La modélisation du transport atmosphérique dans la version « of-

« offline » de LMDz

A court terme, plusieurs pistes sont envisageables pour apporter de nouvelles amé- liorations à la modélisation du transport atmosphérique dans la version « offline » de LMDz.

La première piste consiste à intégrer les paramétrisations des poches froides (Grand-

peix and Lafore, 2010; Grandpeix et al., 2009) qui ne sont actuellement pas prises

en compte dans la modélisation du transport atmosphérique des traceurs. Ce schéma met en équation les courants de densité générés par les courants descendants dus aux précipitations sous un nuage convectif et qui sont connus pour être des éléments essentiels de la convection. En effet, les courants de densité sont connus pour inhiber la convection dans la zone où ils s’étendent (zone que l’on appelle la « poche froide »), mais ils sont connus aussi pour déclencher la convection aux frontières de cette zone. De plus, les courants de densité impactent le cycle de vie de l’activité convective et peut affecter l’organisation et la propagation des systèmes convectifs. Ainsi, il serait bénéfique d’incorporer cette paramétrisation physique au système inverse du LSCE. La deuxième piste consiste à approfondir notre connaissance des capacités du modèle en continuant de mener des comparaisons de simulations unidimensionnelles de LMDz avec des simulations à grands tourbillons (Large Eddy Simulation, LES) comme cela a été fait dans la section5.4dans un cas de convection peu profonde. Il avait été envisagé de réaliser une étude similaire pour un cas de convection profonde, le cas TWP-ICE (Tropical Warm Pool International Cloud Experiment) pour lequel des simulations LES étaient disponibles, mais les contraintes de temps associées au travail de thèse n’ont pas permis d’aboutir sur cette étude. Cependant, sachant que de grandes quantités de méthane sont émises dans les régions tropicales où la convection est intense, il est certain que l’étude de ce cas, ou de cas d’études similaires, apporterait beaucoup sur la compréhension de la représentation des processus de transport dans LMDz. Il est également important de poursuivre, en parallèle, des comparaisons multi-traceurs dans la configuration tridimensionnelle de LMDz pour valider le modèle. La durée de vie, la réactivité chimique, la répartition spatiale des émissions de différents traceurs font que chaque traceur apporte des informations complémentaires sur la compréhension des processus de transport atmosphérique.

Je serais également intéressé pour étudier l’impact de l’utilisation de différents for- çages météorologiques sur la modélisation du transport atmosphérique par LMDz et de quantifier cet impact sur les flux de méthane estimés par modélisation inverse. Dans cette thèse, seuls les champs de vents issus d’ERA-Interim ont été utilisés pour « nudger » les simulations. La figure 7.1illustre cela en présentant la moyenne zonale de la concentration de SF6 simulée par le modèle MOZART (Brasseur et al.,1998;Em-

mons et al.,2010) en utilisant trois forçages météorologiques différents (NCEP/NCAR,

GEOS-5 et GFS). Une telle étude permettrait également d’affiner la décomposition de l’impact des différentes erreurs affectant la modélisation du transport sur les inversions atmosphériques, que j’ai amorcée dans cette thèse en distinguant l’impact des paramé- trisations physiques.

De plus, plusieurs enseignements peuvent être tirés de ce travail sur l’étude des échanges inter-hémisphériques. Chronologiquement, j’ai voulu d’abord étudier les ca- ractéristiques de LMDz-NP avant de lancer des inversions atmosphériques avec cette nouvelle version dans le but de tirer des conclusions sur les capacités du modèle sans être influencé par les résultats des inversions. Ainsi, on a diagnostiqué l’amélioration de la représentation du gradient troposphère/stratosphère que nous avions principale-

7. CONCLUSIONS ET PERSPECTIVES −90 −60 −30 0 30 60 90 1000800 600 400 2000 GEOS simulation −90 −60 −30 0 30 60 90 1000800 600 400 2000 GEOS simulation −90 −60 −30 0 30 60 90 1000800 600 400 2000 NCEP/NCAR simulation −90 −60 −30 0 30 60 90 1000800 600 400 2000 GFS simulation SF6 mole fraction (ppt) 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0

Figure 3. Latitude-pressure cross-sections of monthly mean SF6mole fraction for August 2007 for GEOS, NCEP/NCAR and GFS models, relative to a background volume mixing ratio of 7 ppt.

D R A F T January 3, 2012, 3:17pm D R A F T

FIGURE7.1: Moyenne zonale des concentrations atmosphériques de SF6(en ppt) simu-

lées par le modèle de chimie-transport, MOZART, en utilisant trois forçages météorolo- giques différents (NCEP/NCAR, GEOS-5 et GFS). Simulation réalisée au cours de mon stage de master 2 supervisé par Matt Rigby.

ment analysée comme pouvant impacter les inversions de gaz dont les concentrations stratosphériques pouvaient influencer les concentrations troposphériques. On avait moins anticipé l’impact de ce résultat sur la représentation des colonnes totales de méthane, ce qui impacte directement les inversions satellites. On a également pu évo- quer les améliorations (meilleure représentation de la variabilité synoptique près des sources) et les problèmes (grande sensibilité aux fichiers de forçage), que peut apporter un système simulant une variabilité plus importante des concentrations de gaz traces dans la couche limite, avant de faire les inversions. Concernant les échanges inter- hémisphériques (IH), on a utilisé le diagnostic du temps d’échange IH présenté dans

Patra et al.(2011). Cependant, les incertitudes associées à ce diagnostic sont apparues plus grandes que l’écart entre les temps d’échanges IH trouvés pour les différentes versions de LMDz. En conséquence, on a préféré analyser les échanges IH à partir du gradient IH de SF6. On a ainsi diagnostiqué que la version LMDz-SP simulait des

échanges IH plus lents, et plus proches des observations, que LMDz-TD car le gradient IH des concentrations de SF6était plus grand. Cependant, les différences trouvées dans

le gradient IH des concentrations de SF6nous paraissaient faibles (∼0.02 ppt) et on ne

s’attendait pas à obtenir de si grosses différences (∼15-20 TgCH4) entre les gradients

IH des flux de méthane obtenus par inversions (voir section6.4). Aujourd’hui, on peut présenter la figure7.2qui fait une synthèse des études dePatra et al.(2011),Locatelli et al. (2013) et Locatelli et al. (2014). Elle montre l’écart entre le gradient IH des émissions de méthane obtenu avec différents systèmes inverses et celui obtenu avec la version d’origine de PYVAR-LMDz-SACS en fonction de l’écart entre le gradient IH des concentrations de SF6 simulées par différents modèles de transport et l’ancienne

version de LMDz (LMDz-TD avec 19 niveaux verticaux (LMDz-19)). Les croix noires représentent les 9 modèles utilisés à la fois dans les intercomparaisons dePatra et al.

(2011) etLocatelli et al.(2013) et les croix rouges et vertes sont respectivement asso- ciées à LMDz-NP et LMDz-SP. L’ancienne version (LMDz-19) est le point rouge située en (0 ;0) car on représente ici les écarts des gradients relativement à cette version de LMDz. On trouve ainsi que le gradient IH de SF6 simulé par LMDz-NP est 0.02 ppt

plus fort que celui de LMDz-19 et, le gradient IH des émissions de méthane estimé par PYVAR-LMDz-NP-SACS est 18 TgCH4plus petit que celui estimé par la version d’origine

7.2. Perspectives

de PYVAR-LMDz-SACS. On peut donner, comme ordre de grandeur, qu’un écart de 0.1 ppt du gradient IH des concentrations de SF6simulé par deux modèles peut engendrer

des différences de ∼ 70 TgCH4dans le gradient IH des émissions de méthane par deux

systèmes inverses basés sur ces deux modèles de transport. C’est donc un diagnostic extrêmement sensible. Nous conseillons par la suite d’analyser le temps d’échange IH des modèles de chimie-transport à partir des concentrations de surface de SF6 et

d’utiliser une relation similaire à celle présentée sur la figure7.2pour diagnostiquer le gradient IH des émissions de gaz estimées dans les inversions.

0.00 0.05 0.10 0.15 0 −20 −40 −60 −80 −100 0.00 0.05 0.10 0.15

Ecart au gradient IH des concentrations de SF6 (ppt)

0 −20 −40 −60 −80 −100

Ecart au gradient IH des émissions de méthane en TgCH

4 LMDz−SP LMDz−NP Autres modèles Référence ACTM IFS IMPACT−1x1 IMPACT MOZART PCTM TM5−1x1 TM5 TOMCAT

FIGURE 7.2: Ecart du gradient IH des émissions de méthane (en TgCH4) de différents

modèles par rapport au gradient IH de l’ancienne version de PYVAR-LMDz-SACS (point rouge) tracé en fonction de l’écart du gradient IH des concentrations de SF6 (en ppt)

à la surface des différents modèles par rapport à celui de l’ancienne version de LMDz (point rouge). On a utilisé les résultats dePatra et al.(2011),Locatelli et al.(2013) et

Locatelli et al. (2014) pour tracer ce graphique. Les résultats pour LMDz-SP et LMDz-

NP sont repérés respectivement par la croix verte et la croix rouge. Le point rouge est relatif à l’ancienne version de LMDz.

D’une manière générale, alors que de nouveaux développements sont en cours au LMD (Laboratoire de Météorologie Dynamique) pour passer de la version LMDz-5B (très similaire à la version LMDz-NP évoqué dans ce manuscrit) à la version LMDz6, il est important de poursuivre à évaluer la version LMDz-NP et d’éviter que LMDz-NP soit vu comme une « boîte noire » au cours de futures inversions. A mon sens, les échanges entre les personnes scientifiques en charge du développement de LMDz et les personnes scientifiques intéressées par la modélisation du transport sont essentiels pour une meilleure compréhension des distributions spatio-temporelles des flux de méthane estimés par modélisation inverse.