1.5 Enjeux et plan de l’´etude
1.5.3 Plan de la th`ese
Le chapitre 2 introduit la m´ethode utilis´ee pour isoler la composante de variabilit´e intrins`eque oc´eanique via une simulation climatologique de contrˆole. Cet estim´e de la variabilit´e intrins`eque est compar´e `a la variabilit´e totale, simul´ee au travers d’une pr´evision historique (hindcast). Les donn´ees utilis´ees dans notre ´etude y sont ´egale- ment d´etaill´ees : elles se composent de deux paires de simulations forc´ees oc´eaniques `a haute-r´esolution (c.-`a-d. 1/4◦ et 1/12◦), des simulations de contrˆole issues des mo- d`eles climatiques du projet CMIP5, et des observations satellitaires altim´etriques.
CHAPITRE 1. INTRODUCTION 37
Les diff´erentes m´ethodes de filtrage spatio-temporel appliqu´ees sur ces champs y sont d´etaill´ees ainsi qu’un diagnostique spectral reposant sur des concepts de turbulence g´eostrophique. Nous pr´esenterons ´egalement les outils informatiques d´evelopp´es pour mettre en application les diff´erentes analyses.
Le chapitre 3 pr´esente une caract´erisation par des m´ethodes de filtrage, des ´echelles spatiales de la variabilit´e intrins`eque basse-fr´equence du niveau de la mer, aux ´echelles de temps inter-annuelles `a d´ecennales. Nous y d´emontrons une forte corres- pondance g´eographique entre les petites ´echelles de la variabilit´e intrins`eque inter- annuelle `a d´ecennale et l’activit´e m´eso-´echelle. L’impact de la r´esolution sur les niveaux de variabilit´e intrins`eque basse-fr´equence et l’activit´e m´eso-´echelle ( 1/4◦
et 1/12◦) y est ´egalement ´etudi´e. Les m´ethodes de filtrage sont ensuite appliqu´ees aux observations satellitaires du niveau de la mer. Nous examinons enfin si ces conclu- sions s’´etendent `a la SST.
Le chapitre 4 s’int´eresse aux ´echelles de temps multi-d´ecennales de la variabilit´e intrins`eque du niveau de la mer. Il y est montr´e que l’oc´ean turbulent g´en`ere spon- tan´ement des niveaux de variabilit´e substantiels `a ces ´echelles de temps dans les r´egions `a forte turbulence. Ces niveaux sont compar´es `a la variabilit´e interne multi- d´ecenale estim´ee dans les simulations climatiques du projet CMIP5, dans lequel les mod`eles d’oc´eans sont laminaires. Nous proposons ´egalement un mod`ele de bruit blanc pour approximer la partie basse-fr´equence du spectre de la variabilit´e intrin- s`eque dans les r´egions `a forts niveaux de turbulence. Nous ´etudions enfin l’impact de la variabilit´e intrins`eque multi-d´ecennale sur les tendances r´egionales du niveau de la mer, estim´ees sur trois p´eriodes caract´eristiques (20, 50 et 100 ans).
Le chapitre 5 s’int´eresse `a la relation entre l’activit´e m´eso-´echelle et la variabilit´e intrins`eque basse-fr´equence, sugg´er´ee dans le chapitre 2. Nous ´etudions la capacit´e de la cascade inverse temporelle d’´energie cin´etique `a g´en´erer de la variabilit´e intrin- s`eque basse-fr´equence. L’analyse consiste `a diagnostiquer dans l’espace de Fourier les transferts d’´energie cin´etique associ´es au terme d’advection non-lin´eaire de vorticit´e relative en surface, `a partir de la SLA. Nous ´etudions en particulier quatre r´egions de moyennes latitudes o`u les niveaux de variabilit´e intrins`eque basse-fr´equence sont substantiels. La cascade inverse d’´energie se traduit par l’interaction entre deux r´egimes dynamiques que nous mettons en lumi`ere par l’analyse de spectres et l’ap- plication d’un filtrage temporel. Nous d´ecrivons la sensibilit´e de cette cascade `a la variabilit´e du for¸cage atmosph´erique ainsi qu’`a la r´esolution du mod`ele.
Le chapitre 6 dresse un bilan des r´esultats obtenus sur les caract´eristiques de la variabilit´e oc´eanique intrins`eque de surface, son lien avec les observations, ainsi que les m´ecanismes `a l’oeuvre dans le mod`ele NEMO. Quelques perspectives d’´etude sont sugg´er´ees. Un lien entre nos conclusions et les r´esultats pr´eliminaires du projet de simulations d’ensemble OCCIPUT y est ´egalement pr´esent´e.
Deux annexes sont fournies en compl´ement du corps principal de ce manuscrit. L’annexe A d´ecrit la structure d’un outil informatique permettant de mettre en
place de fa¸con simple et efficace, des diagnostiques sur un jeu de donn´ees de taille cons´equente. Ce concept s’inspire des outils ´elabor´es au cours de cette th`ese. Il naˆıt de diverses r´eflexions sur les am´eliorations envisageables de ces outils et d’un besoin pr´esent - tenant `a s’accentuer dans le futur - d’un cadre technique d´edi´e `a l’analyse de donn´ees hautes-r´esolutions. L’annexe B concerne la turbulence g´eostrophique analys´ee dans le domaine des fr´equences-nombres d’onde. Un article auquel nous avons contribu´e pr´esente des r´esultats concernant les cascades inverses temporelles et spatiales dans un mod`ele QG, dans un mod`ele d’oc´ean r´ealiste `a haute-r´esolution, et dans les observations altim´etriques.
Chapitre 2
Simulations, observations et m´ethodologie
Sommaire
2.1 Mod`ele, simulations et observations . . . 40 2.1.1 Protocole exp´erimental et isolement de la variabilit´e oc´ea-
nique intrins`eque . . . 40 2.1.2 Simulations oc´eaniques globales hautes-r´esolutions . . . . 42 2.1.3 Observations altim´etriques et r´ealisme du mod`ele . . . 44 2.1.4 Influence de la r´esolution sur la repr´esentation de la va-
riabilit´e oc´eanique . . . 46 2.1.5 Les simulations climatiques CMIP5 . . . 49 2.2 Outils d’analyse . . . 50 2.2.1 M´ethodes de filtrage mises en oeuvre . . . 50 2.2.2 Diagnostique de transferts d’´energie cin´etique dans l’es-
pace spectral . . . 55 2.2.3 Applications des diagnostiques aux sorties de mod`eles hautes-
r´esolutions : la toolbox Python pyClim . . . 56
Ce chapitre pr´esente dans un premier temps les donn´ees de simulations hautes- r´esolutions (oc´ean turbulent) bas´ees sur le mod`ele oc´eanique NEMO, les donn´ees de simulations des mod`eles coupl´es CMIP5 (oc´ean laminaire), et les observations satellitaires utilis´ees (oc´ean r´eel). La m´ethode consistant `a isoler la variabilit´e in- trins`eque oc´eanique `a l’aide d’une simulation de contrˆole est abord´ee et discut´ee. L’impact de l’augmentation de la r´esolution du mod`ele NEMO (2◦→1/4◦→1/12◦) est comment´e en terme de r´ealisme de la variabilit´e de l’oc´ean de surface, et vis-`a-vis des niveaux de variabilit´e intrins`eque. Dans un deuxi`eme temps, ce chapitre s’attelle `a d´etailler les diverses m´ethodes de filtrage utilis´ees afin de caract´eriser les ´echelles spatio-temporelles de la variabilit´e intrins`eque. Une m´ethode d’analyse en co-spectre bas´ee sur des concepts de turbulence g´eostrophique est ´egalement pr´esent´ee ainsi que le pr´e-traitement n´ecessaire. Ces diff´erents outils ont ´et´e l’objet du d´eveloppement d’une boˆıte `a outils en python, dont les diff´erents composants sont d´ecrits.