Dans cette partie nous allons analyser l’effet d’une variation de la latitude du jet sur sa variabilité. Plusieurs études se sont déjà interessés à l’effet du changement climatique sur la position des jets, car elle conditionne une grande partie du climat des moyennes latitudes comme évoqué dans l’introduction. L’étude de scénario de changement climatique dans un large ensemble de modèles montre un robuste décalage du courant-jet dans l’hémisphère Sud vers le pôle (Barnes and Polvani,2013). Ce décalage est beaucoup moins marqué dans l’hémisphère Nord où les résultats dépendent du bassin (Kidston and Gerber,2010;Barnes
and Polvani,2013;Vallis et al.,2015).
Pour étudier l’effet de la position du jet, nous allons utiliser une série de simulations, PHI0, où sera variée la latitude moyenne du forçage de 20◦
N à 40◦
N par pas de 2◦
. Dans ces simu-lations, la nature des EOF est ammenée à changer, comme le montre par exempleBarnes
and Hartmann(2011). Cette étude montre en effet que, dans un modèle barotrope, le
pour-centage de variabilité expliquée par le mode de pulsation croît avec latitude du forçage alors que celui associé au mode de déplacement décroît. Ceci finit par provoquer une in-version des modes dominants, passant d’un mode de déplacement pour les jets proches des Tropiques à un mode de pulsation dominant pour les jets proches des pôles, comme le montre la figure4.6.
FIGURE 4.6 – Pourcentages de variabilité expliquée par l’EOF1 (Zeof 1), le mode D (Zlat) et le mode P (Zspeed) en fonction de la position moyenne de courant-jet simulé (θjet) (tiré deBarnes and Hartmann(2011), figure 8a).
Dans cette partie, nous allons plutôt utiliser les modes D et P afin de caractériser l’évolu-tion de la nature des EOF pour les simulal’évolu-tions de PHI0. La figure 4.7montre l’évolution des pourcentage de variabilité expliquée pour les deux premières EOFs ainsi que les modes D et P (cf. équation (4.3)). On constate un rapprochement des pourcentages de variabilité expliquée pour ces modes, indiquant un possible changement de nature du mode de varia-bilité dominant. Mais contrairement àBarnes and Hartmann(2011), on ne voit pas de clair croisement des pourcentages de variabilité expliquée par les modes D et P avec le déca-lage du forçage vers le pôle. Ceci est confirmé par la comparaison des composites du vent
Forcing latitude (in degree) Variability (percentage) 20 25 30 35 40 20 25 30 35 40 45 50 EOF 1 EOF 2 Mode S Mode P
FIGURE 4.7 – Évolution en fonction de la latitude moyenne du forçage des pourcentages de variabilité expliquée pour les deux premières EOF (respec-tivement en rouge et bleu) et les modes D et P (respec(respec-tivement en orange et
magenta).
intégré U pour les deux premières EOF de la simulation à 40◦
N, tracé sur la figure 4.8, pour laquelle aucune des deux EOF ne peut clairement être considérée comme l’un ou l’autre mode. On constate en effet que les phases positives comme négatives des deux EOF semblent être une superposition de déplacement et de pulsation. Ceci s’explique peut-être par la relative proximité des pourcentages de variabilité expliquée pour ces deux modes : 33% pour l’EOF1 contre 28% pour l’EOF2.
Latitude (in degree)
Zonal wind (in m s
− 1 ) a)PC1 0 20 40 60 80 −5 0 5 10 15 20 25 30 35
Latitude (in degree)
Zonal wind (in m s
− 1 ) b)PC2 0 20 40 60 80 −5 0 5 10 15 20 25 30 35
FIGURE4.8 – Composites du vent zonal intégré zonalement et verticalement pour les phases positives (en trait plein) et négatives (en tireté) des deux
premières EOF pour la simulation à 40◦ N.
Ce rapprochement des variabilités expliquées par les modes D et P semble venir d’après la figure4.7d’une diminution de la part du mode de déplacement méridien, dont l’origine pourrait être une diminution de la persitance de ce mode. La figure4.9, qui représente les fonctions d’auto-corrélation des indices PCϕet PCU, conforte cette hypothèse en montrant
Time lag (in day) Correlation coefficient −20 −10 0 10 20 −0.2 0 0.2 0.4 0.6 0.8 1
Time lag (in day)
−20 −10 0 10 20
Forcing latitude (in degree)
20 22 24 26 28 30 32 34 36 38 40
FIGURE4.9 – Fonctions d’auto-corrélation des composantes principales as-sociée au déplacement méridien (à gauche) et à la pulsation d’amplitude (à
droite) pour les différentes simulations de la série PHI0
la nette diminution de persistance du mode D comparée à la relative stabilité de celle du mode P. Cette figure semble suggérer que cette diminution de la persistance du mode de déplacement est en grande partie due à la dynamique à court terme.
Afin de vérifier cette hypothèse, nous allons nous intéresser aux taux instantanés de varia-tion τ de l’auto-corrélavaria-tion A, définit par
1 τ = 1 A ∂A ∂t.
En effet, d’après l’équation (A.11), ce taux est régit par l’équation suivante : 1 τ = Cm A + Cd A (4.5)
où Cm et Cdcorrespondent aux covariances croisées des indices avec le terme de conver-gence de flux de quantité de mouvement (m) et de friction (d). Or le second terme du membre de droite de cette équation, qui dépend du terme de dissipation [u3]/τE de l’équa-tion de tendance du vent zonal, peut être considéré constant en première approximal’équa-tion du fait que le vent [u3] est quasiment proportionel à la moyenne verticale du vent zonal. Ainsi, les variations de τ sont, selon cette approximation, uniquement causée par le terme de convergence de flux de quantité de mouvement. On peut donc visualiser directement l’effet de la rétroaction des ondes comme des variations de ce terme Cm/A. L’évolution de cette quantité en fonction de la position du forçage est représentée sur lafigure4.10. On peut y constater la même tendance que sur la figure4.9, à savoir une diminution significative à court terme avec le déplacement du jet vers le pôle. On constate cependant qu’à plus long terme, il y a peu de variation sauf pour les jets à très haute latitude.
On peut décomposer une fois encore en deux composantes planétaire et synoptique afin de déterminer quelles ondes interviennent dans ce processus. Pour cela, on peut revenir aux covariances Cm et comparer deux cas particulier. La figure 4.11 montre l’exemple
Time lag (in day)
Forcing latitude (in degree)
−10 −5 0 5 10 15 20 20 25 30 35 40 −0.3 −0.2 −0.1 0 0.1 0.2 0.3
Covariance (in day
−
1 )
FIGURE 4.10 – Contribution du terme de convergence de flux de quantité de mouvement au taux instantané de variation du mode de déplacement pour
les différentes simulations de la série PHI0.
tot pla syn
Time lag (in day)
Decay rate (in day
− 1 ) a) 20N −10 −5 0 5 10 15 20 −0.1 0 0.1 0.2 0.3 tot pla syn
Time lag (in day)
Decay rate (in day
− 1 ) b) 40N −10 −5 0 5 10 15 20 −0.1 0 0.1 0.2 0.3
FIGURE 4.11 – Covariances croisées entre la composante principale du mode D et le taux de variation dû au terme de convergence de flux de quan-tité de mouvement totale (en noir), ainsi que ses composantes planétaire (en rouge) et synoptique (en noir) pour la simulation avec un forçage (a) à 20◦
N et (b) à 40◦
N.
des simulations à 20◦
N et à 40◦
N. On constate qu’à long terme, les covariances des deux simulations sont positives et équivalentes. Il n’y a donc pas de changement significatif dans l’intensité de la rétroaction positive entre les deux simulations. De même à court terme, la covariance planétaire reste approximativement la même dans les deux cas, alors que la covariance synoptique diminue fortement, passant d’une valeur positive de +0.05 pour 20◦
N et à une valeur négative de -0.015 pour 40◦
N. Ce sont donc les ondes synoptiques les principales responsables de cette diminution de persistance du mode de déplacement, même si le mécanisme derrière cette diminution reste encore à trouver.
Ainsi, même s’il n’y a pas d’inversion claire de la nature du principal mode de variabilité avec la latitude du jet, on retrouve que la persistence du mode de déplacement méridien diminue quand on décale le jet vers le pôle. En effet, la pourcentage de variabilité expliquée
par le mode de déplacement décroît à mesure que le jet est déplacé vers le pôle, ce qui s’explique par une diminution la persistance de ce mode. Cette diminution, attribuée aux ondes synoptiques, ne vient pas d’une diminution de la rétroaction positive à long terme comme pour Barnes and Hartmann(2011) mais d’un processus à court terme qu’il reste encore à déterminer.