de l’art . . . . 47
2.2.1 Simulations non distribu´ees . . . 50
2.2.2 Simulations distribu´ees . . . 51
2.3 Syst`emes op´erationnels en France . . . . 56
2.3.1 Le mod`ele de manteau neigeux SURFEX/ISBA-Crocus . . . 56
2.3.2 La chaˆıne op´erationnelle de mod´elisation m´et´eo-nivologique . 58
2.3.3 Limites du syst`eme actuel . . . 60
2.4 Vers une chaˆıne de mod´elisation nivo-m´et´eorologique AROME- Crocus ? . . . . 62
2.4.1 Le mod`ele AROME de Pr´evision Num´erique du Temps . . . 62
2.4.2 Evaluation des pr´evisions m´et´eorologiques d’AROME en mon-
tagne . . . 66
2.4.3 De la simulation de l’´evolution saisonni`ere du manteau nei-
geux `a la pr´evision d’´ev`enements `a enjeu . . . 69
2.1
La mod´elisation num´erique du manteau neigeux
Selon les applications vis´ees, la mod´elisation du manteau neigeux peut couvrir diff´erents niveaux de complexit´e : la mod´elisation des effets m´et´eorologiques d’une couverture nei- geuse ne requiert pas la mˆeme finesse descriptive que la pr´evision de la formation locale d’une couche fragile de givre de profondeur. Les mod`eles de neige au sol les plus simples se basent sur une approche dite ”degr´es-jours” (e.g. Rango and Martinec, 1995). Utilis´es surtout pour des applications hydrologiques, ils d´eterminent les accumulations neigeuses par connaissance des pr´ecipitations et permettent de calculer la fonte de la neige selon le cumul des degr´es-jours par rapport `a un seuil, g´en´eralement calibr´e au site. Par la suite, des mod`eles r´esolvant le bilan d’´energie du manteau neigeux ont ´et´e d´evelopp´es. Parmi ces mod`eles, on en distingue trois types : les mod`eles mono-couche, les mod`eles de complexit´e interm´ediaire et les mod`eles physiques d´etaill´es (Armstrong and Brun, 2008).
• Les mod`eles de neige mono-couche sont en g´en´eral inclus dans les sch´emas de surface des syst`emes de Pr´evision Num´erique du Temps (PNT) et des mod`eles de climat globaux. Leur objectif principal est de repr´esenter l’influence du couvert neigeux sur les processus atmosph´eriques, plutˆot que de repr´esenter finement les propri´et´es physiques internes du manteau neigeux. Les propri´et´es thermiques et l’alb´edo sont donc les param`etres essentiels pris en compte par ces mod`eles. En contrepartie, les temps de calcul demeurent limit´es. Dans cette cat´egorie, on re- trouve par exemple les mod`eles D95 (Douville et al., 1995) et EBA (Bazile et al., 2002) utilis´es dans les mod`eles de PNT et de climat de M´et´eo-France. On peut ´egalement citer le mod`ele UEB (Utah Energy Balance ; Tarboton and Luce, 1996) qui agr`ege le manteau neigeux et la couche sup´erieure du sol en une couche unique, pour laquelle le bilan d’´energie est r´esolu.
• Les mod`eles de manteau neigeux de complexit´e interm´ediaire prennent en compte la stratification du manteau neigeux par la repr´esentation de plusieurs couches verticales (typiquement de 2 `a 20). La plupart des propri´et´es physiques de ces couches sont param´etr´ees en fonction de la densit´e, afin de simuler notamment le tassement, la percolation d’eau liquide et le regel. C’est le cas par exemple des mod`eles SNOBAL (Marks et al., 1999), JULES (Best et al., 2011), ou ES (Explicit Snow ; Boone and Etchevers, 2001; Decharme et al., 2016), ce dernier ´etant impl´ement´e dans le mod`ele de sol ISBA (Interactions between Soil, Bios- phere and Atmosphere ; Noilhan and Planton, 1989) au sein de la plateforme de mod´elisation de surface SURFEX (SURFace EXternalis´ee ; Masson et al., 2013). Cette cat´egorie de mod`eles est souvent utilis´ee pour des applications hydrologiques
(e.g. Habets et al., 2008), et commence `a ˆetre impl´ement´ee dans les sch´emas de surface terrestre de certains syst`emes de PNT (comme le mod`ele HTESSEL au sein des syst`emes op´erationnels de PNT de l’ECMWF ; Dutra et al., 2010) ou dans certains mod`eles de climat (comme le sch´ema ES, utilis´e dans le mod`ele de climat de M´et´eo France).
• Les mod`eles d´etaill´es de manteau neigeux simulent la stratigraphie des propri´et´es physiques, avec une description de la microstructure des couches et leur ´evolution. La repr´esentation stratifi´ee du manteau neigeux permet en effet de d´ecrire au mieux sa variabilit´e verticale (Colbeck, 1991). Dans cette cat´egorie, on compte les mod`eles SNTHERM (Jordan, 1991), SNOWPACK (Bartelt and Lehning, 2002; Lehning et al., 2002b,a), SMAP (Niwano et al., 2012) et Crocus (Brun et al., 1989, 1992; Vionnet et al., 2012). En plus des applications cit´ees pr´ec´edemment, leur description fine de la stratigraphie du manteau neigeux leur permet d’ˆetre mis en œuvre pour la pr´evision op´erationnellle du risque d’avalanche (e.g. Durand et al., 1999), la recherche sur la microstructure du manteau neigeux (e.g. Libois et al., 2015) ou de nombreuses applications transverses comme l’´ecologie de mon- tagne (e.g. Saccone et al., 2013). De tels mod`eles peuvent ˆetre consid´er´es comme de puissants outils scientifiques, agr´egeant une grande partie des connaissances sur la physique du manteau neigeux tout en ouvrant de nombreuses perspectives scientifiques nouvelles (Morin, 2014).
Plusieurs ´etudes ont ´et´e men´ees afin de comparer les performances des mod`eles existants de complexit´e variable. G´en´eralement, ces ´etudes n’identifient pas un ”meilleur mod`ele”, mais des groupes de mod`eles ayant des performances ´equivalentes et coh´erentes selon les situations. Ainsi, au sein du projet SnowMIP (Snow Model Intercomparison Project), Etchevers et al. (2004) ont port´e un int´erˆet particulier au bilan radiatif de surface, montrant notamment que les mod`eles repr´esentant explicitement les processus internes du manteau neigeux simulaient mieux la temp´erature de surface de la neige, mais que la complexit´e d’un mod`ele avait relativement peu d’influence sur sa capacit´e `a simuler l’alb´edo. Plus r´ecemment, Essery et al. (2013) ont combin´e les param´etrisations de chaque processus physique de diff´erents mod`eles, aboutissant `a 1701 simulations distinctes du manteau neigeux. Cet exercice n’a pas mis en ´evidence de corr´elation directe entre complexit´e et performance d’un mod`ele, mais des r´esultats plus coh´erents pour les configurations avec une repr´esentation pronostique de la densit´e et de l’alb´edo, associ´ee `a une prise en compte de la r´etention et du regel de l’eau liquide.