Comparaisons spatiales de l’écart par saison

4 5 6 7 Date

Ecart moyen absolu (g.m

−3 ) V1 V2 V3 V4

Figure 3.25 — Evolution de l’écart moyen EV ipour les configurations V1, V2, V3 et V4 en 2008.

rant l’été. Une légère surestimation du forçage appliqué en été peut provoquer des écarts visibles car les concentrations en cette saison sont faibles. De plus, l’algo-rithme d’estimation des MES est moins fiable pour les concentrations inférieures à 1 mg.l−1. Au cours de l’automne 2007 et de l’hiver 2008 où plusieurs tempêtes ont eu lieu, la quantité de MES au niveau des frontières a à l’inverse pu être sous-évaluée, expliquant en partie la difficulté à atteindre de fortes concentrations durant ces périodes, notamment au mois de mars 2008.

Les résultats obtenus avec la configuration V4 sont ici introduits. Les écarts

EV 3 et EV 4 sont identiques, les courbes les représentant étant confondues. Cela indique que globalement les résultats obtenus avec les configurations V3 et V4 sont similaires. Les variations journalières de la MES au niveau des frontières au cours du mois ne semblent pas modifier la CSS moyenne dans le domaine.

3.3.2.3 Comparaisons spatiales de l’écart par saison

La comparaison temporelle de l’écart le long de l’année 2008 a permis d’évaluer globalement les différentes configurations. Elle a montré que la configuration qui donne les résultats les plus proches des données satellite diffère suivant la saison.

par la paramétrisation de la condition limite en MES. D’après les conclusions pré-cédentes, il est plus pertinent d’évaluer spatialement les différentes configurations par saison et non globalement sur l’ensemble de l’année.

Les figures3.26à3.29représentent ∆(V ij), i ∈ [1,2,3,4] moyenné par trimestre. Le paramètre ∆(V ij) permet de comparer deux configurations entre elles. Par la suite, le premier trimestre sera assimilé à l’hiver, le deuxième au printemps, le troi-sième à l’été et le quatrième à l’automne. Si ∆(V ij) est positif, l’écart absolu entre le satellite et le modèle est plus faible avec la version Vj, synonyme d’amélioration avec celle-ci, et inversement.

• V1 versus V2

La comparaison des configurations V1 et V2 (Figure 3.26) a pour but de montrer l’importance de la prise en compte des sédiments extérieurs au domaine d’étude. De manière générale, la configuration V2 améliore les résultats du modèle par rapport à la configuration V1 :

– En hiver (Figure 3.26-a), l’amélioration est plus importante en Manche occiden-tale et centrale.

– En automne (Figure 3.26-d), elle est visible sur l’ensemble de la Manche avec des valeurs de ∆(V 12) maximales au centre.

– Au printemps (Figure 3.26-b), la zone où les résultats sont améliorés est plus réduite, localisée sur la partie ouest de la Manche. Ils sont très peu dégradés, uni-quement à l’est du domaine.

– En été (Figure 3.26-c), les résultats sont dégradés à l’est et améliorés à l’ouest. Une zone d’amélioration est nettement visible au nord de la presqu’île du Cotentin. Ainsi la prise en compte de conditions limites améliore globalement les résultats du modèle par rapport à la configuration sans imposition de MES aux frontières (V1), et plus particulièrement en hiver et en automne. Ces deux saisons sont des périodes où l’action des vagues est plus forte, entraînant une érosion et un maintien en suspension des sédiments plus importants. La concentration de sédiments est donc plus élevée aux niveaux des frontières durant ces périodes. Il est donc essentiel de tenir compte des sédiments extérieurs au domaine en hiver et en automne car ces concentrations ne sont pas négligeables. L’ouest du domaine bénéficie davantage

CHAPITRE 3. MODÉLISATION NUMÉRIQUE HYDROSÉDIMENTAIRE TRIDIMENSIONNELLE de cet apport en MES car la dérive des sédiments est principalement dirigée de l’ouest de la Manche vers la Mer du Nord (Salomon et Breton, 1993).

• V1 versus V3

La figure 3.27 compare la configuration V1 à la configuration V3 qui utilise les résultats du modèle statistique III. Globalement, la répartitions spatiales des ∆(V 12) et ∆(V 13) sont identiques. Les zones dans lesquelles les modles V2 et V3 améliorent ou dégradent les résultats du modèle V1 sont donc identiques. Les conclusions du paragraphe précédent s’appliquent aussi ici. Cependant, les valeurs prises par ∆(V 12) et ∆(V 13) diffèrent. Cette écart s’explique par le fait que dans la configuration V3, les concentrations imposées aux frontières sont supérieures à celles imposées dans la configuration V2. Dans l’ensemble, l’amélioration est plus importante avec le modèle V3. La comparaison suivante, V2 versus V3, va per-mettre d’étudier plus précisément les différences entre ces deux configurations et ainsi de détermininer l’influence jouée par les variations au cours du mois et entre les années sur les CSS de surface en Manche.

• V2 versus V3

Les configurations V2 et V3 sont comparées à travers ∆(V 23) sur la figure3.28. L’intérêt de cette analyse est de confirmer l’importance d’imposer une concentra-tion de MES tenant compte des variaconcentra-tions inter-annuelles et des variaconcentra-tions au cours du mois par rapport une concentration respectant uniquement un cycle saisonnier moyen.

L’étude de ∆(V 23) permet de confirmer que, dans l’ensemble, la configuration V3 minimise les écarts entre les concentrations modélisées et observées par satellite par rapport à la configuration V2. Elle améliore l’estimation de la MES :

– à l’ouest en hiver (Figure 3.28-a),

– au centre, dans le golfe Normand-Breton et dans le détroit du Pas de Calais en automne (Figure 3.28-d),

– uniquement dans une zone réduite à l’ouest de la presqu’île du Cotentin et près des côtes Bretonnes au printemps (Figure 3.28-b).

En été, les configurations V2 et V3 sont équivalentes (Figure3.28-c), les concen-trations imposées étant peu différentes durant cette saison aux deux frontières

(Fi-Juillet, août, septembre 2008 Octobre, novembre, décembre 2008

Figure 3.26 — Moyenne saisonnière de ∆(V 12) en 2008 (Sans imposition de concen-tration en conditions limites contre conditions limites issues des climatologies 2003-2010). Les valeurs positives indiquent une amélioration des estimations de la confi-guration V2 par rapport à V1.

Juillet, août, septembre 2008

Janvier, février, mars 2008 Avril, mai, juin 2008

Octobre, novembre, décembre 2008

Figure 3.27 — Moyenne saisonnière de ∆(V 13) en 2008 (Sans imposition de concen-tration en conditions limites contre conditions limites issues du modèle statis-tisque). Les valeurs positives indiquent une amélioration des estimations de la configuration V3 par rapport à V1.

CHAPITRE 3. MODÉLISATION NUMÉRIQUE HYDROSÉDIMENTAIRE TRIDIMENSIONNELLE gure 3.13).

L’utilisation des résultats du modèle statistique (V3) donne de meilleurs résul-tats car elle permet la prise en compte d’évènements au cours du mois et de la variabilité inter-annuelle, contrairement aux données de climatologies mensuelles (V2). Ceci est important dans cette étude car de nombreuses tempêtes ont eu lieu en 2008, menant à des concentrations en MES de surface supérieures à la moyenne en hiver et à un flux de sédiments entrant en Manche plus élevé. Il y a donc un véritable intérêt à développer cette méthode pour imposer une concentration aux frontières.

Les concentrations imposées dans les configurations V2 et V3 diffèrent princi-palement à la frontière ouverte située à l’ouest durant l’hiver et l’automne. C’est donc logiquement à l’ouest du domaine que la configuration V3 améliore majori-tairement les résultats par rapport à la configuration V2 durant ces périodes. • V3 versus V4

La figure 3.29 représente ∆(V 34). Dans la version V4, la concentration ainsi imposée tient compte des variations saisonnières et inter-annuelles des MES mais non des ses variations journalières.Les résultats obtenus avec la configuration V4 sont similaires à ceux obtenus dans la configuration V3. Pour les 4 saisons de 2008, ∆(V 34) est compris dans l’intervalle [-0.25,0.25] mg.l−1 (Figure 3.29). Cela confirme ce qui a été notifié lors de la comparaison temporelle de l’écart et montre que c’est la prise en compte de la variabilité inter-annuelle qui permet d’améliorer les prédictions du modèle plus que la variabilité journalière.