador, une description
d'Armor qui reconstruit un océan
observable en 3 dimensions et
enfin, une présentation d'un
produit combiné de hauteur de
mer dans la Méditerranée : y
verrez-vous quelques dauphins ?
Bonne lecture !
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Sommaire
z Evaluation des processus régionaux : la Mer du Labrador
z 1. Introduction
z 2. Ce qu'il faut retenir de PSY2v1 pour notre analyse
z 3. PSY2v1 : quelques dates clefs entre décembre 2002
et mars 2003
z 4. PSY2v1 face aux observations in situ
z 5. Quelques éléments de réponse
z 6. En conclusion
z Utilisation combinée des données satellites (SLA, SST) et in situ pour
l'estimation des champs de température de l'Océan Atlantique Nord
z 1. Introduction
z 2. Les données
z 3. Projection verticale des données satellites (SLA, SST)
z 4. Combinaison des profils synthétiques et in situ
z 5. Illustration de la méthode le long d'une section
hydrographique
z 6. Conclusions et perspectives
z 7. Référence
z Prévision de produit combiné du niveau de la mer en Méditerranée -
comparaisons avec des observations
z 1. Résumé
z 2. Introduction
z 3. Le modèle Mog2D
z 4. Le niveau de mer généré par le vent et la pression
atmosphérique
z 5. Comparaisons avec les observations marégraphiques
z 6. Discussion
z 7. Conclusion
z 8. Références
z Bloc Note
Evaluation des processus régionaux : la Mer du
Labrador
Par Nathalie Verbrugge
1. Introduction
La Mer du Labrador appartient au gyre subpolaire Atlantique. Elle est délimitée au Nord par la Mer de Baffin et au
sud par la recirculation du courant Nord Atlantique. Sur son pourtour circulent le courant du Labrador et le
courant ouest groenlandais qui apportent des eaux froides et peu salées des bassins nordiques. Elle est le lieu de
convections hivernales profondes qui induisent une ventilation de masses d'eau intermédiaires - 200 à 1000
mètres -, telles que le LSW1, et profondes : le NEADW2. Partie de la cellule de circulation thermohaline, cette
région joue donc un rôle essentiel dans les processus climatiques. C'est une région difficile à étudier de part sa
position très nord et les conditions climatiques rigoureuses ; c'est aussi une région que les modèles peinent à
représenter correctement. En effet, les processus qui influent sur la variabilité et les caractéristiques de la région
sont nombreux : échanges de flux air-mer, glace de mer et glaciers groenlandais, lien avec la salinité,
représentation des caractéristiques des courants et des masses d'eaux qui proviennent des mers arctiques,
représentation des évènements convectifs...
Pour toutes ces raisons, nous avons voulu savoir "où en était" PSY2v1 dans la représentation de cette région.
1 LSW : Labrador Sea Water
2 NEADW : Northeast Atlantic Deep water
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Evaluation des processus régionaux : la Mer du Labrador (suite)
2. Ce qu'il faut retenir de PSY2v1 pour notre analyse :
Le modèle est forcé par les flux de chaleur pénétrant et non pénétrant, le flux Evaporation-Précipitation et la
tension de vent du centre Européen (ECMWF). La salinité de surface (SSS) est rappelée vers la climatologie
saisonnière de Reynaud (1998) et la température de surface (SST) vers les SST Reynolds journalières. Ces
rappels sont appliqués afin d'éviter une éventuelle dérive du modèle. Ils doivent donc permettre de conserver des
masses d'eau avec des caractéristiques moyennes réalistes. PSY2 n'intègre pas de véritable modèle de glace et
aucune autre forme de paramétrisation n'est appliquée pour prendre en compte l'impact, non négligeable, de la
formation et de la fonte des glaces de mer sur la salinité. On se contente de couper les flux atmosphériques
lorsque la température de surface atteint le point de congélation. Enfin, le modèle est initié par la climatologie
Reynaud du mois de septembre pour les champs de température et salinité.
Nous avons constaté que la variabilité de la SSS et de la SST issues de la climatologie Reynaud était nulle sur la
Mer du Labrador et le courant Est-Groenlandais (cf. Figure 1). Cela signifie que le rappel en salinité "tire" le
modèle vers une moyenne annuelle qui ne tient pas compte de la saisonnalité des caractéristiques océaniques.
Figure 1 : Ecart-type de la salinité de surface (gauche) et de la température de surface (droite) issues de la
climatologie Reynaud.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
3. PSY2v1 : quelques dates clefs entre décembre 2002 et mars 2003 :
L'analyse porte sur les quatre mois de l'hiver 2002-2003 : de décembre à mars. Au cours de cet hiver, nous
avons retenu trois dates marquantes :
z La mi-février 2003 marque le début de la convection dans la Mer du Labrador qui s'accompagne de
l'approfondissement de la couche mélangée (cf. Figure 2). On note conjointement toute une série de
caractéristiques atmosphériques favorables au déclenchement d'un épisode convectif : une forte
diminution de flux de chaleur entre le début de l'année 2003 (Qnet = -200W/m²) et le 19 février 2003
(Qnet = -650W/m²), un flux E-P qui est positif sur une large partie du domaine (lorsque E-P est positif,
l'évaporation est supérieure à la précipitation et l'océan de surface a tendance à se saler) et de forts vents
de nord-ouest. L'advection océanique d'anomalies froides et salées peut également participer au
processus. Tous ces paramètres contribuent à "alourdir" les eaux de surface et à les faire plonger dès lors
que le profil vertical est devenu instable. Nous n'avons pas de profils in situ pour valider cet évènement.
Figure 2 : Profondeur de la couche mélangée de PSY2v1 à la date du 19 février 2003. Le rectangle noir
délimite la zone de convection dans la Mer du Labrador (approfondissement de la couche mélangée).
z La mi-mars 2003 marque l'extension de la zone de convection (cf. Figure 3). Le flux de chaleur reste très
négatifs entre la mi-février et la mi-mars et on observe de très forts vents de nord-ouest dans les champs
ECMWF. Le flux E-P, par contre, redevient négatif par endroit sur cette zone. Il est intéressant de
remarquer que, dans PSY2v1, les régions de convection pour février et mars sont remarquablement bien
et
corrélées
avec
le
champ
de
salinité
(cf.
psy2_20030219_19407_zPAM_s_n0_t0.gif
psy2_20030319_19435_zPAM_s_n0_t0.gif). Cette corrélation mérite d'être soulignée dans le cas où le
satellite SMOS d'observation de la SSS deviendrait opérationnel. Dans cette hypothèse, des données de
SSS pourraient alors être directement assimilées dans le modèle.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 3 : Profondeur de la couche mélangée de PSY2v1 à la date du 19 mars 2003. Le rectangle noir
délimite la zone de convection dans la Mer du Labrador (approfondissement de la couche mélangée).
z La fin du mois d'avril 2003 s'accompagne du début de la restratification (cf. Figure 4). L'analyse des
paramètres atmosphériques indique une modification du régime de vents avec de faibles vents d'est
(vents marins) qui s'accompagnent d'un flux d'air chaud (les flux de chaleur sont positifs sur la Mer
d'Irminger et faiblement négatif sur la Mer du Labrador (Qnet = -100W/m²)) et plus de précipitation que
d'évaporation (E-P<0).
Figure 4 : Profondeur de la couche mélangée de PSY2v1 à la date du 23 avril 2003.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
4. PSY2v1 face aux observations in situ :
Sur les 4 mois d'hiver, 106 profils in situ de température (T) et de salinité (S) (issus de la base Coriolis de
l'Ifremer) ont été effectués dans la région du Labrador. La plupart d'entre eux ont permis d'échantillonner les
masses d'eau jusqu'à 1500-2000 mètres (cf. Figure 8). Leur répartition temporelle est inhomogène. Ainsi, seule
une observation a été relevée pour le mois de février alors que 18 sont disponibles pour le mois de janvier. Nous
avons interpolé le modèle et la climatologie Reynaud aux positions (fonction quadratique), profondeurs et dates
(fonction linéaire) des observations.
Profils verticaux : mode convectif et non convectif
Nous avons choisi deux profils datés du 11 janvier 2003 (cf. Figure 5) et du 1 avril 2003 (cf. Figure 7). Ils ont été
retenus sur les 2 critères suivants :
z Leurs positions respectives sont voisines ([60.5N, 53.4W] et [60.2N, 53.2W]) et s'inscrivent dans la zone
géographique de convection simulée par PSY2v1 entre la mi-mars et la mi-avril (cf. Figure 6 pour la date
du 2 avril 2003).
z L'un se situe hors de l'épisode convectif (le 11 janvier 2003), l'autre y appartient (le 1 avril 2003).
Figure 5 : Température (gauche) et salinité (droite) pour la date du 11 janvier 2003. Les courbes bleues
représentent les champs du modèle ; les courbes vertes représentent le profil observé ; les courbes jaunes en
pointillées représentent le profil extrait de la climatologie Reynaud.
Figure 6 :
Couche mélangée de PSY2v1 à la date du 2 Avril 2003.
Le rond noir indique la position des profils sélectionnés
pour l'analyse (11/01/2003 et 01/04/2003)
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 7 : Température (gauche) et salinité (droite) pour la date du 1 avril 2003. Les courbes bleues représentent
les champs du modèle ; les courbes vertes représentent le profil observé ; les courbes jaunes en pointillées
représentent le profil extrait de la climatologie Reynaud.
On observe, entre les deux dates, une homogénéisation de la colonne d'eau tant dans les observations que dans
PSY2v1 ainsi qu'un approfondissement des thermocline et halocline (voir une disparition pour cette dernière) : la
température décroît sur les 700-800 premiers mètres et la salinité diminue en surface et augmente en subsurface
jusqu'à une profondeur de 800 mètres. Des différences importantes existent cependant. On retiendra par
exemple :
z Une couche mélangée plus profonde dans les observations pendant l'épisode convectif.
z Un biais important, de plus de 2°C et 0.2 psu, en surface et en subsurface à la date du 11 janvier 2003.
On note cependant que ces écarts diminuent pendant l'épisode convectif. On descend, en effet, à 0.5 °C en
moyenne entre 0 et 700 mètres, à 0.1 psu sous 800 mètres et à un écart en salinité presque nul en surface :
PSY2v1 s'écarte de la climatologie pour se rapprocher des observations lorsque l'information de surface, issue des
forçages extérieurs, est propagée sur la verticale par la dynamique du modèle.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
En moyenne sur l'hiver 2002-2003
Les trois exemples de profils de la Figure 8 permettent d'illustrer plusieurs points essentiels :
1.
Les termes de rappel en surface (climatologie pour la SSS et champ Reynolds pour la SST) ne "ramène"
pas le modèle vers les in situ contemporaines. Sur de nombreux profils, on observe que la salinité du
modèle dans la couche de surface est nettement inférieure à la salinité observée. On remarque qu'elle est,
en fait, très proche de la climatologie. Les SST Reynolds sont aussi très éloignées des observations. Nous
avons calculé, en effet, que l'écart-type et le biais entre les SST Reynolds et les SST in situ étaient
respectivement de 1.239°C et 0.672°C. Cependant, les SST PSY2 restent assez "dispersées" autour des
valeurs des SST Reynolds puisque l'écart-type et le biais calculés sur le domaine d'étude sont
respectivement de 1.201°C et -0.158°C entre ces deux champs. En résumé, nous avons les relations
suivantes pour les champs de surface:
z Pour la SSS :
z Pour la SST :
On peut mentionner que les écarts entre les différents champs ne résultent pas de problèmes de
représentation de la méso-échelle puisqu'ils s'avèrent être à peu près homogènes à l'échelle du bassin.
3.
La climatologie Reynaud qui a servi à initialiser le modèle ne possède pas les bonnes masses d'eau
profondes dans cette région : elle est trop salée (0.02 à 0.05psu) et trop chaude (0.1°C) à 2000 mètres.
4.
La couche mélangée (couche qui possède des propriétés homogènes sur la verticale) est plus profonde
dans les observations que dans PSY2v1.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 8 : Exemples de profils en température (gauche) et salinité (droite) pour les dates du 2 décembre 2002
(en haut), 1 janvier 2003 (milieu) et 25 mars 2003 (bas). Les courbes bleues représentent les profils PSY2v1, les
courbes vertes représentent les profils in situ et les courbes jaunes représentent les profils issus de la
climatologie Reynaud. Les points rouges indiquent la valeur de la SST Reynolds.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Les cartes de la Figure 9 représentent les écarts moyens entre les différents champs T et S de PSY2v1, des
observations et de la climatologie calculés sur l'hiver 2002-2003 et sur la région de la Mer du Labrador. Elles
permettent de synthétiser une partie des résultats obtenus qualitativement par l'analyse directe des profils (cf.
Figure 8). Elles signalent un déficit en sel et en quantité de chaleur dans les 100 premiers mètres du modèle par
rapport aux profils in situ (0.1 à 0.2psu et 0.5 à 1°C). Sous cette profondeur, on note, par contre, un excès de sel
dans PSY2v1 de l'ordre de 0.05psu. La comparaison avec la climatologie Reynaud, point de départ de PSY2v1 en
septembre 2001, indique une forte similitude avec les caractéristiques T et S des masses d'eau du modèle sous
les 100 premiers mètres. Or, elle se révèle être, dans cette région, beaucoup plus proche des caractéristiques des
masses d'eau présentes à la fin des années 60s (cf. figure 4 à l'adresse Web www.mar.dfompo.gc.ca/science/ocean/woce/labsea/labsea_poster.html#sec1.1). Cette faible représentativité des masses
d'eaux récentes s'explique simplement par le fait que la base de données hydrographiques utilisée par Reynaud
contient un nombre de points d'observations sur la Mer du Labrador beaucoup plus grand entre 1960 et 1975
qu'entre 1985 et 1998.
Figure 9 : Ecart moyen en température (gauche) et salinité (droite) entre PSY2v1 et les observations (courbes
rouges), entre PSY2v1 et la climatologie Reynaud (courbes bleues) et entre les observations et la climatologie
(courbes vertes). Les différences sont calculées à partir de tous les profils observés (ramenés à des niveaux
identiques) sur la région du Labrador entre décembre 2002 et mars 2003.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
5. Quelques éléments de réponse :
z Les champs utilisés pour les rappels en surface ne "tirent" pas le modèle vers les in situ contemporaines.
D'autre part, la climatologie qui permet d'initialiser le modèle est représentative des masses d'eau qui
occupaient le bassin à la fin des années 60s, mais pas des masses d'eaux contemporaines. Ceci pose
surtout un problème pour les masses d'eaux profondes qui ne sont renouvelées qu'à très basse fréquence
(décennale) par les épisodes convectifs intenses.
z Dans cette région, Renfrew & al. (2002) ont calculé une barre d'erreur sur les flux de chaleur de l'ordre de
10%. La Figure 10 montre que les flux de chaleur moyens sur les 4 mois d'hiver 2002-2003 valent environ
-200W/m². L'erreur moyenne sur les flux de chaleur représente donc environ ±20W/m² pour cette
période de l'année. On rappelle que 20W/m² sur 1 mois et une couche de 100 mètres de profondeur
représentent un réchauffement de 0.5°C de la température de l'océan dans ces 100 premiers mètres. Bien
sûr, il s'agit d'une approximation grossière puisqu'on ne tient pas compte des termes d'advection, de
diffusion, ni de la profondeur réelle de la couche mélangée. Cependant, ceci illustre à quel point la
méconnaissance des flux de chaleur peut être déterminant dans la reproduction des évènements
convectifs.
Figure 10 : Moyenne des flux de chaleur (ECMWF) calculée sur décembre 2002 à mars 2003.
z Les erreurs sur la salinité et la température peuvent aussi provenir d'un défaut d'advection dans la région
(déficience dans la représentation des courants Est et Ouest Groenlandais par exemple, MSSH (cf.
http://www.mercator-ocean.fr/html/lettre/lettre_8/page_12.html) qui ne contiendrait pas le "bon" signal
barotrope). Elles peuvent aussi trouver leur source dans l'absence de paramétrisation de la
thermodynamique de la glace de mer et des glaciers.
6. En conclusion :
z Il faudrait "débrancher" les rappels en surface dans cette région, en veillant à ce que le modèle ne dérive
pas...
z Nous attendons avec impatience la version qui intègrera un modèle de glace (PSY3v1), prévue en mode
opérationnel d'ici la fin 2004.
z A plus courte échéance, la prochaine étape consistera à regarder les champs fournit par la configuration
PSY1v2 du modèle dont le rappel en SSS a été débranché et qui assimile, en plus de l'altimétrie, la SST
Reynolds et les profils in situ !
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Utilisation combinée des données satellites (SLA, SST)
et in situ pour l'estimation des champs de température
de l'Océan Atlantique Nord
Par Stéphanie Guinehut et Gilles Larnicol
1. Introduction
Malgré le nombre croissant de mesures in situ de température et de salinité, grâce notamment aux 780 flotteurs
Argo actifs, la structure thermohaline de l'océan reste largement sous échantillonnée par les observations in situ.
En complément, les mesures satellites fournissent des observations synoptiques de hauteur de mer (SLA) et de
température de surface de la mer (SST) sur l'océan global mais sans mesure directe de la structure verticale de
l'océan. Ces deux types de données (satellite et in situ) sont largement complémentaires (Gilson et al., 1998 ;
McCarthy et al., 2000) et jouent un rôle essentiel pour contraindre les modèles via les méthodes d'assimilation.
Notre objectif est de combiner ces deux types de données indépendamment des modèles afin de créer des
champs de comparaison plus précis que les champs climatologiques existants (Reynaud et al., 1998 ; Levitus et
al., 2000) et d'améliorer notre compréhension du contenu physique des données satellites et in situ et de leurs
incertitudes (erreurs, fréquence, répartition géographique).
Dans cette étude, nous présentons les résultats de la combinaison des données satellites (SLA et SST) et in situ
(profils de température) pour l'estimation des champs de température de l'Océan Atlantique Nord. Une méthode
de combinaison a été développée afin de combiner les mesures précises mais peu nombreuses de profils de
température avec les observations satellites moins précises mais à haute résolution spatiale et temporelle.
La méthode de combinaison comporte deux étapes. Des profils synthétiques de température sont tout d'abord
déduits des données altimétriques et de SST à partir d'une méthode de projection verticale. Ensuite, ces profils
synthétiques sont combinés avec les profils in situ via une méthode d'interpolation optimale réalisée sur N
niveaux verticaux de la surface jusqu'à 700 m de profondeur.
Nous allons tout d'abord présenter les données utilisées dans cette étude (section 2). Les méthodes de projection
et de combinaison sont ensuite décrites et validées respectivement dans les sections 3 et 4. Enfin, une étude
spécifique réalisée le long d'une section hydrographique de l'Océan Atlantique est détaillée dans la section 5 avant
de présenter les conclusions et les perspectives de ce travail dans la section 6.
2. Les données
Trois sources de données couvrant l'année 2002 ont été utilisées pour cette étude :
z Les profils in situ de température proviennent du centre de données Coriolis1 et correspondent à des
mesures temps réel provenant de flotteurs profilants, de mouillages et de mesures XBT et CTD.
z Les anomalies de hauteur de mer proviennent du centre de données SSALTO/DUACS2 et correspondent à
des cartes hebdomadaires des mesures combinées des satellites Jason-1 (Topex/POSEIDON), ERS-2 et
GFO avec une résolution horizontale au 1/3° Mercator.
z Les données de SST proviennent du centre de données NAVOCEANO3 et correspondent à des cartes
hebdomadaires de MCSST AVHRR avec une résolution horizontale de 18 km.
1 http://www.coriolis.eu.org/coriolis
2 http://www.aviso.oceanobs.com/duacs
3 http://podaac.jpl.nasa.gov/navoceano_mcsst
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Utilisation combinée des données satellites (SLA, SST) et in situ pour l'estimation des champs de
température de l'Océan Atlantique Nord (suite)
3. Projection verticale des données satellites (SLA, SST)
La première étape consiste à projeter sur la verticale les observations satellites (SLA, SST) via une méthode de
régression linéaire multiple afin de créer des champs de température "synthétique" tridimensionnels et
hebdomadaires avec une résolution horizontale au 1/4° sur chaque niveau vertical Levitus de la surface jusqu'à
700 m de profondeur.
3.1 Méthode
Là où la corrélation qui existe entre une hauteur stérique et le champ de température en profondeur est forte, la
partie stérique des champs de SLA peut être utilisée afin d'estimer avec une bonne précision des profils de
température. Une première étape consiste donc à extraire la partie stérique des SLA altimétriques grâce à des
coefficients de régression déduits d'une étude globale de comparaison altimétrie/in situ (Guinehut, 2002 ;
Guinehut et al., 2002). Ainsi, en incluant une contrainte supplémentaire avec la SST, l'équation de régression
linéaire multiple s'écrit :
où T', SLA' et SST' sont, respectivement, les anomalies de la température, de la hauteur stérique et de la
température de surface par rapport à la climatologie mensuelle Levitus (Antonov et al., 1998).
et
sont
les coefficients de la régression entre, respectivement, la hauteur stérique et la température et entre la SST et la
température. Ils varient avec la profondeur et s'expriment en fonction des covariances entre les différentes
variables :
Ces covariances ont été préalablement calculées de la surface jusqu'à 700 m de profondeur sur une grille globale
de 1° de résolution horizontale à partir d'un jeu de données extrait du World Ocean Database (Levitus et al.,
2001). Par ailleurs, nos analyses sont limitées à 700 m de profondeur en raison du nombre insuffisant de données
in situ pour les profondeurs supérieures à 700 m.
3.2 Validation
La validation de la projection verticale de la SLA et de
la SST est réalisée sur un sous-ensemble de 3500
profils de température pour l'année 2002 et l'Océan
Atlantique Nord sur une zone comprise entre 20° et
60° N. Pour chaque profil de température, la SLA et la
SST sont interpolées à la date et à la position de la
mesure in situ puis projetées sur la verticale (via la
méthode décrite ci-dessus). Les résultats indiquent
qu'en utilisant une méthode de régression simple
(projection verticale des données altimétriques
uniquement), l'extraction de la partie stérique des SLA
(partie stérique qui est totalement cohérente avec la
structure verticale de l'océan entre la surface et 700 m
de profondeur) réduit significativement les différences
entre les profils in situ de référence et les profils
synthétiques reconstruits, sur toute la colonne d'eau
d'environ 10 % de la variance du signal (comparer les
courbes en pointillées verte et bleue sur la Figure 1).
L'impact de la SST est également bien visible de la
surface jusqu'à 300 m de profondeur (comparer les
courbes en trait plein et en pointillées sur la Figure 1)
ce qui montre que les mesures de SST permettent de
pallier efficacement aux faibles corrélations qui existent
entre la couche de mélange et l'altimétrie. Ainsi, la SST
est vraiment complémentaire de la SLA pour déduire
des profils de température à partir d'observations
satellites.
Figure 1 : rms des anomalies de T in situ (red) anomalies calculées par rapport à la climatologie
mensuelle Levitus, rms des différences entre les T in
situ et les profiles synthétiques de T déduits des SLA
totales (vert), des SLA stériques (blue) et d'une
méthode de régression simple (SLA - pointillés) ou
d'une méthode de régression multiple (SLA+SST - trait
plein) en fonction de la profondeur.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
4. Combinaison des profils synthétiques et in situ
L'objectif de la combinaison est de reconstruire des champs instantanés de température à haute résolution
spatiale et temporelle. Pour chaque niveau vertical Levitus entre la surface et 700 m, les profils in situ de
température sont combinés avec les profils synthétiques déduits de la projection verticale des observations
satellites de SLA et de SST par une méthode d'interpolation optimale (Bretherton et al., 1976). Les analyses sont
effectuées chaque semaine sur une grille au 1/4°.
4.1 Méthode
Afin de tenir compte des qualités des deux types d'observations, c'est-à-dire, l'information précise apportée par
les mesures in situ et la variabilité mésoéchelle contenue dans les champs synthétiques, une description précise
des erreurs appliquées sur ces observations doit être introduite dans la méthode d'interpolation optimale. Ces
erreurs ont tout d'abord été ajustées et testées par l'analyse de données de simulation provenant du modèle
CLIPPER (Guinehut et al., 2003). Ainsi, pour les profils in situ considérés comme des observations quasi parfaites,
un très faible bruit blanc est appliqué. Pour les profils synthétiques, comme ces observations ne sont pas issues
de mesures directes mais sont déduites de la méthode de régression, des erreurs corrélées doivent être
appliquées afin de corriger des biais grande longueur d'onde présents dans ces champs synthétiques et introduits
par la méthode de régression.
Pour chaque combinaison hebdomadaire, les observations in situ sont sélectionnées dans une fenêtre temporelle
de -15/+15 jours autour de la date d'analyse et les champs synthétiques sont créés le même jour. En outre, le
prétraitement des données in situ consiste à interpoler les profils sur les niveaux verticaux Levitus. Identiquement
à la méthode de régression, les données mensuelles de la climatologie Levitus sont utilisées comme first guess.
4.2 Performances de la méthode de combinaison
Les performances de la méthode sont analysées en comparant les champs combinés avec les données in situ et
synthétiques utilisées pour créer ces champs combinés. Un exemple est donné sur la Figure 2 pour un champ
instantané de température à 200 m. Le champ combiné montre des températures plus chaudes dans la zone des
Açores que le champ synthétique déduit des mesures satellites et des températures plus froides dans la partie
nord du domaine ce qui montre l'habileté de la méthode de combinaison à prendre en compte les informations
contenues dans les quelques mesures in situ afin de corriger les champs synthétiques.
Figure 2 :
Champ de température instantané à 200 m (02/10/02)
issu (a) des mesures in situ (mesures à +/- 15 jours de
la date d'analyse), (b) des températures synthétiques
et (c) de la combinaison des champs in situ et
synthétique (en °C).
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
4.3 Validation avec des données indépendantes
La validation de la méthode est maintenant réalisée
avec un jeu de données indépendantes. Le jeu de
données de l'année 2002 est divisé en deux jeux de
données : le jeu 1 constitué de profils utilisés pour la
combinaison et le jeu 2 constitué de profils
indépendants pour la validation. Les statistiques de
validation pour l'année 2002 (Figure 3) indiquent que
le rms de l'erreur de cartographie est significativement
réduit pour toutes les profondeurs quand les profils
synthétiques et in situ sont combinés comparativement
aux résultats obtenus par l'utilisation des seuls profils
in situ (T(z)) ou des seuls mesures satellites (SLA,
SST). Par exemple, à 200 m de profondeur, l'erreur de
cartographie passe de 1.15°C par l'utilisation des seuls
profils in situ (courbe turquoise) à 1°C quand les
mesures satellites sont projetées sur la verticale
(courbe verte) et à 0.9°C pour la combinaison (courbe
bleue).
De plus, l'utilisation des profils synthétiques entraîne
des résultats meilleurs que ceux obtenus par
l'utilisation des profils in situ ce qui montre la difficulté
de restituer des champs à haute résolution spatiale et
temporelle par une quelconque moyenne des profils in
situ seuls en raison de l'aliasing du signal mésoéchelle.
Figure 3 : rms des anomalies des T in situ issues du set
2 (rouge) et rms de l'erreur de reconstruction des
anomalies de T par l'utilisation des profiles in situ issus
du set 1 (turquoise), des profiles synthétiques (vert) et
bleu de la combinaison des profiles synthétiques et in
situ en fonction de la profondeur. Les statistiques sont
calculées sur tout le domaine d'étude.
5. Illustration de la méthode le long d'une section hydrographique
La méthode de combinaison est maintenant validée le long d'une section hydrographique de l'Océan Atlantique
située entre la Floride et le détroit de Gibraltar (Figure 4). Cette section est particulièrement intéressante en
raison de sa haute résolution spatiale avec plus de 180 profils échantillonnés en 10 jours. L'objectif est, d'une
part, d'étudier la cohérence temporelle de la méthode et, d'autre part, de regarder précisément la structure et la
cohérence verticale (les analyses sont effectuées niveau par niveau) des champs issus de la combinaison. Afin
d'avoir une estimation indépendante du champ de température le long de cette section, les profils in situ issus de
la section ne sont pas utilisés pour le calcul des champs combinés.
Figure 4 :
Positions de la section hydrographique Gibraltar/Floride
(28/02/02-09/03/02).
Les coupes des températures extraites de la section hydrographique, des champs de la climatologie mensuelle
Levitus, des champs issus de la projection verticale des mesures satellites (SLA, SST) et des champs issus de la
combinaison (SLA, SST, profils in situ) sont comparées sur la Figure 5. La structure grande échelle du champ de
température est relativement bien représentée par les champs mensuels Levitus. Les températures sont
néanmoins trop froides en surface le long de l'ensemble de la section. En plus de la structure grande échelle, la
projection verticale des mesures satellites (SLA, SST) permet de restituer les structures mésoéchelles présentes
le long de la section ainsi que des températures plus proches des températures in situ. La contrainte
supplémentaire ajoutée par les profils in situ voisins de la section permet de corriger sensiblement les champs
synthétiques mais ces profils étant peu nombreux, l'apport est relativement faible comme le montrent les
statistiques des différences entre les champs in situ et les champs reconstruits présentés sur la Figure 6. Par
ailleurs, les champs combinés issus des interpolations optimales effectuées niveau par niveau présentent une très
bonne cohérence sur la verticale (Figure 5). Enfin, les statistiques montrent les erreurs importantes commises
pour restituer correctement la profondeur de la base de la couche de mélange, notamment dans la partie ouest
de la section (Figure 5).
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 5 : Champ de température extrait (a) de la section Gibraltar/Floride, (b) de la climatologie mensuelle
Levitus, (c) des champs grillés issus de la régression des mesures satellites (SLA, SST) et (d) des champs grillés
issus de la combinaison (SLA, SST, profils in situ) (en °C).
Figure 6 :
rms des anomalies du champ de T in situ le long de la
section Gibraltar/Floride (anomalies calculées par
rapport à la climatologie mensuelle Levitus - rouge) et
rms de l'erreur de cartographie des anomalies de T, en
vert issues de la régression des mesures satellites
(SLA, SST) et en bleu de la combinaison (SLA, SST,
profils in situ).
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
6. Conclusions et perspectives
Cette étude confirme qu'il est possible de combiner les mesures précises mais peu nombreuses de profils de
température avec les observations altimétriques et de SST à haute résolution spatiale et temporelle. La méthode
de combinaison développée permet une estimation des champs de température de l'Océan Atlantique Nord avec
une précision moyenne de 1°C sur les 700 premiers mètres. Au vu de la précision de ces analyses, les champs de
température ainsi déduits peuvent servir à analyser la variabilité du contenu thermique de l'océan (transports de
chaleur, variabilité le long de sections hydrographiques répétitives ou historiques...). Ces analyses peuvent
également être utilisées comme champ de référence pour des comparaisons systématiques avec les champs des
modèles MERCATOR (PSY1, PSY2, PSY3...) afin d'analyser l'apport de la dynamique du modèle et l'impact de
l'assimilation.
Ces analyses ont été mises en place dans le cadre du module ARMOR (Analyse de Routine Multivariée des
Observations MERCATOR) du projet MERCATOR. Elles sont actuellement opérées en global sur les champs de
température et de salinité. Les perspectives principales de ce travail sont de qualifier la précision de ces analyses
dans différentes zones de l'océan et particulièrement la précision des champs de salinité.
7. Référence
Antonov, J. I., S. Levitus, T. P. Boyer, M. E. Conkright, T. D. O'Brien, and C. Stephens, 1998: World Ocean Atlas
1998 Vol. 1: Temperature of the Atlantic Ocean. NOAA Atlas NESDIS 27, U. S. Government Printing Office,
Washington DC.
Bretherton, F. P., R. E. Davis, and C. B. Fandry, 1976: A technique for objective analysis and design of
oceanographic experiments applied to MODE-73, Deep-Sea Res., 23, 559-582.
Gilson, J., D. Roemmich, and B. Cornuelle, 1998: Relationship of TOPEX/Poseidon altimetric height to steric height
and circulation in the North Pacific, J. Geophys. Res., 103 (C12), 27947-27965.
Guinehut, S., 2002: Vers une utilisation combinée des données altimétriques et des mesures des flotteurs
profilants. Thèse de doctorat, Université Toulouse III - Paul Sabatier, Toulouse.
Guinehut, S., P.-Y. Le Traon, and G. Larnicol, 2002: A comparison between altimeter data and in situ temperature
and salinity profile measurements over the global ocean during 1993-2001, WOCE and Beyond international
conference, San Antonio, Texas
Guinehut, S., P.-Y. Le Traon, G. Larnicol, and S. Philipps, 2003: Combining altimeter and profiling float data to
better estimate the 3D thermohaline variability, J. Mar. Sys., Submitted.
Levitus, S., J. I. Antonov, T. P. Boyer, and C. Stephens, 2001: World Ocean Database 1998, National
Oceanographic Data Center, Silver Spring, MD.
Levitus, S., C. Stephens, J. I. Antonov, and T. P. Boyer, 2000: NOAA Atlas NESDIS 40, U.S. Government Printing
Office, Washington DC.
McCarthy, M. C., L. D. Talley, and D. Roemmich, 2000: Seasonal to interannual variability from expendable
bathythermograph and TOPEX/Poseidon altimeter data in the South Pacific subtropical gyre, J. Geophys. Res.,
105 (C8), 19535-19550.
Reynaud, T., P. Legrand, H. Mercier, and B. Barnier, 1998: A new analysis of hydrographic data in the Atlantic
and its application to an inverse modeling study, Int. WOCE. Newsl., 32, 29-31.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Prévision de produit combiné du niveau de la mer en
Méditerranée - comparaisons avec des observations
Par Florent Lyard et Laurent Roblou
1. Résumé
Dans cette présentation, nous nous sommes intéressés au niveau de la mer enregistré et modélisé en mer
Méditerranée en 2002. Deux modèles dynamiques sont disponibles : le premier a été conçu pour résoudre la
circulation océanique (Mercator Psy2-v1 (Newsletter Mercator N°8)), et le second pour résoudre les processus des
marées et des ondes de tempête (Mog2D). Nous testons l'hypothèse selon laquelle la combinaison de ces deux
modèles (par un cumul total ou partiel) devrait fournir un outil de prévision du niveau de la mer d'une efficacité
optimale. En comparant avec les relevés marégraphiques, la prédicibilité des modèles, seuls et/ou combinés, est
évaluée pour différentes gammes de fréquence. Deux grandes conclusions se dégagent de cette étude : d'une
part, le modèle Mercator filtré passe-bas conjugué à Mog2D s'accorde bien aux données enregistrées et d'autre
part, le signal du niveau de la mer basse fréquence Mog2D est, contre toute attente nécessaire dans cette
combinaison pour obtenir les meilleures prévisions (au lieu du baromètre inverse filtré passe-bas). Des
recherches plus approfondies seront nécessaires pour comprendre entièrement ces derniers résultats.
2. Introduction
Les variations du niveau de la mer sont le paramètre le
plus mesuré en océanographie physique. Outre les
réseaux marégraphiques classiques, les missions
satellitaires
d'altimétrie
récentes
et
actuelles
fournissent un flux constant de données dont la
continuité s'étend sur plus de dix ans. La variabilité du
niveau de la mer est en grande partie due aux marées
et au forçage atmosphérique, mais la circulation de
surface des océans ou les effets stériques sont
clairement visibles dans les mesures de niveau de la
mer. L'observation du niveau de la mer est donc très
utile pour l'assimilation et la validation des modèles
dynamiques de l'océan. Cependant, pour exploiter
cette mesure de façon complète et précise, un
traitement supplémentaire est nécessaire, tel que, par
exemple, la séparation des échelles temporelles et
spatiales et le retrait de l'aliasing.
Parmi d'autres efforts de modélisation (Mathers
[2000], Ponte [1997], Ponte et al. [1991] et Ponte
[1991]), la simulation globale de la réponse océanique
au forçage atmosphérique a été réalisée au LEGOS
entre 1992 et 2003 à partir du modèle barotrope à
éléments finis Mog2D, sur une maille à résolution
moyenne. L'objectif principal de cette simulation est de
fournir à la communauté scientifique de meilleures
corrections haute fréquence du niveau de la mer (par
rapport à la paramétrisation du baromètre inverse
classique ; voir Wunsch et al., [1997], Woodworth et
al., [1995]) dans les données altimétriques GDR pour
retirer l'aliasing du signal de la circulation océanique
(voir par exemple Stammer et al., [2000], Ponte and
Gaspar, [1999], Gaspar and Ponte, [1997]). Par
ailleurs, un modèle régional méditerranéen a été
développé sur une maille haute résolution pour le
projet Albicocca où les relevés marégraphiques et
altimétriques sont comparés à des fins de calibration et
d'observation de la circulation côtière.
En raison de la nature quasi barotrope de la réponse
dynamique de l'océan au forçage atmosphérique sur
des périodes inférieures à 30 jours, le modèle Mog2D
présente la plupart des fonctionnalités nécessaires à la
modélisation de la dynamique haute fréquence de
l'océan. Pour les échelles de temps plus grandes, la
vraie réponse océanique aux différents forçages
comprend une composante barocline significative. De
surcroît, la dilatation de l'océan due à la variation du
contenu thermique (effets stériques) contribue en
grande partie à la variation du niveau de la mer aux
échelles annuelles et saisonnières. Les modèles OGCM
(Ocean General Circulation Model - modèle de la
circulation générale de l'océan) montrent un schéma
très complémentaire, puisque la majeure partie de la
dynamique haute fréquence de l'océan (principalement
barotrope) est filtrée, alors que la dynamique
thermohaline et la dynamique basse fréquence due aux
vents sont correctement représentées. On pourrait
donc en déduire de façon simpliste que le signal de la
variation totale du niveau de la mer peut être prévu
par la somme d'une prévision Mog2D et d'une surface
de la mer OGCM. Deux problèmes doivent néanmoins
être résolus : le modèle barotrope et le modèle OGCM
ont un terme de forçage commun, à savoir le vent
basse fréquence, et pourraient donc contenir des
signaux dynamiques redondants. En second lieu, le
modèle OGCM assimile les données du niveau de la
mer là où le baromètre inverse (BI) est appliqué, ainsi,
un signal dynamique résiduel et aliasé de type ondes
de gravité est introduit dans la simulation, mais peut
être filtré ultérieurement par le modèle. À ce stade, il
est quasiment impossible d'évaluer avec exactitude le
contenu haute fréquence du modèle OGCM et le
contenu basse fréquence du modèle Mog2D.
L'approche généralement préconisée consiste donc à
réaliser le produit combiné du niveau de la mer en
filtrant le signal basse fréquence dans la prévision
barotrope, et inversement le signal haute fréquence
dans la simulation OGCM avant de les additionner. De
cette manière, le baromètre inverse basse fréquence
doit être ajouté au produit combiné car la pression
atmosphérique contribue de façon significative à la
bande basse fréquence et n'est pas présente dans le
niveau de la mer OGCM. Pour ces mêmes raisons, la
combinaison de la simulation du modèle Mog2D filtré
passe-haut (20 jours) et du baromètre inverse filtré
passe-bas
constitue
généralement
la
meilleure
hypothèse de correction des données altimétriques
avant leur assimilation dans un modèle OGCM. Même si
ces hypothèses sont tout à fait acceptables, elles
doivent être vérifiées de façon plus approfondie. Grâce
au modèle méditerranéen Mog2D et aux simulations du
modèle Mercator PSY2 ainsi qu'à un réseau de
marégraphes dense, nous pouvons étudier de près les
différentes hypothèses.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Prévision de produit combiné du niveau de la mer en Méditerranée - comparaisons avec des
observations (suite)
3. Le modèle Mog2D
Le modèle Mog2D (modèle 2D d'ondes de gravité) est
un modèle barotrope, non-linéaire et à intégration
temporelle, dérivé de Lynch and Gray [1979] et
développé depuis lors pour modéliser la marée côtière
et globale et la réponse océanique aux forçages
atmosphériques (Greenberg et Lyard, communication
personnelle). Les équations du modèle sont basées sur
les équations classiques de continuité et du
mouvement en eaux peu profondes. Elles sont résolues
par une équation non-linéaire d'onde en eaux peu
profondes avec une formulation quasi elliptique qui
améliore la stabilité numérique. Les courants sont déduits de l'équation de mouvement non conservative. Le
modèle comprend les forçages liés aux marées et aux
facteurs
météorologiques
(pression
de
surface
atmosphérique et vent). Son originalité se traduit
principalement par une discrétisation spatiale à
éléments finis qui permet d'améliorer la résolution dans
des régions d'intérêt telles que les zones à fort gradient
topographique (présentant des courants à forte
variabilité et une génération d'ondes internes) ainsi
que les zones d'eaux peu profondes où la dissipation
due au frottement de fond est la plus courante. Un
schéma à pas de temps fractionnaire est utilisé pour
améliorer l'efficacité numérique des nœuds instables du
maillage.
Figure 1 : Maille utilisée, de moyenne résolution et à éléments finis.
Le frottement de fond est obtenu à partir d'une
paramétrisation quadratique de type Chezy. Une
nouvelle paramétrisation du transfert d'énergie
barotrope à barocline (par le biais des générations
d'ondes internes sur les pentes topographiques) est
incluse dans le modèle. La viscosité horizontale suit le
schéma de viscosité de Smagorinsky (Smagorinsky
[1963]) qui permet de prendre en considération les
différentes mailles d'éléments finis utilisées. Par
nature, le modèle barotrope n'inclut pas de dissipation
verticale
d'énergie
(comme
les
processus
de
déstratification de l'océan ou le frottement dû au
cisaillement vertical) ; ce qui pose problème lorsque la
tension moyenne annuelle du vent est conservée dans
le forçage de la simulation. Dans ce cas de figure, des
circulations océaniques profondes irréalistes peuvent
apparaître. Un terme supplémentaire de type Raleigh
est donc introduit afin de paramétrer, au moins de
façon approximative, la dissipation interne (Egbert and
Ray [ 2000], Morozov [2000]).
Des conditions aux limites ont été extraites de la
simulation globale Mog2D-G et utilisées avec une
condition radiative (méthode des caractéristiques).
Pour notre étude, seul le forçage atmosphérique est
appliqué au modèle (pas de forçage des marées, ni
potentiel, ni aux limites). La pression de surface et le
vent à 10 mètres proviennent des relevés ARPEGE
(Météo France) et ECMWF (ECMWF [1991]) et ont une
résolution temporelle de 6 heures (ce qui suppose que
les fréquences inférieures à 12 heures ne sont pas bien
représentées). La tension du vent découle de la
formule classique de Rosati et Miyakoda [1988] (avec
une surface de l'océan et des températures
atmosphériques égales à zéro dans notre application).
À
chaque
intervalle
de
temps,
la
pression
atmosphérique est corrigée à partir de sa moyenne
globale instantanée afin de garantir la conservation de
masse océanique et donc de pouvoir comparer nos
simulations avec les approximations du baromètre
inverse.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
4. Le niveau de mer généré par le vent et la pression atmosphérique
Calculée sur l'année 2002, la surface de la mer
Méditerranée montre un gradient de 10 cm d'est en
ouest (figure 2). Ce gradient est principalement dû au
gradient moyen de la pression atmosphérique.
Certaines régions montrent un gradient côtier local
généralement lié au transport côtier moyen (mer
Adriatique, Golfe de Gabès, côte égypto-lybienne) ou
au régime des vents locaux. En moyenne, la variabilité
du niveau de la mer due au forçage des vents et de la
pression varie entre 5 et 10 centimètres (figure 3),
avec des valeurs maximales observées dans des zones
d'eaux peu profondes. Dans la majeure partie de la
Méditerranée, l'amplitude de ce phénomène est
comparable à la variabilité des marées. Les variations
du niveau de la mer liées à la pression atmosphérique
en Méditerranée sont réputées pour être mal
représentées par la paramétrisation du baromètre
inverse (Candela et Lozano [1994], Candela [1991]).
Si l'on ajoute l'effet du vent, l'écart est encore plus
important, notamment dans le bassin oriental (Golfe de
Gabès et mer Adriatique), avec une forte modulation
saisonnière. Comme le montre la figure 4, l'écart
moyen au baromètre inverse est de l'ordre de 1 à 2
cm. Il est quasiment uniforme dans le bassin occidental
et oriental, mais on y voit la signature de la circulation
côtière évoquée auparavant. L'écart-type de la
différence entre le modèle et le baromètre inverse
varie entre 6 et 9 cm, ce qui est correspond à 50 à 100
% de la variabilité du niveau de la mer elle-même.
Dans le bassin occidental, le Golfe du Lion présente
l'écart maximum au baromètre inverse, en raison de la
présence du plateau continental et du régime de vents
intenses.
Figure 2 : Niveau moyen de la mer du modèle Mog2D
en 2002, exprimé en centimètres.
Figure 3 : Ecart-type du niveau de la mer du modèle
Mog2D en 2002, exprimé en centimètres.
Figure 4 : Ecart moyen au BI en 2002, exprimé en
centimètres.
Figure 5 : Ecart-type de l'écart au BI en 2002, exprimé
en centimètres.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
La figure 6 illustre le niveau instantané de la mer (13
février, à 12h00) calculé à partir du modèle Mog2D,
déduit de la pression de surface du modèle Mercator
(figure 7) et de la somme des deux cartes (figure 8).
Exceptés les marées et le géoïde, le niveau de mer de
la figure 8 se rapproche probablement le plus du
véritable niveau de la mer à cette date, si notre
hypothèse selon laquelle les deux modèles sont
complémentaires est correcte.
Figure 6 : Niveau de la mer instantané du modèle
Mog2D relevé à 12h00 le 13/02/2002, exprimé en
centimètres.
Figure 7 : Niveau de la mer du modèle Mercator relevé
à 12h00 le 13/02/2002, exprimé en centimètres (le
niveau moyen dû à la circulation moyenne du bassin
est inclus).
Figure 8 : Niveau de la mer instantané des modèles
combinés Mercator + Mog2D relevé à 12h00 le
13/02/2002, exprimé en centimètres (le niveau moyen
dû à la circulation moyenne du bassin est inclus).
5. Comparaisons avec les observations marégraphiques
Pour notre étude qui couvre l'année 2002, la majeure
partie des informations disponibles provient de SONEL
et du réseau italien SIMN (voir figure 9 et tableau 1).
Seul un sous-ensemble de stations typiques a été
choisi afin de simplifier la présentation. Les sites
choisis figurent en gris dans le tableau 1. Une première
étape consiste à corriger du signal de marée les séries
temporelles relevées toutes les heures [Ponchaut et
al., 2001]. Les comparaisons couvrent la totalité de
l'année afin d'obtenir un échantillon statistique valable.
Nous comparons trois prévisions originales (Mog2D, BI
et Mercator) et trois combinaisons de prévisions (CP-1,
Mog2D + Mercator ; CP-2, Mog2D + Mercator filtré ;
CP-3, BI + Mercator) avec les observations. Afin
d'obtenir des signaux comparables, une moyenne
annuelle du niveau de la mer a été retirée de tous les
modèles et observations. Les comparaisons sont
détaillées pour une série de différentes périodes afin
d'étudier la prédicibilité du modèle sur l'ensemble du
spectre de fréquences.
Figure 9 : Sites d'observation marégraphique
disponibles en 2002. Les relevés marégraphiques
présentés dans cet article portent un nom. La carte de
fond indique la bathymétrie (en m) et les couleurs de
l'intervalle mettent en évidence les régions les moins
profondes.
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
MERCATOR
La planche 1 illustre les histogrammes de variance
pour le signal observé et le signal des résidus (après
correction du modèle). Le premier groupe de barres
indique la variance totale et les autres groupes sont
calculés pour des bandes de fréquence spécifiques. La
variance totale du niveau de la mer corrigée par le
modèle combiné CP-2 est située entre 10 et 20 cm² sur
le
réseau
marégraphique,
ce
qui
signifie
approximativement que le niveau de la mer CP-2 a une
précision moyenne classique de 4 cm. Les figures 10 à
18 représentent le niveau de la mer observé superposé
avec la prévision Mercator (gauche) et superposé avec
le produit combiné CP-2 (droite). Le produit de
prévision combiné a été obtenu en sommant le niveau
de la mer Mog2D avec celui du modèle Mercator filtré
passe-bas. Les fréquences de coupure (voir tableau 2)
ont été choisies de façon à ce que la prévision
combinée montre une variance résiduelle minimum
dans chaque bande de fréquence après correction du
niveau de la mer observé. Il apparaît clairement sur le
graphique que pour tous les sites, le modèle combiné
correspond davantage aux observations que le niveau
de la mer Mercator seul. Mis à part quelques
oscillations très haute fréquence et quelques pics
aberrants dans les observations, la majeure partie du
signal observé est bien simulée par le modèle combiné.
La très haute fréquence laissée dans les observations
après correction du signal de marée peut être due à
une
erreur
résiduelle
dans
les
observations
(notamment les marées ne peuvent être retirées
correctement en cas de problème avec l'horloge du
marégraphe, laissant ainsi un fort signal haute
fréquence dans les observations mal corrigées) ou
correspondre à un vrai signal (résonance locale telle
que les seiches, par exemple dans la mer Adriatique,
excitation due aux vents diurnes, ondes internes
intermittentes) qui n'est pas correctement représenté
en raison d'erreurs de modèles. La concordance avec
les observations est assez spectaculaire pour les
stations marégraphiques de Nice et Gênes, sauf en
septembre (jour CNES 19236 à 19266) où les deux
stations ont enregistré une élévation quasi linéaire du
niveau de la mer d'environ 20 centimètres. En fait, cet
événement
peut
être
observé
sur
tous
les
enregistrements marégraphiques du nord ouest. Ni le
modèle Mercator ni Mog2D ne montre un tel schéma.
L'explication la plus plausible à une telle élévation du
niveau de la mer serait que le courant liguro-provençal
s'est intensifié et/ou s'est rapproché de la côte au
cours de cette période. En raison de la proximité des
rivages et de l'étroitesse du courant principal, il se
pourrait que la modélisation hydrodynamique n'ait pu
reproduire cet événement et que l'assimilation n'ait pu
corriger la prévision. Des recherches plus approfondies
(peut-être dans le cadre des projets MFSTEP et
Albicocca)
sont
nécessaires
pour
comprendre
entièrement l'événement de septembre 2002 et les
raisons de son absence dans les modèles.
Code Station marégraphique Longtitude Latitude
1
Ajaccio
8,767
41,917
2
Ancona-1
13,502
43,625
3
Bari
16,867
41,137
4
Cagliari
9,108
39,207
5
Carloforte
8,305
39,14
6
Catania-1
15,09
37,492
7
Civitavecchia
11,783
42,087
8
Crotone
17,135
39,073
9
Gênes
8,922
44,405
10
Imperia-1
8,018
43,873
11
Lampedusa
12,617
35,483
12
Livourne
10,293
43,54
13
Marseille
5,35
43,283
14
Monaco
7,417
43,733
15
Messina-1
15,558
38,187
16
Nice
7,267
43,267
17
Naples-1
14,268
40,837
18
Ortona
14,41
42,353
19
Otrante
18,492
40,142
20
Palerme
13,368
38,285
21
Palinuro
15,272
40,025
22
Porto-Empedocle-1
13,522
37,287
23
Porto-Torres
8,403
40,838
24
Ravenne
12,275
44,492
25
Reggio-Calabria
15,643
38,118
26
Salerno
14,742
40,675
27
Toulon
5,917
43,117
28
Tarente
17,222
40,472
29
Trieste
13,753
45,653
30
Venise
12,422
45,42
31
Vieste
16,172
41,888
32
Senetosa-MX
8,813
41,55
33
San-Antonio
1,3
38,967
Tableau 1 : Sites marégraphiques.
Station marégraphique
Période de coupure
Bari
30 jours
Cagliari
60 jours
Crotone
30 jours
Gênes
10 jours
Lampedusa
30 jours
Nice
60 jours
Salerno
10 jours
Trieste
60 jours
San Antonio
60 jours
Tableau 2 : Période de coupure pour la construction de
CP-2.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Planche 1 :
Variances du niveau de la mer observé (No correction)
et des résidus entre ce niveau et ceux des différents
modèles ou modèles combinés, exprimées en
centimètres. Les intervalles de temps (T) sont
exprimés en jours. Le premier groupe de barres
indique la variance totale et les autres groupes sont
calculés pour des bandes de fréquence spécifiques.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 10 : Marégraphe de Bari : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
rapport au modèle combiné (CP-2 ; Mog2D + Mercator filtré passe-bas ; à droite). La série démarre le 1er février
2002.
Figure 11 : Marégraphe de Cagliari : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
Figure 12 : Marégraphe de Crotone niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 13 : Marégraphe de Gênes : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
Figure 14 : Marégraphe de Lampedusa : niveau de la mer observé par rapport au niveau Mercator (à gauche), et
par rapport au modèle combiné (CP-2 ; Mog2D + Mercator filtré passe-bas ; à droite). La série démarre le 1er
février 2002.
Figure 15 : Marégraphe de Nice : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
Figure 16 : Marégraphe de Salerne : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
Figure 17 : Marégraphe de San Antonio : niveau de la mer observé par rapport au niveau Mercator (à gauche), et
par rapport au modèle combiné (CP-2 ; Mog2D + Mercator filtré passe-bas ; à droite). La série démarre le 1er
février 2002.
Figure 18 : Marégraphe de Trieste : niveau de la mer observé par rapport au niveau Mercator (à gauche), et par
2002.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
6. Discussion
Comme prévu, la prévision du modèle Mog2D explique
une bonne partie du signal haute fréquence du niveau
de la mer et une bien plus petite partie du signal pour
des périodes supérieures à 30 ou 60 jours. Des
conclusions similaires peuvent être tirées de la
prévision du baromètre inverse mais celle-ci n'est pas
aussi performante que celle du modèle numérique. À
l'inverse, la prévision du modèle Mercator explique une
bonne partie du signal basse fréquence et s'avère peu
efficace pour les périodes inférieures à 30 jours.
Les signaux combinés, issus des modèles Mercator +
BI et Mercator + Mog2D, montrent les chiffres attendus
dans la bande haute fréquence, c'est-à-dire qu'en
ajoutant Mercator, on détériore la prévision du niveau
de la mer par rapport à la prévision Mog2D ou BI
seule. Ceci s'explique par le fait que le signal Mercator
n'est pas pertinent et rajoute du bruit dans cette bande
de fréquence. De façon plus surprenante, l'examen de
la bande de basse fréquence ne correspond pas à nos
estimations préliminaires. Nous nous attendions à ce
que la combinaison optimale pour les basses
fréquences soit le modèle Mercator + baromètre
inverse car premièrement, le modèle numérique
barotrope n'est pas approprié pour la dynamique basse
fréquence de l'océan, et deuxièmement, une partie du
signal issu du forçage des vents pourrait être
redondante. Il apparaît cependant que la meilleure
concordance aux observations est systématiquement le
produit combiné Mercator filtré passe-bas + Mog2D, ce
qui signifierait que la simulation Mog2D contient un
signal basse fréquence important qui n'est pas présent
ou qui est partiellement présent dans la simulation du
modèle Mercator.
Bien entendu, le modèle Mercator PSY2-v1 ne peut être
considéré comme un modèle côtier à part entière,
principalement en raison de sa résolution spatiale, du
filtrage des ondes de gravité, de l'absence de forçage
lié aux marées et de déficience dans le forçage
atmosphérique. Il est en quelque sorte injustifié de
comparer le modèle Mercator de surface de la mer aux
observations marégraphiques côtières, en particulier si
les marégraphes se situent sur un vaste plateau
continental. Cependant, il n'existe pas d'erreur
systématique dans le signal basse fréquence du modèle
si on le compare à un marégraphe situé en zone
littorale (Trieste ou Lampedusa), ou à un marégraphe
situé en zone pélagique (San Antonio ou Nice). En
conséquence, sauf peut-être dans le cas d'un courant
côtier, la composante basse fréquence du niveau de
mer Mercator s'extrapole assez bien jusqu'aux rivages.
Pour compléter l'étude, il est nécessaire d'étendre les
comparaisons du niveau de la mer avec les données
altimétriques et de considérer par ailleurs un modèle
de circulation côtière (éventuellement forcé à ses
frontières par les simulations du modèle Mercator ; à
noter que le Pôle d'Océanographie Côtière de Toulouse
poursuit déjà des recherches dans ce domaine sur les
applications de modélisation de la circulation côtière et
afin de développer des produits d'altimétrie côtière en
collaboration avec le Groupe Mission Mercator).
7. Conclusion
Ces comparaisons préliminaires des simulations du modèle Mercator au niveau de la mer observé le long des
côtes méditerranéennes constituent une contribution supplémentaire à la validation de ce modèle. Selon cette
étude, il est clair que les simulations du modèle Mog2D sont nécessaires pour reconstruire un niveau de la mer
synthétique afin de faciliter la comparaison avec les observations marégraphiques. En fait, la simulation des
modèles combinés Mercator et Mog2D peut être considérée comme une valorisation intéressante du produit en
termes d'analyse ou de prévision du niveau de la mer, même dans les régions côtières.
Cependant, la pertinence du signal basse fréquence du modèle Mog2D soulève de nombreuses questions
théoriques et pratiques, telles que le rôle des non-linéarités liées à la dynamique haute fréquence dans les
changements basse fréquence du niveau de la mer, et la définition d'une approche optimale soit pour valider le
niveau de la mer Mercator soit pour corriger les données afin de les assimiler dans le modèle Mercator.
MERCATOR
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM
8. Références
Candela, J. and Lozano, C.J., barotropic response of the western Mediterranean to observed atmospheric pressure
forcing, Seasonal and Interannual variability of the western Mediterranean Sea, Coastal and Estuarine Studies,
46, 3215-359, 1994.
Candela J., The Gibraltar Strait and its role in the dynamics of the Mediterranean Sea, Dyn. Atmos. Oceans, 15,
267-299, 1991.
ECMWF, European Center for Medium-Range Forecasts Model, ECMWF research manual, 1991.
Egbert, G.D., Ray, R.D., Significant dissipation of tidal energy in the deep ocean inferred from satellite altimeter
data, Nature, 405, 2000.
Gaspar, P., Ponte, R.M., Relation between sea level and barometric pressure determined from altimeter data and
model simulations, JGR, 102 (C1), 961-971, 1997.
Lynch, D.R., Gray, W.G., A wave equation model for finite element tidal computations, Computers and fluids, 7,
207-228,1979.
Mathers, E.L., Sea level response to atmospheric pressure and wind forcing in the global deep ocean, PhD Thesis,
University of Liverpool, 2000.
Morozov, Semidiurnal internal wave global field, DSR 1, 42, 135-148, 1995.
Ponchaut, F., Lyard, F., Le Provost, C., An analysis of the tidal signal in the WOCE sea level dataset , J. Atmos.
Oceans Tech., 18, 2001.
Ponte, R.M., Salstein, D.A., Rosen, R.D., Sea level response to pressure forcing in a barotropic numerical model,
J. Phys. Oceanogr. , 1043- 1057, 1991.
Ponte, R.M., The sea level response of a stratified ocean to barometric pressure forcing, JPO, 109-113, 1991.
Ponte, R.M., Non equilibrium response of the global ocean to the 5-day Rossby-Haurwitz wave in atmospheric
surface pressure, 1997.
Ponte, R.M., Gaspar, P., Regional analysis of the inverted barometer effect over the global ocean using
TOPEX/POSEIDON data and model results, JGR, 104 (C7), 15587-15601, 1999.
Smagorinsky, J., General circulation experiments with the primitive equations, Monthly Weather Review, 1963.
Stammer, D., Wunsch, C., Ponte, R.M., De-aliasing of global high frequency barotropic motions in altimeter
observations, Geophys. Res. Letters, 27 (8), pp 1175, 2000.
Woodworth, P.L., Windle, S.A., Vassie, J.M., Departures from the local inverse barometer model at periods of 5
days in the central South Atlantic, JGR, 100 (C9), 18281-18290, 1995.
Wunsch, C., Stammer, D., Atmospheric loading and the oceanic inverted barometer effect, Reviews of
Geophysics, 35, 1997.
MERCATOR
- Bloc Note Publication :
Auteurs :
Eric Greiner, Nathalie Verbrugge
Article 1 :
Nathalie Verbrugge
Edition :
Frédéric Roustit
Article 2 :
Stéphanie Guinehut et Gilles Larnicol
Article 3:
Florent Lyard et Laurent Roblou
Adresse :
N'hésitez pas à nous faire part de vos remarques à l'adresse : [email protected]
Prochaine édition : Octobre 2003
CNES
CNRS/INSU
IFREMER
IRD
METEO-FRANCE
SHOM

La lettre trimestrielle de MERCATOR - No 10

Transcription

Documents pareils

Corporation Groupe Mercator Transport crée une filiale à Las Vegas

IN SITU - M.R.Net

FORMATION DE BASE SAUVETAGE SECOURISME du TRAVAIL

MONITORAT SAUVETAGE SECOURISME du TRAVAIL LIEU

ARVPM Usinage-maintenance-chaudronnerie, tuyauterie, soudure

formulaire de don en l`honneur

Profil de poste Directeur (trice) des personnels adjoint(e)

Aisne

à propos des cancers du sein in situ