Déterminer le sommet des nuages convectifs profonds à partir de la température de brillance entraîne des biais. En effet, il n’est par exemple pas possible de détecter la présence d’un cirrus au-dessus de celui-ci. De plus, cette méthode est connue pour sous-estimer l’altitude du sommet des nuages d’en moyenne 1 km [Sherwood, 2004; Minnis et al., 2008].
Soit σ = −h∆P
∆θi où h·i signifie moyennée sur les longitudes et sur l’année. Puisque l’échelle de la pression est logarithmique, pour chaque point de la grille de pression d’ERA-Interim, noté i, il est possible de calculer σ :
σi = − *P iln Pi+1 Pi−1 θi+1− θi−1 + (II.1) En considérant une atmosphère hydrostatique et en gardant σ constant selon la longitude, il est alors possible de déterminer pour chaque latitude et longitude le décalage en température potentielle, noté ∆θ, engendré par un décalage en altitude de ∆z = 1 km :
∆θ = P g
RaT σ∆z (II.2)
Ra = 287 J.kg−1.K−1 est la constante de l’air sec tandis que P et T désignent respecti-vement la pression et la température, déterminée, comme précédemment, à partir des profils d’ERA-Interim et associées au pixel de CLAUS dont la température de brillance est initiale-ment inférieure ou égale à TBmax = 230 K. Pour chacun de ces pixels, la nouvelle température potentielle θ∆z=1 km est calculée de la manière suivante :
θ∆z=1 km= θ∆z=0 km+ ∆θ (II.3)
Le nombre de pixels considérés pour chaque région reste donc inchangé et les figures précé-dentes, hormis Fig. II.6, restent toujours valables.
La figure Fig. II.7, pour la plupart des autres régions, ∆θ est presque constant tout au long de l’année et est en moyenne de l’ordre de 3 à 3.5 Kelvins.
Les régions de la mousson asiatique d’été (NAPO, AML et Tibet) sont particulièrement soumises à une grande correction durant cette période. Bien que le rapport P
T soit en général faible en comparaison à d’autres régions durant l’été boréal, c’est la valeur de σ qui l’emporte pour ces régions. En effet, les sommets des nuages y sont en moyenne situés à des températures potentielles plus élevées que dans d’autres régions, cf. Fig. II.6c par exemple durant JJA. Leurs pressions associées sont en moyenne plus faibles. Or, plus la pression est faible, plus le gradient latitudinal de σ est important, cf. Fig. II.8. Les valeurs de σ sont donc très faibles en comparaison à d’autres régions pour une même pression ce qui engendre une grande valeur de la correction ∆θ.
tropicaux
Durant l’hiver boréal, les pixels Tibet ne correspondent pas à des nuages convectifs profonds car il n’y a pas de convection à cette période de l’année. Le rapport P
T est très important. Les valeurs de ∆θ ne sont importantes mais étant donné que les pixels sont associés à une tempéra-ture potentielle très faible, cela n’aura pas d’influence par la suite sur l’étude du transport de l’air à travers la TTL dans cette région à cette période.
Af ITA SAP AML NAPO CAm
SAm Tibet IO NCP SEP
Jan2 Mar May Jul Sep Nov
4
6
8
10
θ
∆ z=0km−
θ
∆z=1km(K)
Figure II.7 – ∆θ en Kelvin, défini par l’équation Eq. II.2, mensuel moyen sur les années 2005-2008. Les courbes sont tracées pour chaque région, avec le même code couleur que celui défini sur la figure Fig. II.3.
La figure Fig. II.9 présente la distribution verticale, en température potentielle, des sommets des nuages, à comparer avec la figure précédente Fig. II.6 sans la correction (∆z = 0 km). Les valeurs récapitulatives associées sont rassemblées dans le tableau Table II.1b. Les conclusions sur les distributions des sommets des nuages convectifs avec ou sans la correction sont similaires.
Dans la suite de cette étude, seul le cas avec la correction de l’altitude sera considéré. Le cas sans correction ne constituera qu’un test de sensibilité.
Altitude des sommets des nuages Latitude Pressure (hPa ) −75 −50 −25 0 25 50 75 50 100 150 200 250 300 350 400 450 0 5 10 15 20
Figure II.8 – Distribution verticale et latitudinale de σ, en hPa.K−1, calculé suivant l’équa-tion Eq.II.1 à partir des données climatologiques d’ERA-Interim de température en coordonnées pression. 3450 350 355 360 365 370 500 1000 1500 2000 2500 Frequency
Cloud top potential temperature (K)
DJF 3450 350 355 360 365 370 500 1000 1500 2000 Frequency
Cloud top potential temperature (K)
MAM 3450 350 355 360 365 370 500 1000 1500 Frequency
Cloud top potential temperature (K)
JJA 3450 350 355 360 365 370 500 1000 1500 Frequency
Cloud top potential temperature (K)
SON
a) b)
c) d)
Af ITA SAP AML NAPO CAm SAm Tibet IO NCP SEP
Figure II.9 – Identique à la figure Fig. II.6 lorsque la correction de ∆z = 1 km sur l’altitude est appliquée au sommet.
tropicaux
4 Résumé du chapitre
Afin d’étudier le transport entre le sommet des nuages convectifs profonds tropicaux et la surface 380 K, il est nécessaire de déterminer avec le plus de précision possible l’altitude du sommet de ces nuages. Pour cela, les données CLAUS fournissent des cartes de température de brillance toutes les 3 heures à une résolution de 30 km.
A partir de l’observation des fréquences horizontales et temporelles des sommets des systèmes convectifs de CLAUS, des boîtes régionales ont été définies afin de faire ressortir les régions où la convection est intense mais aussi de séparer les contributions continentale et océanique, cf. figure Fig. II.3. Ces définitions seront utilisées tout au long de ce manuscript.
En faisant l’hypothèse que le sommet du nuage rayonne comme un corps noir et que leur température de brillance est inférieure ou égale à 230 K, il a été possible de déterminer la répar-tition verticale et horizontale de ces sommets, en utilisant les profils verticaux de température et de pression de la réanalyse ERA-Interim.
Cependant, dans certains cas, la température de brillance peut être plus faible que celle de l’environnement et parfois même plus faible que la température la plus basse du profil de tempé-rature troposphérique-stratosphérique. Dans ce cas, on considère que les parcelles sont montées adiabatiquement d’une altitude d’environ 40 hPa sous cette température la plus basse [Sher-wood , 2004]. Cette méthode est aussi limitée par l’incapacité de distinguer les cirrus recouvrant les sommets convectifs et est aussi connue pour sous-estimer l’altitude des nuages convectifs d’environ 1 km [Minnis et al., 2008]. Par conséquent, les altitudes de ces sommets obtenues avec les données CLAUS sont corrigées en les soumettant à un décalage de 1 km vers le haut.
La connaissance de la distribution des altitudes des nuages en fonction des régions permettra d’estimer la répartition verticale des sources convectives atteignant 230 K à la fois pour le modèle de transport lagrangien, cf. chapitre V, mais aussi pour le modèle unidimensionnel de transport par les taux de chauffage, cf. chapitre VI.
Dans la suite de cette thèse, seules les saisons DJF et JJA seront étudiées. En effet, elles semblent particulièrement s’opposer tandis que les autres saisons peuvent être vues comme des saisons transitoires à DJF et JJA. Durant DJF, l’activité convective de SAP prédomine sur les autres régions. SAm et Af contribuent aussi mais de moindre manière. Au contraire, durant JJA, la distribution verticale des sommets des nuages convectifs profonds est davantage complexe. La convection est moins active sur SAP et la mousson asiatique engendre des nuages convectifs très nombreux sur NAPO et AML. Ces nuages atteignent des pressions beaucoup plus faibles en particulier sur AML et surtout sur le plateau tibétain (Tibet). L’utilisation du modèle de transport lagrangien permettra, entre autres, d’estimer à quel point une faible distance verticale entre le sommet du nuage et la surface 380 K facilite la traversée de la surface 380 K.
CHAPITRE III
TRANSPORT LAGRANGIEN :
GÉNÉRALITÉS, DONNÉES UTILISÉES
ET MÉTHODE
Sommaire
1 Modèle lagrangien diabatique vs modèle eulérien diabatique . . . . 52 1.1 Présentation générale et choix d’un modèle de transport diabatique . . 52 1.2 Avantages de l’approche lagrangienne pour cette étude . . . . 53 2 Les réanalyses ERA-Interim, MERRA et JRA-55 . . . . 54 2.1 Généralités sur les réanalyses . . . . 54 2.2 La réanalyse ERA-Interim . . . . 56 2.3 La réanalyse MERRA . . . . 57 2.4 La réanalyse JRA-55 . . . . 57 3 Trajectoires lagrangiennes diabatiques forward et backward dans
TRACZILLA . . . . 58 3.1 Le modèle de transport TRACZILLA . . . . 58 3.2 Trajectoires forward et backward . . . . 59
Durant cette thèse, le transport et la distribution de parcelles d’air issues du sommet de nuage convectifs profonds tropicaux jusqu’à la surface 380 K, sont étudiées. Pour cela, des trajectoires en avant dans le temps et en arrière dans le temps sont calculées en utilisant un modèle de transport lagrangien : TRACZILLA, version modifiée de FLEXPART [Stohl et al., 2005; Pisso and Legras, 2008]. Par la suite, les termes forward et backward sont utilisés pour désigner les trajectoires lagrangiennes diabatiques calculées respectivement en avant dans le temps et en arrière dans le temps.