4.4 Etudes complémentaires
4.4.2 Comparaison de profils verticaux de méthane simulés par diffé-
différents CTMs avec des mesures avions
J’ai également collaboré dans les travaux de recherche de Saito et al. (2013) (”TransCom model simulations of methane : Comparison of vertical profiles with air- craft measurements”) qui présentent une comparaison de profils verticaux de méthane
simulés par différents modèles de chimie-transport avec des mesures avions à 13 sites en Amazonie (Brésil), Mongolie, Sibérie (Russie), aux Etats-Unis et dans l’Océan Pa- cifique. Douze modèles de chimie-transport (dont LMDz) ont été utilisés et comparés dans cette étude. De manière générale, les profils de méthane mesurés montrent un gradient vertical proche de zéro au dessus de 3 kilomètres dans les régions où la convection est intense (en Amazonie durant toutes les saisons ou dans les régions des hautes latitudes durant les mois d’été seulement). Au contraire, on trouve des concentrations diminuant fortement avec l’altitude dans les régions où les émissions anthropiques sont élevées (Sinton et Harvard Forest (Etats-Unis) ; Surgut (Mongolie)). Dans la suite on s’intéresse aux profils verticaux à 4 sites spécifiques. En effet, la figure
4.1 montre les profils verticaux observés et simulés à quatres sites (SUR : Surgut, Mongolie ; TGC : Sinton, Texas, Etats-Unis ; HAA : Ile de Molokaï, Hawaï, Etats-Unis ; SAN : Santarem, Brésil) pour les périodes janvier-mars et juillet-septembre.
A Surgut (SUR), les concentrations simulées sur la verticale sous-estiment les concentrations observées, ce qui traduit très probablement une sous-estimation des flux de méthane à ce site dans le scénario utilisé dans cette étude. En outre, on re- marque une augmentation des concentrations de méthane entre 2-3 et 7-8 km en juillet-septembre. Des niveaux de concentrations aussi élevés dans la haute tropo- sphère, alors que les émissions de méthane ont lieu à la surface seulement, témoignent d’épisodes intenses de convection profonde. LMDz (courbe en bleue tiretée), comme la plupart des modèles, n’est pas capable de reproduire cette caractéristique. Seuls deux modèles (ACTM et CCAM) sont capables de simuler plutôt bien le profil vertical à ce site. A Sinton (TGC), on observe la même caractéristique du profil vertical durant l’été boréal que ce qui a été décrit à Surgut avec une augmentation des concentrations de méthane vers 6 km. Cependant, le gradient vertical des concentrations de méthane en haute troposphère est moins marquée qu’à Surgut. A la surface, la taille des barres horizontales témoigne d’une variabilité très forte en juillet-septembre. En effet, le site de TGC est soit sous l’influence d’un air maritime, caractérisée par de faibles concen- trations de méthane, venant du sud-est, soit sous l’influence d’un air concentré en méthane par les fortes émissions ayant lieues sur le pourtour du Golfe du Mexique. La variabilité est moins forte en hiver boréal puisque le vent vient principalement du sud-ouest et le site est plus ou moins constamment sous l’influence des émissions du Mexique ou du sud-ouest des Etats-Unis. De plus, le gradient dans la troposphère est beaucoup plus prononcé en hiver car les épisodes de convection intense sont beaucoup moins fréquents.
Sur l’île de Molokaï (HAA), le profil vertical durant juillet-septembre ne présente aucun gradient proche de la surface. C’est l’une des caractéristiques des sites situés loin de toutes sources importantes de méthane. Cepedant, on remarque une augmentation soudaine des concentrations de méthane observées vers 850 hPa. Peu de modèles (Geos-Chem, TM5, IFS et PCTM) sont capables de reproduire ce gradient en milieu de troposphère. Il a été montré que ce signal provient du transport des émissions de méthane depuis l’Asie tempérée. Des tests de sensibilité supplémentaires seraient nécessaires pour déterminer si cette aptitude de certains modèles est dû à la qualité des forçages météorologiques utilisés ou de la représentation du transport dans ces modèles. Durant l’hiver boréal, HAA est impacté par les émissions de l’hémisphère nord ce qui explique le gradient vertical plus prononcé que durant l’été boréal.
A Santarem (SAN), la concentration de méthane décroit très rapidement avec l’altitude dans la basse troposphère, ce qui témoigne de fortes émissions à ce site. Le gradient vertical des profils simulés au dessus de 3 km est peu marqué, ce qui est en cohérence avec de forts mouvements verticaux au niveau de ce site tropical. De plus, on remarque que la dispersion entre les modèles est importante (∼ 50 ppb). Bien que les observa-
4.4. Etudes complémentaires
the Atlantic Ocean from the southeast (seen as relatively low concentrations) or from regional emission hot spots around the Gulf of Mexico. During the JFM months, winds are predominantly southwesterly, and the TGC site is under
the influence of emissions in Mexico and southwestern United States. Thus, the concentrations are relatively stable (lower variability), and the average values are higher by about 50 ppb in JFM months than those in the JAS months.
TGC, 2007, JFM TGC, 2007, JAS
SAN, 2003, JFM
HAA, 2007, JFM HAA, 2007, JAS
SAN, 2003, JAS
1750 1800 1850 1900 1750 1800 1850 1900
SUR, 2007, JFM SUR, 2007, JAS
ACTM CAM CCAM IFS GEOS-Chem IMPACT_1x1.25 LMDZ _ _ MOZART _ _ NIES-08i _ _ PCTM _ _ TM5_1x1 _ _ TOMCAT _ _ Obs. a b c d e f Altitude (km) CH4(ppb) g h
Figure 3. (symbol) Observed and (lines) simulated CH4vertical profiles at (top row) SUR, (second row
from top) HAA, (third row from top) TGC, and (bottom row) SAN for (left) January–March and (right) July–September. Horizontal bars for the 3 months mean measurements present a 1s standard deviation. Results for 2005 and 2007 at more number of sites are shown in Figure S3 (observations at SAN are available only in 2003).
SAITO ET AL.: TRANSCOM-CH4MODELING OF AIRCRAFT OBSERVATIONS
3897
FIGURE4.1: Figure extraite deSaito et al.(2013) représentant les profils verticaux ob- servés (points marrons) et simulés (lignes colorées) à 4 sites (Surgut (SUR) ; Sinton (TGC) ; Ile Molokaï (HAA) ; Santarem (SAN)) moyennés sur les périodes janvier-mars (colonne de gauche) et juillet-septembre (colonne de droite) pour l’année 2007 (et 2003 à Santarem seulement). Les barres horizontales représentent l’écart-type des ob- servations à chaque altitude. LMDz est représenté par la courbe bleue tiretée.
tions ne soient disponibles que jusqu’à 4 km, on note que la différence entre les profils simulés et observés est la plus grande des 4 sites étudiés ici.
durant les périodes de forte convection. Au contraire, elles sont faibles en milieu de troposphère et/ou dans les régions influencées par un air maritime. Ces résultats sug- gèrent que les paramétrisations du mélange turbulent (principalement actif en-dessous de 3 kilomètres) et de la convection profonde diffèrent plus grandement entre les modèles que les représentations d’autres processus, comme l’advection horizontale, malgré quelques exceptions comme à HAA où la représentation différente du transport de grande échelle cause des différences non négligeables en milieu de troposphère. En ce qui concerne LMDz, les profils simulés se situent dans la moyenne des profils simulés des différents modèles de chimie-transport, même si le gradient vertical dans la troposphère semble légèrement sous-estimé à la plupart des sites.
extends to the western side of the North American continent (PFA and ESP) as suggested by the longitude-pressure cross-sectional plots (refer to Figure S2). The air in the upper troposphere on the eastern side of northern United States mostly originates at about 40N over the Pacific Ocean, except for the winter months, giving relatively low CH4concentrations at HFM. These results
are generally consistent with Xiong et al. [2010], but our understanding is improved significantly on the longitudinal variations in upper tropospheric CH4by including a greater
number of vertical profile measurements.
3.5. Correlation of Latitudinal and Vertical Transports [30] The overestimations or underestimations of latitudinal gradients of long-lived atmospheric species simulated by models, compared to the measurements, are thought to be linked with the vertical concentration gradients of those species [Denning et al., 1999]. To explore this hypothesis further, we show scatterplots of vertical gradients at each site and latitudinal gradient, with reference to HAA, within two altitude ranges 3–5 and 0.5–2.5 km (Figure 8). Both gradients are plotted as the differences relative to the measured gradients, showing which models overestimate
or underestimate the vertical and latitudinal gradients. Relative gradients are chosen to remove biases in simulated concentrations with respect to measurement, which are often greater than the measured gradients. In the middle troposphere (3–5 km), relative vertical and latitudinal gradients are scattered in the approximate ranges of
10 to +7 ppb/km and 1.5 to +2.0 ppb/deg, respec-
tively. Loose correlation between vertical and horizontal gradients suggests that the interhemispheric transport is relatively insensitive to the local/regional vertical profile of CH4in the 3–5 km altitude range and that the transport in
the models is similar. However, the relative latitudinal gradients are apparently proportional to the relative vertical gradient in the lower troposphere (0.5–2.5 km), suggesting that the vertical transport of emission signals through the lower troposphere plays a critical role in determining interhemispheric gradients near the Earth’s surface.
[31] A schematic representation of the relationship between vertical and interhemispheric transports is shown in Figure 9a. The monthly mean modeled vertical gradients in the NH are calculated as the difference between the CH4
concentrations between 900 and 500 hPa altitudes. Values are also averaged over all the model grid cells between 30N and 50N for 2007. Average latitudinal gradients are calculated as the difference between mean CH4 for SH
(50S 30S) and NH (30N 50N). Annual mean values of the interhemispheric and NH vertical gradients in CH4
show a compact relationship (black symbols). The seasonal variations in this relationship are mainly controlled by the vertical transports and the emission and loss rates of CH4.
In July, both the latitudinal and NH vertical gradients are smaller than those in the other seasons because of faster loss rates in the NH and lower loss rates in the SH as well as stronger vertical mixing in the NH, despite high emission rates in the NH. In October, the NH vertical gradients are the largest among all seasons (high emission rate, low loss scenario), although the latitudinal gradients do not increase significantly. In January, the midtropospheric CH4 concentrations reach a seasonal high because of
accumulation in the NH through autumn and early winter (low emission, very low loss scenario, and weaker vertical mixing). This condition leads to the largest interhemispheric gradients in January.
[32] The interactions between vertical and latitudinal gradients in CH4(also valid for tracers in the troposphere
with lifetimes greater than the interhemispheric transport time of about 1.3 years; see Figure S5 for SF6results) are
schematically depicted in Figure 9b. Based on our analysis, we hypothesize that (1) vertical transport is driven by the strength of convection as well as turbulent mixing in the boundary layer (BL) and (2) meridional gradients depend mainly on the mixing in the BL for sites close to emissions and on the horizontal advection scheme for the remote/ background sites. However, there is interaction between the turbulent mixing, convection, and advection processes in the model. A study using ACTM [Patra et al., 2009b] suggested that the turbulent mixing transports emission signals to the 900–800 mb height layer, and the convective processes transport species from the BL to the middle and upper troposphere (MUT). Most of the interhemispheric transport due to advection occurs at higher altitudes. Thus, a model transport with weaker turbulent mixing and
ACTM CAM CCAM IFS GEOS-Chem IMPACT_1 LMDZ MOZART NIES-08i PCTM TM5_1 TOMCAT -12 -8 -4 0 4 8 12 -4 -3 -2 -1 0 1 2 3 -12 -8 -4 0 4 8 12 -4 -3 -2 -1 0 1 2 3 a b
Figure 8. CH4 vertical gradients (ppb/km) are plotted
against the latitudinal gradients in CH4(ppb/deg) between
the sites within two altitude ranges: (a) 3.0–5.0 km and (b) 0.5–2.5 km. All data are averaged for the period 2001–2007, and the results for the CTL flux are shown. The symbol for each model is color-coded for the gradients between each site and the reference site HAA. Both gradients are plotted as a difference relative to the measured gradients.
SAITO ET AL.: TRANSCOM-CH4MODELING OF AIRCRAFT OBSERVATIONS
3902
FIGURE4.2: Figure extraite deSaito et al.(2013) représentant le gradient latitudinal de CH4en fonction du gradient vertical aux différents sites pour deux tranches d’altitude :
entre 3 et 5 kms (a) et entre 0.5 et 2.5 kms (b). Toutes les données sont moyennées sur la période 2001 à 2007. Les valeurs des gradients sont relatifs aux gradients mesurées.
Cet article aborde également le problème de la représentation des échanges inter-hémisphériques dans les modèles de chimie-transport. L’ensemble relativement important de modèles de cette étude permet d’établir une corrélation fiable entre le gradient latitudinal et le gradient vertical de la basse troposphère (entre 0.5 et 2 kms) (Figure4.2(b)). Il est important de signaler que cette corrélation est fortement dégradée lorsqu’on s’intéresse au gradient vertical en milieu de troposphère (entre 3 et 5 kms) (Figure 4.2 (a)). De manière générale, les modèles qui simulent de forts gradients verticaux de méthane, simulent également de forts gradients latitudinaux à la surface. En effet, dans les modèles où le mélange vertical (notamment, le mélange turbulent dans la couche limite et la convection) est sous-estimé, le gaz considéré a tendance à être accumulé proche de la surface là où ont lieu les émissions de ce gaz. Dans ce cas, il est très probable que le modèle surestime le gradient latitudinal des concentrations.
LMDz satisfait bien la corrélation puisqu’il est mis en évidence que le gradient verti- cal de méthane dans LMDz est faible à la plupart des sites, résultant en un gradient inter-hémisphérique faible conformément à ce qui a été mis en évidence parPatra et al.
4.4. Etudes complémentaires
(2011) etLocatelli et al. (2013). Pour aller plus loin, une analyse des échanges inter- hémisphériques dans différentes versions de LMDz (augmentation de la résolution verticale, utilisations de nouvelles paramétrisations physiques pour le mélange dans la couche limite) est exposée dans le chapitre5.
Conclusions du chapitre
Les incertitudes relatives à la modélisation du transport atmosphérique apparaissent de plus en plus comme un facteur limitant pour l’estimation des sources et puits de mé- thane par modélisation inverse. En effet, il a été montré au cours de ce chapitre que les inversions atmosphériques sont impactées aux différentes échelles spatio-temporelles par les erreurs de transport :
— significativement à l’échelle globale. Les flux de méthane optimisés diffèrent jusqu’à 5% dus aux erreurs de transport.
— fortement à l’échelle continentale. Les incertitudes atteignent, en moyenne, 30%.
— très fortement à l’échelle du modèle. Les incertitudes peuvent atteindre jusqu’à 150%.
En particulier, il a été montré que la version « offline » du modèle LMDz utilisé dans le système inverse PYVAR-LMDz-SACS présentait plusieurs défauts pour représen- ter fidèlement les concentrations atmosphériques de méthane. La surestimation des échanges entre hémisphères et la sous-estimation de la variabilité synoptique ap- paraissent comme les deux défauts impactant le plus les inversions atmosphériques utilisant LMDz. La mauvaise représentation des échanges inter-hémisphériques intro- duit des biais importants dans les estimations des flux de méthane à l’échelle globale, notamment pour le gradient nord/sud des émissions. Les incertitudes relatives à la modélisation de la variabilité synoptique peuvent être importantes et engendrer des flux optimisés plus élevées que réellement, et ce d’autant plus que les erreurs prises en compte dans le processus inverse sont sous-estimées.
A ce stade de la thèse, et compte tenu des défauts identifiés de la version du modèle qui a été utilisée jusqu’à maintenant, il a été décidé de travailler pour mettre en oeuvre une version améliorée du modèle de transport LMDz utilisée dans le système inverse PYVAR-LMDz-SACS. C’est pourquoi, avant de présenter les inversions de méthane pour la période 2006-2012 (chapitre6), je présente les travaux effectués pour évaluer différentes versions du modèle prenant en compte des développements récents de la physique du modèle.
CHAPITRE
5
La modélisation du transport
atmosphérique de gaz traces
dans LMDz
U
NE APPROCHE possible pour limiter l’impact des erreurs de modélisation du trans- port atmosphérique sur les inversions atmosphériques est d’essayer d’améliorer la représentation du transport atmosphérique. Le modèle de circulation générale de l’atmosphère LMDz que j’ai utilisé jusqu’à présent dans cette thèse a notamment évolué depuis une dizaine d’années. La résolution spatiale a été améliorée et de nouvelles pa- ramétrisations du mélange vertical ont été développées et implémentées mais restent peu testées pour les traceurs. Dans ce chapitre, on se propose d’évaluer les développe- ments faits sur le modèle LMDz en se focalisant sur le transport de gaz traces, dont le méthane.En préambule, on présente des notions fondamentales sur la modélisation du transport atmosphérique d’espèces traces. Notamment, on détaille les principes fondamentaux de l’équation régissant l’évolution temporelle du transport d’un gaz trace dans l’atmo- sphère (section5.1). La suite du chapitre se concentre sur la modélisation du transport atmosphérique dans le modèle LMDz. Les paramétrisations physiques utilisées dans les anciennes et la nouvelle version de LMDz sont décrites dans la section 5.2. Les résultats portant sur les caractéristiques de LMDz pour la modélisation du transport de gaz dans l’atmosphère, qui ont fait l’objet d’une publication dans le journal Geoscientific Model Development Discussion : « Atmospheric transport and chemistry of trace gases in LMDz5B : evaluation and implications for inverse modelling » en juillet 2014 et qui sont actuellement en révision pour une publication dans Geoscientific Model Develop- ment, sont présentés dans les sections suivantes. En effet, la présentation générale de l’étude est exposée dans la section5.3tandis que les principaux résultats sont résumés dans la section 5.3.2. Finalement, l’intégralité de la publication est exposée en section
5.4. Des études complémentaires à cette publication se concentrant sur l’évaluation de la simulation de la hauteur de la couche limite (section 5.5.1) et de la concentration atmosphérique de 222Rn (section 5.5.2) par différents modèles (dont les différentes
versions de LMDz) à travers deux projets internationaux auxquels j’ai contribué pen- dant ma thèse (l’expérience TransCom-BLH et le projet InGOS) clôturent ce chapitre.
5.1
L’équation de transport d’une espèce trace dans
l’atmosphère
L’évolution temporelle de la concentration, ∂c
∂t, d’un gaz présent en trace dans
l’atmosphère varie du fait de plusieurs processus physico-chimiques (voir équation
5.1) : de l’émission, Sources, ou de la destruction, Puits, d’une certaine quantité de ce gaz
à la surface, de la production ou de la destruction par des réactions chimiques, Chimie,
d’une certaine quantité de ce gaz, et du transport de ce gaz dans l’atmosphère, Transport.
∂c
∂t = Sources− Puits+ Transport+Chimie (5.1) En pratique, ces différents processus sont simulés l’un à la suite des autres dans les modèles de chimie-transport. Dans ce chapitre, nous nous intéressons plus spécifique- ment à la représentation du transport atmosphérique (le terme Transport) d’un gaz par les
modèles de chimie-transport. L’équation du transport d’une espèce trace passive (inerte chimiquement) et conservative de concentration, c, émise dans l’atmosphère subissant différents processus atmosphériques s’écrit, sous la convention d’Einstein1, :
∂c ∂t + vj
∂c ∂xj
= 0 (5.2)
vjest la composante du champ de vent selon la direction xj.
Les mouvements atmosphériques responsables du transport d’une espèce trace dans l’atmosphère peuvent avoir des échelles spatio-temporelles très différentes. Dans les modèles numériques de chimie-climat, il n’est pas possible de représenter explicitement toutes ces échelles. On travaille explicitement jusqu’à une échelle donnée (typiquement avec des mailles de 50 à 500 km de côté) mais on traite la petite échelle de façon statis- tique. En pratique, c’est la résolution du modèle qui distingue les processus physiques représentés explicitement ou ceux modélisés implicitement par des paramétrisations. On utilise généralement la décomposition de Reynolds pour illustrer la séparation des échelles dans les processus atmosphériques. Sous cette hypothèse, une variable atmo- sphérique X est décomposée en une valeur représentant sa moyenne d’ensemble, X, et une fluctuation turbulente, X0, selon l’équation : X = X + X0. Ainsi l’équation du trans- port5.2devient : ∂c ∂t + vj ∂c ∂xj +∂v 0 jc 0 ∂xj = 0 (5.3)
La variation temporelle de la concentration d’une espèce trace en un point de l’es- pace, ∂∂c
t, est égale à la somme de l’advection horizontale et verticale de la concen-
tration, vj∂∂xc
j
, et de la divergence horizontale et verticale du flux turbulent de la concentration,∂v
0 jc
0 ∂xj .
De nombreux schémas et méthodes numériques existent pour représenter l’advection.