• Aucun résultat trouvé

Le transport atmosphérique dans la version « offline » de LMDz

6.8 Le puits chimique par OH

7.1.1 Le transport atmosphérique dans la version « offline » de LMDz

La version « offline » de LMDz utilisée dans la version d’origine de PYVAR (Che- vallier et al.,2005) est longtemps restée figée dans sa configuration initiale. En effet, les études de Chevallier et al. (2005), Chevallier et al. (2007), Pison et al. (2009),

Fortems-Cheiney et al.(2013),Locatelli et al.(2013) etCressot et al.(2014) ont toutes été réalisées avec la même version du modèle de transport. Cette version « offline » de LMDz est basée sur des paramétrisations physiques (Louis,1979;Tiedtke,1989) et des configurations du modèle (résolution horizontale de 3.75 ˚ × 2.5 ˚ et 19 niveaux verti- caux entre la surface et 3 hPa) issues des développements de LMDz et des contraintes liées au temps de calcul de la fin des années 90.

L’augmentation des temps de calcul entre la fin des années 90 et aujourd’hui a per- mis, dans un premier temps, d’augmenter la résolution horizontale et verticale du modèle de transport utilisé dans PYVAR. Cette amélioration a permis notamment de mieux replacer la version offline de LMDz dans la moyenne des modèles de chimie- transport de la communauté scientifique concernant la résolution verticale. En effet, l’ancienne version était fortement affectée par la résolution verticale trop grossière qui ne permettait pas, par exemple, de représenter correctement les échanges entre la troposphère et la stratosphère (Thompson et al.,2014). De plus, les paramétrisations physiques du modèle de climat LMDz ont subi de nombreux développements au cours des années 2000 (Hourdin et al.,2002,2006;Rio and Hourdin,2008;Hourdin et al.,

2012a,b). Il aurait été pénalisant de ne pas profiter de ces développements au sein du

système inverse en sachant que ce système présentait plusieurs défauts pour modéliser le transport atmosphérique de gaz traces (variabilité des concentrations de gaz traces dans la couche limite sous-estimée, échanges inter-hémisphériques surestimés, etc.). L’utilisation du schéma de convection profonde de Emanuel (1991), dont il a été prouvé qu’il permettait de mieux représenter la circulation de Hadley-Walker (Hourdin

et al., 2006), a permis d’apporter une amélioration qui s’est avérée non négligeable

sur la représentation des échanges inter-hémisphériques. De plus, l’implémentation du modèle des thermiques et d’un nouveau schéma de diffusion verticale dans la version « offline » de LMDz a permis d’augmenter fortement le réalisme de la variabilité des concentrations atmosphériques de gaz traces dans la couche limite.

Ces différents résultats ont été obtenus selon une méthodologie en deux temps. Dans un premier temps, on a bénéficié d’une simulation à grands tourbillons (Large Eddy Simulation, LES) pour analyser les capacités des différentes versions de LMDz dans une configuration unidimensionnelle du modèle. Ces simulations ont montré clairement un gain de la représentation du transport vertical avec la nouvelle version du modèle pour un traceur à courte durée de vie. Dans un second temps, des comparaisons de simulations tridimensionnelles de LMDz avec des observations ont été mises en place selon une approche « multi-traceurs ». On parle d’approche « multi-traceurs » car le choix du traceur étudié a été adapté selon les caractéristiques du modèle que l’on cherchait à évaluer. Le222Rn a été utilisé pour étudier des processus atmosphériques

en accord avec son temps de demi-vie dans l’atmosphère (mélange dans la couche limite), le SF6 a été étudié pour comprendre les échanges de grande échelle et l’étude

de l’impact des paramétrisations physiques sur un gaz réactif a été abordé avec le CH4. Les trois principales améliorations visibles avec la nouvelle version concernent

les échanges troposphère/stratosphère (principalement grâce à la meilleure résolution verticale), la variabilité synoptique près des sources (principalement grâce au schéma de couche limite), et le gradient nord-sud des concentrations (principalement grâce au schéma de convection). Concernant ce dernier point, on reviendra dans la section « Perspectives » (section7.2.1) sur les enseignements et les perspectives que l’on peut donner de notre étude du temps d’échange inter-hémisphérique.

La plus grande sensibilité de LMDz près de la surface dans sa nouvelle version est apparue comme un résultat à double tranchant : elle permet d’améliorer la représenta- tion de la variabilité synoptique si la météorologie forçant le modèle est bonne et si le scénario de flux place les émissions au bon endroit à l’échelle du modèle, mais dans le cas contraire les résultats peuvent être considérablement dégradés.

7.1. Conclusions

Au final, trois versions du modèle LMDz dans sa version offline sont aujourd’hui opé- rationnelles au LSCE, au sein d’un système d’inversion des flux de méthane, ce qui est probablement unique au niveau international. Cet ensemble permet de tester la robustesse des estimations inverses vis-à-vis de l’erreur de transport.

7.1.2 L’impact des erreurs de transport sur les estimations des émissions

de méthane par modélisation inverse

La première partie de la thèse a été consacrée à quantifier la confiance que l’on peut accorder dans les estimations des sources et puits de méthane par modélisation inverse malgré les erreurs introduites par une mauvaise représentation du transport atmosphérique. A partir d’une intercomparaison d’inversions atmosphériques basées sur un ensemble représentatif de modèles de chimie-transport, il est établi que les erreurs de transport peuvent engendrer une incertitude de 27 TgCH4 (5% des émis-

sions globales annuelles) dans les estimations des flux de méthane globaux annuels. A l’échelle régionale, la confiance que l’on peut accorder aux inversions est plus faible, puisque les estimés peuvent différer jusqu’à 35 TgCH4 en Amérique du Sud, ce qui

correspond à 48% des émissions de cette région. Ces différences peuvent aller au delà de 100% du flux à l’échelle de la maille du modèle.

De plus, le développement des différentes versions du système inverse qui se dis- tinguent par l’utilisation de différentes paramétrisations physiques dans LMDz ont également permis de quantifier l’impact de ces paramétrisations sur l’estimation des sources et puits de méthane. Ainsi, l’un des types d’erreurs contribuant à l’erreur to- tale de transport a pu être isolé et quantifié. A l’échelle globale, l’impact des erreurs des paramétrisations physiques est relativement faible puisqu’elles représentent une incertitude de 0.5% (4.1 TgCH4), soit 16% de l’erreur totale due au transport telle

qu’estimée avec l’ensemble des modèles TRANSCOM. Pour autant, à l’échelle régionale, les incertitudes peuvent atteindre jusqu’à 18.1% (12.8 TgCH4), et peuvent représenter

dans certaines régions plus de 50% des erreurs totales de transport.

Les biais significatifs impactant les inversions atmosphériques actuelles utilisant des données satellites ont également été étudiés. Il s’agit d’un point critique étant donné les enjeux liés à l’utilisation des données satellites. Tout d’abord, il a été montré que l’amélioration de la représentation du gradient de la concentration de méthane entre la troposphère et la stratosphère a permis d’expliquer une partie de ce biais. Ensuite, il a été montré que ce biais était insensible aux diverses paramétrisations physiques testées dans le système inverse, ce qui permet de conclure qu’ils sont liés soit aux données satellites elles-mêmes soit à d’autres aspects du transport non testés. Afin de, tout de même, utiliser les données satellites, j’ai proposé un schéma d’inversion en 2 temps : les biais des données satellites sont corrigés zonalement en comparant les concentrations de surface simulées par une première inversion réalisée sans cor- rection avec les observations de surface, puis en réalisant une seconde inversion avec les données débiaisées. Ce faisant, les données satellites permettent d’amener des contraintes à l’échelle régionale sur la spatialisation et les variations des émissions, les données de surface contraignant les valeurs moyennes grande échelle des émissions.